图像处理-基础

可以把图像看成一种具有矩阵结构的高维数据，图像处理方法也就是一种此类矩阵结构高维数据的处理方法。所以图像处理不仅用于我们平常看到的图片的处理，还用于各种其它类似的，具有矩阵结构的数据的处理。比如各种扫描图，指纹什么的。数字图像处理技术应用广泛，也可以看成因为现实世界中很多东西都可以靠图像这种形式的高维数据来反映，然后数字图像处理技术也就广泛。

这个结构具体的说是，矩阵的一个元素对应于一维，并且相邻的维度（元素）之间有一定的关系。

图像可以抽象为一个数字矩阵，图像的处理就是对这个数字矩阵的处理。

所谓交叉学科，从某种程度上来说也可以说就是一门学科，只是难一点，多学几门专业课而已，就像学某个专业里面要学多个不同的专业课一样。不要觉得交叉学科就多不一样了，难以学习了。

图像处理的过程：
图像输入
简单图像处理（预处理=增强，恢复，几何变换等，图像分割，边缘检测，区域分割等等）
图像识别，理解
图像生成，创造

应该说图像生成是图像处理中高级别的方法，需要在更低级的图像处理技术的支持下工作。

卷积、滤波等属于图像域处理。

图像格式：
索引图像：将一副图像所有像素的不同值放大一张表中，并在前面加上索引，也就是ID，然后在像素矩阵里面存放该位置对应像素对应的索引值，而不是直接存储像素。这种格式在一定情况下能节省存储空间。对于图片不同颜色较少时，也就是有很多重复像素的情况下，索引表不大，然后像素矩阵存储像素的索引所需要的位也比较少，进而总的占用空间就小。举例：假如原来的图像采用24位RGB存储，大小为100 * 100，总大小为30000Byte。现在，假设图像共用1024种颜色，那么使用16位存储，总大小为：索引表1024* 3 + 2 * 10000 = 23072 可见大小减少了20%多。
显然，这种格式的一个缺点是索引表大小不能适配当前的存储结构，如果索引表取16位，能支持6万多种颜色，太少，如果索引表取24位，能支持1千多万种颜色，倒是够了，但是都占用3位了，还多了个索引表，那还不如直接使用24位存储像素。 如果取个20位的话，可能还有点戏。

BMP文件名格式：
四个部分，文件头，信息头，颜色表，数据


注意到，图像对客观事物的是不完整不精确的。

注意数字化的图像用I=f(i,j)表示更合适，即离散的函数， 而不是连续函数
彩色图像可以看成是RGB三幅图像合并构成的。
反思可以用数学公式或者逻辑运算来表达的一切运算都可以用数字图像处理实现。

图像的处理方法也可分为：
1、空域法：
直接针对图像阵列的元素处理：
点处理法：
比如灰度等
领域处理法：
领域法：
卷积
梯度
拉普拉斯算子
平滑算子
2、变换域
基于像素矩阵的图像时空域的，我们将它变换到变换域
空间图像->变换（常用正交变换）->变换域->处理->反变换
其实就是改变图片的表现形式，然后便于使用更合适的方法处理
比如空域-频域-滤波处理-反变换
对像素进行算数运算
图像增强：
直方图修正法，伪彩色法，灰度窗口等

视觉细胞主要是椎状细胞和杆状细胞，锥状细胞负责明视觉，最清晰，杆状细胞负责黑暗下作用，察觉运动等，也称作暗视觉细胞
**锥状细胞有3类，分别对红绿蓝光谱敏感（也就是对不同波长敏感），当它们的比例不同时就会感觉到不同的颜色。这也就是视觉三原色的来源。**这也应该和太阳光的波长范围有关，哈哈，这影响了地球上生物眼睛的生理构造。

人眼的视角为1分。
对灰度的分辨能力为64级
大于15帧每秒能获得连续的感觉。
对比度的分辨：多种情况，根据背景不同而不同，只有前景和背景两种类似时，大部分区域能分辨出2%的差距。

光强度：
可以从发射端和接收端看，接收端即单位面积接受的光通量

图像获取：
胶片，靠的是化学反应，光线照射胶片上的位置发生化学反应成像。可以看成模拟图像。
另一类，光电转换期间器件，最常见的是电耦合器件CCD



采样-量化-编码
采用可以看成在时间或者空间上取样离散化，
量化就是把函数值离散化
编码，，，