数字图像处理-冈萨雷斯(学习笔记)

CH1 绪论

图像定义: f ( x , y ) f(x,y) f(x,y)中,以 ( x , y ) (x,y) (x,y)表示空间/平面坐标,幅值 f f f表示图像在该点处的强度或灰度

数字图像定义: f ( x , y ) f(x,y) f(x,y),且 x , y , f x, y, f x,y,f为有限的离散值

特定的 f ( x 1 , y 1 ) f(x_1,y_1) f(x1,y1)称为像素(或图画元素、图像元素)

图像处理领域界定

关于图像的领域有图像处理、图像分析(理解)、计算机视觉等。。。

从图像处理到计算机视觉的这个连续统一体内无明确界限

在上述连续统一体中考虑三种典型的计算处理:低级、中级、高级处理

  1. 低级处理:如图像降噪(一种图像预处理手段)、对比度增强、图像尖锐化等。

    涉及初级操作,以输入、输出都是图像为特征

  2. 中级处理:如区域或目标的分割,目标分类、识别等

    涉及诸多任务,以输入为图像、输出为特征(从图像中提取的诸如边缘、轮廓、各物体标识等)为特征

  3. 高级处理:涉及“理解”已识别目标的总体…

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TJDbbFAC-1657806594225)(C:\Users\ww0054688\AppData\Roaming\Typora\typora-user-images\image-20220714202740870.png)]

CH2 数字图像基础

2.1 人类视觉系统成像机理

2.2 光、电磁波谱及其他分量的成像特点

2.3 成像传感器及其生成数字图像

2.4 图像取样与量化

2.5 像素间的基本关系

2.6 数学工具

2.4

取样和量化

连续图像 f ( x , y ) → f(x,y) \to f(x,y)数字图像 f ( x , y ) f(x,y) f(x,y)的过程中,对坐标值 ( x , y ) (x,y) (x,y)数字化称为取样,幅值 f f f数字化称为量化。

数字图像的质量,很大程度上取决于取样和量化中所用的样本数和灰度级,可根据图像内容选取合适的样本数及灰度级

数字图像表示

数字图像 f ( x , y ) f(x,y) f(x,y) f ( 0 , 0 ) f(0,0) f(0,0)为数字图像原点值,由 ( x , y ) (x,y) (x,y)张成的是平面部分称为空间域, x 、 y x、y xy称为空间变量或空间坐标

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5fWbYJDc-1657806594226)(C:\Users\ww0054688\AppData\Roaming\Typora\typora-user-images\image-20220714205727168.png)]

数字图像的三个值: M , N , L M,N,L M,N,L即图像的行数、列数与灰度级数,均为离散的正整数

出于存于与量化硬件的考虑,灰度级数典型低取为2的整数次幂,即 l = 2 k l=2^k l=2k

存储图像所需的比特数则为 M ∗ N ∗ k M*N*k MNk

当一副图像灰度级数 l = 2 k l=2^k l=2k时,可称该图像为一副“ k k k比特图像”,如有256个离散灰度值的图像可称为8比特图像

下图 M = = N M==N M==N

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JdElUw9H-1657806594227)(C:\Users\ww0054688\AppData\Roaming\Typora\typora-user-images\image-20220714211505641.png)]

图像系统的动态范围定义为系统中最大可度量灰度与最小可检测灰度之比(其中,上线取决于饱和度,下线取决于噪声)。基本上,动态范围有图像系统能表示的最低和最高灰度级来确定。此时,引出图像的对比度:图像中最高与最低灰度级间的灰度差。

当一副图像中像素可感知的数值有高的动态范围时,可以说该图像具有高的对比度

相反,低动态范围的图像就很呆滞(像是灰度被冲淡了)

空间和灰度分辨率

空间分辨率是图像中可辨别的最小细节的度量。

空间分辨率的通用度量单位有:每单位距离线对数每单位距离点数(像素数)

如每毫米线对数、每英寸点数dpi

图像的尺寸( M ∗ N ,如分辨率为 1024 ∗ 1024 像素的图像 M*N,如分辨率为1024*1024像素的图像 MN,如分辨率为10241024像素的图像),如未规定图像包含的空间维数,则尺寸只在图像容量间作比较时才有帮助。

空间分辨率的度量必须针对空间单位来规定,才有意义(即空间分辨率必须以每单位距离为基础才有意义)

降低图像空间分辨率,图像的尺寸自然缩小,但在降低的过程中,原图像中多数可见的特征会随之退化

灰度分辨率是指在灰度级中可分辨的最小变化, 灰度级数 l = 2 k 灰度级数l=2^k 灰度级数l=2k中也用 k 比特 k比特 k比特表示灰度分辨率,如灰度被量化为256级的图像有8比特的灰度分辨率

由于灰度中可分辨的真实变化,不仅收噪声和饱和度值的影响,也受人类感知能力影响。

所以说一副8比特灰度分辨率的图像,并不比灰度幅值以\frac{1}{256}$为固定增量量化为8比特的系统能力的规定有更多的内容?????

降低灰度分辨率

保持样本数恒定(尺寸恒定),将灰度级数以2的整数次幂从256减少到2,

256级、128级、64级灰度图像,对于所有使用目的在视觉上的效果是相同的。

自32级之后,在恒定或接近恒度灰度区域内出现细小山脊状结构,这种效果是由数字图像的平滑区中的灰度级数不足引起,常称为伪轮廓,灰度级数越低,伪轮廓越明显

一个经验准则:一幅图像,尺寸256*256像素、65灰度级、印刷在大小5cm*5cm的版式上的图像,是具有最低空间和灰度分辨率的图像,此之上没有取样棋盘格和伪轮廓(包含它)。

上述阐明了改变N和k时对图像质量产生的影响。

等偏爱曲线?

你可能感兴趣的:(计算机视觉,学习,计算机视觉,人工智能)