计算机视觉与图像处理学习笔记(一)

写在前面:因学习需要,本人根据章毓晋的《计算机视觉教程》和冈萨雷斯的《数字图像处理》两本书进行学习,中间会穿插相关实践,会有对opencv的学习,以此笔记记录学习过程,激励自己学习的同时,也供大家参考。

声明:转载注明出处,http://blog.csdn.net/accepthjp/article/details/49255375


图像可看做是对辐射强度模式的空间分布的一种表示,是辐射强度模式的一种投影。我们平时看到的图像大多是3-D空间投影得到的2-D成像平面。因此,就有了对此类图像的表示方法,用一个二维数组f(x,y)来表示,x,y表示坐标,f表示在这个坐标位置某种性质的数值。比如:对于灰度图像,f表示灰度值,而对于彩色图像,则需要三个f来分别记录红、绿、蓝三个值。

以上说的是图像的表达,对于图像的显示,则主要依赖于显示设备。根据显示方式不同,图像可以是散点集、区块、数值等多种形式。比如下图中同一张图像的三种显示方式。


计算机视觉与图像处理学习笔记(一)_第1张图片


接下来是图像的存储。这部分的存储设备和图像文件格式比较熟悉,不多说。特别注意JPEG格式源自JPEG标准,它定义了一个规范的编码数据流,说白了,和哈夫曼编码的意思有点相似,但不完全一样。

然后是像素间的关系。每一个像素的周围8个像素称之为近邻像素,与他们组成4-邻域、对角邻域、8-邻域(有区别)。如果一个像素p在另一个像素q的邻域中,则称两者邻接,如果他们的灰度值还满足某个特定相似准则,则称为连接。如果p与q不连接,但分别与第三个r连接,则称为连通,中间的连接像素(这里是r)构成p与q的通路。

最后是像素间的距离。常使用的距离计算方法有欧氏距离、城区距离、棋盘距离。如下:

计算机视觉与图像处理学习笔记(一)_第2张图片

具体定义和范数概念参考原书。还有距离变换,将二值图像变为灰度图像的一种特殊变换。

这一篇主要记录了一些图像方面的基本概念,下一篇是对知觉的学习记录。




你可能感兴趣的:(计算机视觉,计算机视觉与深度学习)