数字图像处理——基础

一、图像的采样与量化

采样：空间坐标离散化(离散化：把无限空间中有限的个体映射到有限的空间中去，以此提高算法的时空效率)叫做空间采样，简称采样，确定了图像的空间分辨率。(我个人理解就是将现实世界中的无限个“ 像素点 ”转化为数字世界有限的像素点)

量化：对采样点亮度(灰度)值的离散化过程，确定了图像的灰度分辨率(分为均匀量化与非均匀量化)。(我个人理解就是把某一现实世界的亮度值用数字来衡量，比如亮度最低的纯黑暗假如数字衡量为0，最亮的光比如就衡量为10，这样可以用数字来描述的方法，称为量化)

图像的大小机算：假定图像尺寸为  水平M，垂直N，像素灰度级数K，则图像所需位数为：N*M*K

图像像素数机算：假定图像尺寸为  水平M，垂直N，则图像像素数为：N*M

空间分辨率：图像随空间分辨率的增加而更加清晰（质量增加，就是这个值越小图像越糊）

空间灰度分辨率：图像随空间灰度分辨率增加而更加清晰(纹理细节更加突出，明暗对比更清晰，就是这个值越小图像越黑)

二、像素的空间关系

像素之间有规律排列连接，相互之间有一定的联系

1、像素邻接

像素邻域，看图不用解释吧？

2、像素连接

判断两像素连接：互相为邻接，灰度(亮度)还得一样或都在一个范围内。(我理解就是亮度都得差不多）

三种连接：

       4 - 连接：这俩像素都在同意灰度范围内，且他俩还互在对方四邻域里。

       8 - 连接：这俩像素都在同意灰度范围内，且他俩还互在对方八邻域里。

       m - 连接(混合连接)：下图为其定义，我理解的就是要么大家都是互在四邻域，要么大家互在N邻域，且四邻域没交集。

3、像素连通

我理解就是：这些满足灰度值范围的所有点中，上下左右斜 两点间只要能走通就连通了。

4、像素距离

我理解就是：像素间距离有好几种说法，只要满足上方定义的任何一种表示方法都可以表示像素距离。

(1)、欧式距离：  

以某一距离为半径围绕某一像素点画出来形状为一个圆形

(2)、D4距离(城市距离)：

以某一距离围绕某一像素点画出来形状为一个菱形

(3)、D8距离(棋盘距离)：

以某一距离围绕某一像素点画出来形状为一个正方形

三、图像文件的类型

1、图像按类型分类：

       按图像动动态特性：动态图像、静态图像

       按图像色彩：灰度图像、彩色图像

       按图像维数：二位图像、三维图像、多维图像

2、位图：通过许多像素点表示图像，每个像素具有颜色属性与位置属性

位图分为：

       二值图像 binary images：只有黑白两色图像，1为白或相反

       亮度图像 intensity images：像素灰度级用8表示，0为黑，256为白。（说的玄乎，其实就是灰度图呗？）

       索引图像 indexed images：把像素值直接作为RGB调色板下标的图像

               比如下图，圆圈的数字为5，对应预先调好色的颜色表第五行的颜色，就显示其对应的颜色。就是预先调好各种颜色并做好编号，图像像素点只要保存对应颜色的编号就行了。

             

       RGB图像 RGB images：就是每个像素点的颜色由红(Red)、绿(Green)、蓝(Blue)三种颜色不同亮度混合起来组成。