数字图像处理2.pptxVIP

会计学; RGB模型： 在三维直角坐标系中，用相互垂直的三个坐标轴代表R、 G、B三个分量，并将R、G、B分别限定在[0,1]，则该单位正 方体就代表颜色空间，其中的一个点就代表一种颜色。如下图 所示。 其中，r、g、b、c、m和y分别代表红色（red）、绿色 （green）、蓝色（blue）、青色（cyan）、品红（magenta） 和黄色（yellow）。 ;RGB颜色模型; ;2.1 色度学基础;;;;2.2 人的视觉特性;; ? 人眼的亮度感觉 (1) 图像“黑”“白”（“亮”、“暗”）对比参数 对比度: c = Bmax/ Bmin ， 相对对比度: cr = (B-B0)/B0 (2) 人眼亮度感觉范围 ① 总范围很宽（c = 108） ② 人眼适应某一环境亮度后，范围限制 适当平均亮度下： c = 103 很低亮度下： c = 10 (3) 同时对比度：人眼对亮暗程度所形成的“黑”“白”感觉具有相对性，即按对比??c感觉物体亮度对比。 ;2.2 人的视觉特性; (5) 主观亮度S与实际亮度B之间的关系 S = K lnB + k0 (6) 人眼亮度感觉之应用 若一幅原图像经过处理，恢复后得到重现图像，重现图像的亮度不必等于原图像的亮度，只要保证二者的对比度及亮度层次（灰度级）相同，就能给人以真实的感觉 。; 图像处理方法有模拟式和数字式两种。由于数字计算技术的迅猛发展，数字图像处理技术得到了广泛的应用。我们日常生活中见到的图像一般是连续形式的模拟图像，所以数字图像处理的一个先决条件就是将连续图像离散化，转换为数字图像。 图像的数字化包括采样和量化两个过程。;2.3 图像数字化;2.3 图像数字化; 对一幅图像采样时，若每行（即横向）像素为M个，每列（即纵向）像素为N个，则图像大小为M×N个像素。 在进行采样时，采样点间隔的选取是一个非常重要的问题， 它决定了采样后图像的质量，即忠实于原图像的程度。采样间隔的大小选取要依据原图像中包含的细微浓淡变化来决定。一般， 图像中细节越多，采样间隔应越小。;采样示意图 ; 即采样图像的频谱 是原图像频谱 沿u、v方向以 、 为周期延拓而得。 ;2.3 图像数字化;2.3 图像数字化;2.3 图像数字化; 模拟图像经过采样后，在时间和空间上离散化为像素。但采样所得的像素值（即灰度值）仍是连续量。把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。量化示意图说明了量化过程。若连续灰度值用z来表示，对于满足zi≤z≤zi+1的z值，都量化为整数qi。qi称为像素的灰度值，z与qi的差称为量化误差。一般，像素值量化后用一个字节8 bit来表示。如量化示意图所示，把由黑—灰—白的连续变化的灰度值， 量化为0-255共256级灰度值，灰度值的范围为0-255，表示亮度从深到浅， 对应图像中的颜色为从黑到白。 ;量化示意图 （a） 量化； (b) 量化为8 bit ;2.3 图像数字化; 连续灰度值量化为灰度级的方法有两种，一种是等间隔量化， 另一种是非等间隔量化。等间隔量化就是简单地把采样值的灰度范围等间隔地分割并进行量化。对于像素灰度值在黑—白范围较均匀分布的图像，这种量化方法可以得到较小的量化误差。该方法也称为均匀量化或线性量化。为了减小量化误差，引入了非均匀量化的方法。非均匀量化是依据一幅图像具体的灰度值分布的概率密度函数，按总的量化误差最小的原则来进行量化。具体做法是对图像中像素灰度值频繁出现的灰度值范围，量化间隔取小一些，而对那些像素灰度值极少出现的范围，则量化间隔取大一些。由于图像灰度值的概率分布密度函数因图像不同而异， 所以不可能找到一个适用于各种不同图像的最佳非等间隔量化方案。因此，实用上一般都采用等间隔量化。 ;2.3 图像数字化;采样与量化参数的选择 一幅图像在采样时，行、列的采样点与量化时每个像素量化的级数，既影响数字图像的质量，也影响到该数字图像数据量的大小。假定图像取M×N个样点，每个像素量化后的灰度二进制位数为Q，一般Q总是取为2的整数幂，即Q=2k, 则存储一幅数字图像所需的二进制位数b为 ; 对一幅图像，当量化级数Q一定时，采样点数M×N对图像质量有着显著的影响。采样点数越多，图像质量越好；当采样点数减少时，图上的块状效应就逐渐明显。同理， 当图像的采样点数一定时，采用不同量化级数的图像质量也不一样。量化级数越