数字图像处理:图像的采集——2021.9.16

目录

图像数字化

传感器采样(空间上的

量化

 数字化后的图像

 如何计算一张图占空间的大小

 图像放大和缩小

像素空间关系

像素间联系

像素p的邻域

像素连通性

通路

距离度量

 几何失真校正

空间变换

灰度插值


图像数字化

进入镜头的光,是f,由两个部分组成

 i是光的强度,0~无穷大

r是反射率,1~0

数字化分为两个步骤

1.X,Y离散化——空间上的采样

2.每个像素点的幅度f也要离散化——量化

量化和采样将直接影响图像的质量

数字图像处理:图像的采集——2021.9.16_第1张图片

传感器采样(空间上的

采样频率 :决定空间分辨率

单个传感器,条带传感器,二维阵列传感器数字图像处理:图像的采集——2021.9.16_第2张图片

 阵列的传感器等于说直接把X,Y给离散化了

单个的传感器得一行一列的扫描采样

条带的就一个方向采样就行了

量化

灰度级的分辨率又叫像素深度

虽说隔了一段空间采一个样,但是采样的数据仍然是连续的,需要将数据分为几个灰度级,在同一个灰度级中的数据全部变成一个值,即为量化。灰度级为256个

数字图像处理:图像的采集——2021.9.16_第3张图片 数字图像处理:图像的采集——2021.9.16_第4张图片

 数字化后的图像

 经过数字化之后,一张图像就变成了一个矩阵

 数字图像处理:图像的采集——2021.9.16_第5张图片

数字图像处理:图像的采集——2021.9.16_第6张图片

 如何计算一张图占空间的大小

举个例子:一张图M*N个小格格,灰度级256则k为8bit,所以.... 

数字图像处理:图像的采集——2021.9.16_第7张图片

那么N和k之间有没有什么联系呢:研究发现 ,图像细节很丰富的话,我在相同的N的条件下 k等于5还是4 视觉效果差不多——适当的减低量化的精度

 图像放大和缩小

1.创建新的网格位置

2.赋值新网格的值

        最近邻插值:原图中周围四个像素距离最近的赋值给新的网格

        双线性插值:用点周围四个点作为线性组合得到新像素点的值

数字图像处理:图像的采集——2021.9.16_第8张图片

来看一组结果:上面一行是最近邻插值,下面是双线性插值(计算量大一些) 

 数字图像处理:图像的采集——2021.9.16_第9张图片

像素空间关系

像素间联系

像素p的邻域

4近邻(4-neighbors):N4(p)

数字图像处理:图像的采集——2021.9.16_第10张图片

对角近邻(D-neighbors) :ND(p)

数字图像处理:图像的采集——2021.9.16_第11张图片

8近邻(8-neighbors) :N8(p)

数字图像处理:图像的采集——2021.9.16_第12张图片

像素连通性

连通性(connectivity)是描述区域边界的基本概念

两个像素具有连通性的两个必要条件

        两个像素是否相邻

        它们的灰度级是否满足相似性准则 设V是具有相似灰度的集合。

(对于二进制图像,可令V={1};对于具有256灰度级的灰度图像,V是这256数值中的一个子集,比如V={x|0

通俗一点讲就是,现在要把像素矩阵分块了,分成一片一片连通的部分,但是要怎么分呢?如何来定义两个像素是连通的?

——四连通 P,Q是4邻域关系

——八连通 P,Q是8邻域关系

——m连通(混合连通) 

        (i) q属于集合N4(p)

        (ii)或者q属于集合ND(p) 且N4(p) ∩N4(q)中没有像素值属于集合V的像素

·比如下面这个图 

数字图像处理:图像的采集——2021.9.16_第13张图片

如果我用四连通来分,就是两个连通的区域

数字图像处理:图像的采集——2021.9.16_第14张图片

如果用八连通来分,就是一个连通 的区域

 数字图像处理:图像的采集——2021.9.16_第15张图片

 如果用混合连通来分,跟上面一样的

像素连通性- MATLAB & Simulink- MathWorks 中国

通路

距离度量

对于距离的定义可以是多种多样的

像素 p, q 和 z,坐标分别为 (x, y),(s, t) 和 (v, w)

(1)欧式距离:等距的点形成一个圆

数字图像处理:图像的采集——2021.9.16_第16张图片

 (2)D4距离(或city-block距离) 等距离轨迹是菱形

          横坐标的距离+纵坐标的距离

数字图像处理:图像的采集——2021.9.16_第17张图片

 (3)D8 距离(或chessboard距离) 等距离轨迹为正方形

 数字图像处理:图像的采集——2021.9.16_第18张图片

 几何失真校正

‘图像的几何失真校正主要包括两个步骤:

空间变换:失真的像素从新排好像素位置

灰度插值:对排好的像素 进行灰度插值 (有点像放大缩小时候的操作

空间变换

模型:图像f (x, y)受几何形变的影响变成失真图像 g(x', y' )

x'=S(x,y)   y'=T(x,y)  

那么根据s和t的不同可以分为 线性失真非线性(二次)失真

数字图像处理:图像的采集——2021.9.16_第19张图片这种是线性的

数字图像处理:图像的采集——2021.9.16_第20张图片这种是二次的

 数字图像处理:图像的采集——2021.9.16_第21张图片

 比如上图左侧是失真图,右侧是矫正图,然后我们知道这是一个线性失真,并且有八个参数

 数字图像处理:图像的采集——2021.9.16_第22张图片

 我们需要求出这八个参数,这样才能反应用失真函数,将像素点矫正。所以根据一个点有两个值,可以列出两个方程的原理,我们应该找到矫正图和失真图的四个对应点,即可解出参数值,完成空间变换

灰度插值

 数字图像处理:图像的采集——2021.9.16_第23张图片

 后向映射的意思是,根据矫正图的X,Y带入到失真函数中算出x',y',当然这时候x',y'有可能就不是整数了,也就是不在像素点上而是在像素块内,这时候我们用灰度插值的任意一种方法取得灰度值赋值给x,y点就可以了

你可能感兴趣的:(数字图像处理,机器学习,概率论)