图像技术基础.pptVIP

计算数据量的计算 计算数据量的计算 2021/3/23 * 模拟图像 模拟图像可用连续函数来描述。 其特点:光照位置和光照强度均为连续变化的。 数字图像 离散化的图像,像素是其最小的单位 图像和数字图像 2021/3/23 * 图像和像素 数字图像实例 O R C O I(r,c) Y X f(x,y) 屏幕显示使用 图像计算使用 2021/3/23 * 像素（picture element, pixel) 数字图像可分解为许多单元,每个基本单元叫做图像 元素 像素或像元的属性:空间位置和灰度。 像素越多,图像的分辨率越高,图像的细节就越多 像素和表示 2021/3/23 * 像素和表示 2021/3/23 * 图像表示/像素表示 2-D数组 f (x, y) x , y:2-D空间XY中像素的位置 f:代表图象在(x, y)的性质F 的数值 f,x,y 的值可以是任意实数 性质F : 可对应不同物理量 灰度图象里用灰度表示 *表示图像就需要表示其各个像素 *表示像素就是通过空间位置和灰度 像素和表示 2021/3/23 * 图像表示/像素表示 矩阵 矢量 M: 行数 N: 列数 像素和表示 2021/3/23 * 黑白图像 指图像的每个像素只能是黑或者白,没有中间的过渡,故又称为二值图像。2值图像的像素值为0、1。 灰度图像 是指每个像素的信息由一个量化的灰度级来描述的图像,没有彩色信息。 像素和表示 2021/3/23 * 灰度图像描述示例 像素和表示 2021/3/23 * 彩色图像 彩色图像是指每个像素的信息由RGB三原色构成的图像,其中RBG是由不同的级来描述的。 像素和表示 2021/3/23 * 4. 像素间联系 像素邻域 像素间的距离 2021/3/23 * 像素邻域 象素的邻域 4-邻域——N4(p): 对角邻域——ND(p): 8-邻域——N8(p): r r p r r s s p s s s r s r p r s r s 如果q在p的邻域中,p和q是邻接 2021/3/23 * 连接 （adjacency, 邻接）vs. (connectivity, 连接) 邻接仅考虑象素间的空间关系 两个象素是否连接: (1) 是否接触（邻接） (2) 灰度值是否满足某个特定的相似准 则（同在一个灰度值集合中取值） 像素邻域 2021/3/23 * 连通 两个像素p和q间有一系列连接的像素 连接是连通的一种特例 通路 由一系列依次连接的象素组成 从具有坐标(x, y)的象素p到具有坐标(s, t)的象素q的一条通路由一系列具有坐标(x0, y0),(x1, y1),…,(xn, yn)的独立象素组成。这里(x0, y0) = (x, y)，(xn, yn) = (s, t)，且(xi, yi)与(xi-1, yi-1)邻接，其中1 ≤ i ≤ n，n为通路长度 4-连通，8-连通 ? 4-通路，8-通路 像素邻域 2021/3/23 * 像素间距离 距离量度函数 3个象素p,q,r,坐标(x, y)，(s, t)，(u, v) (1) 两个象素之间的距离总是正的 (2) 距离与起终点的选择无关 (3) 最短距离是沿直线的 2021/3/23 * 距离量度函数 (1) 欧氏（Euclidean）距离 (2) 城区（city-block）距离 (3) 棋盘（chessboard）距离 像素间距离 结果准确,运算量大 运算量小,有一定误差 2021/3/23 * 像素间距离 距离量度函数 距离计算示例 DE = 5 D4 = 7 D8 = 4 2021/3/23 * 像素间距离 用距离定义邻域 考虑在空间点 (xp, yp)的象素 p 4-邻域——N4(p) 8-邻域——N8(p) 2021/3/23 * 5. 图像坐标变换 平移变换 尺度变换 旋转变换 级联 2021/3/23 * 设点P0(x0, y0,z0)进行平移后,移到P(x,y,z),其中沿坐标轴方向的平移量分 别为Δx, Δy, Δz 。则点P(x,y,z)的坐标为 平移变换 利用齐次坐标,变换前后图像上的象素点之间的关系可用如下矩阵变换表示 变换矩阵T *图像坐标变换的矩阵表示: v’ = Av v