数字图像处理的基本概念详解演示文稿.pptVIP

图4-2 图像灰度分布概率密度函数 本文档共66页；当前第62页；编辑于星期三\8点4分 从图像灰度级的分布可以看出一幅图像的灰度分布特性。例如，从图4-2中的(a)和(b)两个灰度分布概率密度函数中可以看出： (a)的大多数像素灰度值取在较暗的区域，所以这幅图像肯定较暗；(b)图像的像素灰度值集中在亮区，因此，图像(b)将偏亮。当然，从两幅图像的灰度分布来看图像的质量均不理想。 本文档共66页；当前第63页；编辑于星期三\8点4分 4.1.2 直方图的性质 （1） 直方图是一幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某一灰度值像素所在位置。也就是说，它只包含了该图像中某一灰度值的像素出现的概率，而丢失了其所在位置的信息。 （2）任一幅图像，都能惟一地确定出一幅与它对应的直方图， 但不同的图像，可能有相同的直方图。也就是说，图像与直方图之间是多对一的映射关系。如图4-3就是一个不同图像具有相同直方图的例子。 本文档共66页；当前第64页；编辑于星期三\8点4分 图4-3 图像与直方图间的多对一关系 本文档共66页；当前第65页；编辑于星期三\8点4分 （3） 由于直方图是对具有相同灰度值的像素统计得到的， 因此，一幅图像各子区的直方图之和就等于该图像全图的直方图，如图4-4所示。 图4-4 直方图的分解 本文档共66页；当前第66页；编辑于星期三\8点4分 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。根据一维采样定理，若一维信号g(t)的最大频率为ω， 以T≤1/2ω为间隔进行采样，则能够根据采样结果g(iT) (i=…, -1, 0, 1， …)完全恢复g(t)， 即  式中 本文档共66页；当前第30页；编辑于星期三\8点4分 图2-2 采样示意图 本文档共66页；当前第31页；编辑于星期三\8点4分 2.1.2 量化 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。图2-3（a）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。 本文档共66页；当前第32页；编辑于星期三\8点4分 一般，像素值量化后用一个字节8 bit来表示。如图2-3（b）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。 本文档共66页；当前第33页；编辑于星期三\8点4分 图2-3 量化示意图 （a） 量化； (b) 量化为8 bit 本文档共66页；当前第34页；编辑于星期三\8点4分 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。 本文档共66页；当前第35页；编辑于星期三\8点4分 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。 本文档共66页；当前第36页；编辑于星期三\8点4分 2.1.3 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 （2-2） 字节数B为 （2-3） 本文档共66页；当前第37页；编辑于星期三\8点4分 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。如图2-4所示，采样点数越多