数字图像处理技术的应用第二讲 基本知识.pptVIP

2.4 图像的采样与量化 2.4.1 采样 2.4.2 量化 2.4.3 采样与量化的关系 2.4.4 二值图像 2.4.5 数据储存结构 2.4 图像的采样与量化 连续函数图像——图像空间上采样——幅度上量化——处理 数字图像D/A转换——模拟显示 采样 量化 计算机 fs(x,y) f(x,y) 检测阵列 量化：灰度上的离散化 采样：空间上的离散化 表达（建模，图像数字化） 1）灰度图像的阵列表示法 连续信号（抽样、量化）――数字信号， 图像矩阵的特点： a） b）数字化抽样：正方形点阵、三角形点阵、正六角形点阵 数字图像采样 [采样] 所谓采样就是把位置空间上连续的模拟图像变换成离 散点（称为采样点）的集合的一种操作。 2.4.1 采样 采样点对应采样所得的数字图像的像元。 模拟图像 i(x, y) = 离散点阵 i(X, Y)。 注：小写表示实数，大写表示整数。 Sampling 1、 采样点阵：正三角、正六角、方形 2、采样定理： 一维采样定理：惠特克－卡切尼柯夫－香农（whittaker-korelnikov-shannon）采样定理。当时 ， 则函数f（t）的傅立叶变换为0，亦即f(t)可由相隔为fc/2或更密的样本正确重构。 二维采样定理：采样频率大于图像信号最高频率的2倍 采样频率： 例： 奈奎斯特频率：不混叠时采样中的最低限 混叠噪声 孔径效应：实际采样脉冲不是理想冲击函数，有一定的宽度，会产生失真 插入噪声：由采样图像信号恢复到原图像，无理想滤波器（在fc内频率特性平坦，相位特性成直线） 抖动噪声：采样周期为T，但发射与接受端T存在相位差异，称相位抖动。 3、采样误差 2.4.2 量化 离散点阵 i(X, Y) = 数字图像 I(X, Y) Quantization f(x,y)采样 空间离散的像素矩阵 f(x,y)量化 对信号的幅度进行离散分层的过程 数字图像量化 [量化] 所谓量化就是把亮度空间上连续的亮度变换成离散值或整数值的一种操作。 量化和采样是两个不同的概念，量化是在每个采样点上进行的，所以必须先采样后量化。 量化和采样是图像数字化的不可或缺的两个操作，所以二者又紧密相关，同时完成。 一、 均匀量化 二、非均匀量化： a） 基于视觉特性：对亮度值急剧变化部分无需过细分层，进行 粗量化对亮度值平缓变化部分需过细分层， 进行细量化 b） 先计算所有可能的亮度值出现的概率分布， 对概率分布大的进行细量化 对概率分布小的进行粗量化 非均匀量化可以减少量化误差，又能用较少的比特数实现量化 M、N—图像尺寸 G---每个像素所具有的离散灰度级数（不同灰度值的个数） 存一幅图像所需的位数（bit） B=M×N×k 128×128×6＝98304 （12kbyte） 512×512×8＝2097152 （256kbyte） 2.4.3 采样与量化的关系 N×N点采样，每点灰级G级，G=2b，占b位。 总数据量N×N×b位二进制数据。 当总存贮容量一定时，N与b怎么分配效果才最佳？ 解： 无一般方法，取决于具体图像。 当纹理细节多时N大，b小。 当层次要求多时，则b大，N小。 例如： 人头像——要照顾层次?b大，N小（频带窄平滑，采样间隔可大）。 群众场面——纹理丰富?b小，N 大（频带宽，采样间隔要小，不丢细节） N和k的关系： （1）图像质量一般随N和k的增加而增加。在极少情况下对固定的N， 减少k能改进图像质量，因为增加了图像的反差 （2）对具有大量细节的图像常只需要很少的灰度级数就可较好地 表示 （3）b为常数的一系列图像主观看起来可以有较大的差异 2.1 视觉感知 2.2 图像的噪声分析 2.3 图像的质量评价 2.4 图像的采样与量化(数字化) 2.5 像素之间的关系 2.1视觉感知 2.1.1 视觉原理 2.1.2 亮度适应和区分 2.1.3 成像模型 2.1.4 颜色视觉 2.1视觉感知 2.1.1视觉原理 光接收细胞： 锥细胞：600～700万。对颜色敏感。充分识别图像细节，每个细胞接一个神经末端，又叫适亮视觉（photopic vision）、白昼视觉 2.1.1视觉原理 柱细胞：7