医学图像处理第二章数字图像基础.pptxVIP

　　一个人最重要的是思想，每个人思想不同，因此人与人也各不相同。如果我了解你的思想，那我就能知道你是什么样的人；如果想要改变自己的人生，那首先就要改变自己的思想。 —戴尔·卡耐基 ;教学基本要求： 2.1　视觉感知要素； 2.2　图像感知和获取； 2.3　图像取样和量化； 2.4　像素间的一些基本关系； ;教学基本要求： 2.1　视觉感知要素； 2.2　图像感知和获取； 2.3　图像取样和量化； 2.4　像素间的一些基本关系； ;眼睛的形状近似于一个圆球，平均直径大约20mm 有三层膜包围着眼睛 虹膜： 2mm~8mm，其作用是控制入光量 视网膜：图像视觉，表面的光接收器分为两类，即锥状体和杆状体。锥状体数目600万~ 700万 ，负责颜色和细节识别，锥状视觉又称白昼视觉；杆状体数目约7500万~15000万，无彩色感觉，称夜视觉。 可把中央凹看作一个1.5 mm×1.5mm的方形传感器阵列。 ;眼睛的晶状体和普通光学透镜之间的主要差别在于前者的适应性强。 当晶状体的折射能力由最小变到最大时，晶状体的聚焦中心与视网膜间的距离由17mm缩小到14mm，因此可以很容易计算出图像在视网膜成像的大小。(P29);人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： “马赫带，Mach Band”（P32）;人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 瞬时对比现象(P32);人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉(P33);人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉;人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉;;人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉;人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉－栅格火花错觉;人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉;人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉－埃斯切尔的不可能的盒子;教学基本要求： 2.1　视觉感知要素； 2.2　图像感知和获取； 2.3　图像取样和量化； 2.4　像素间的一些基本关系； ;*;*;*;*;*;教学基本??求： 2.1　视觉感知要素； 2.2　图像感知和获取； 2.3　图像取样和量化； 2.4　像素间的一些基本关系； ;图像数字化：将模拟图像经过离散化之后，得到用数字表示的图像。 　图像的数字化包括采样和量化两个过程。 采样：是将在空间上连续的图像转换成离散的采样点（即像素）集的操作。即：空间坐标的离散化。 量化：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。即：灰度的离散化。;*;*;采样：Sampling，实际上采样方式由产生图像的传感器装置决定：P40 量化：Quantization，由灰度级决定;采样和量化的结果是一个实际矩阵。一幅有M行和N列的数字图像表示如下： 　离散坐标用整数表示，原点的坐标值是（0,0）; ;数字图像的质量在很大程序上取决于采样和量化中所用的采样数和灰度级。 空间分辨率是图像中可辨别的最小细节，采样值是决定一幅图像空间分辨率的主要参数。 灰度分辨率指在灰度级别中可分辨的最小变化，由量化的等级决定，灰度级通常是2的整数次冥。 通常把大小为M ×N，灰度为L级的数字图像称为空间分辨率为M ×N像素、灰度级分辨率为L级的数字图像。 ;*;1024*1024;小结： 从上面的图中我们可以看出，在图像尺寸不变的情况下，空间分辨率高的图像比空间分辨率低的图像包含的像素多，像素点较小，因而图像更清晰。 如果图像出现棋盘格则说明采样数目不够。;*;*;小结： 从上面的图中我们可以看出，在空间分辨率不变的情况下，灰度级高的图像比灰度级低的图像质量更好。 如果图像出现伪轮廓则说明灰度级数不够。;当限定数字图像的大小时, 为了得到质量较好的图像，一般可采用如下原则： 　对缓变的图像， 应该细量化， 粗采样， 以避免假轮廓。 　对细节丰富的图像， 应细采样， 粗量化， 以避免模糊。;放大－过采样 步骤一：创立新的像素位置（在原图像上放一个虚构的栅格） 步骤二：对新位置赋灰度值（两种最常用的插值方法：最近邻域插值、双线性内插） ;最近领域插值 (x ′, y′)点的灰度值等于 离它最近的像素的灰度值； 优点：算法简单、快捷 缺点：存大较大误差 ;双线性内插 ;缩小－欠采样 步骤同放大 ;整数倍放大 可通过简单的像素复制完成； ;整数倍缩小 可通过简单的像素删除完成； ;教学基本要求： 2.1　视觉感知要素； 2.2　图像感知和获取； 2.3　图像取样和量化； 2.4　像素间的一些基本关系； ; 如果一幅图像用f(x,y)表示，特殊像素用小写字母（