数字图像处理的基本概念_数字图像处理有什么用

数字图像处理（1）—— 数字图像基本概念与彩色图像

文章目录

• 数字图像处理（1）—— 数字图像基本概念与彩色图像
• • 1 数字图像处理的起源发展与基本概念
  • • 1.1 基本概念
    • • 1.1.1 图像
      • 1.1.2 图像处理（image processing）
    • 1.2 起源与发展
  • 2 数字图像数字化
  • 3 数字图像的空间和灰度分辨率
  • 4 数字图像类型与彩色空间
  • • 4.1 图像类型
    • 4.2 彩色空间
  • 5 Matlab命令
  • 6 嘘，题目

1 数字图像处理的起源发展与基本概念

1.1 基本概念

人类所接受的信息中，视觉信息占比大于60%，听觉信息占20%，其余信息占比小于20%，所以真的“百闻不如一见”！一般将视觉信息称为图像信息，其特点是直观形象，易懂，信息量大。

1.1.1 图像

广义上，图像就是所有具有视觉效果的画面，它包括：纸介质上的、底片或照片上的、电视、投影仪或计算机屏幕上的。具体分为模拟图像和数字图像。

模拟图像可用连续函数来描述，即 I = F ( x , y ) I=F(x,y) I=F(x,y).其中x，y是空间平面坐标。其特点为关照位置和关照强度均为连续变化的。

数字图像是空间坐标和灰度（亮度）均用离散的数字（一般是整数）表示的图像。基本元素称为像素（Pixel）。转换到数学上就是可用矩阵或数组来描述，即 I = f ( x , y ) = ∣ i i j ∣ M × N I=f(x,y)=\begin{vmatrix}i_{ij}\end{vmatrix}_{M\times N} I=f(x,y)=∣∣​iij​​∣∣​M×N​像素或像元的属性：空间位置和灰度。

1.1.2 图像处理（image processing）

对图像信息进行加工处理和分析，以满足人的视觉心理需要和实际应用或某种目的（如压缩编码或机器识别）的要求。数字图像处理：即利用计算机对数字图像进行处理。优点：精度高、再现性好、方法易变、灵活度高。缺点：处理速度受到计算机和数字器件的限制，一般也是串行处理，因此处理速度较慢。

图像处理可分为三个层次。第一层次为低级处理，如图像缩放，平滑，是对图像进行加工改善，为图像分析作准备。第二层次为中级处理（图像分析），如图像分割，边缘检测，目的是获取客观特征。第三层是高级处理（图像理解），如无人驾驶等可以理解图像意思，用于研究图像中各目标的性质和相互关系。

1.2 起源与发展

百度一下你就知道嘿嘿。

2 数字图像数字化

大多数传感器的输出是连续电压波形，为了产生一副数字图像需要把连续的感知数据转化为数字形式，这包括两种处理：取样和量化。（严格来说应该是取样，量化，编码三种处理）

（1）取样：图像空间坐标值的数字化

空间坐标(x,y)的数字化被称为图像采样，确定水平和垂直方向上的像素个数N、M。一般我们所形容的 512 × 512 512\times512 512×512或者 1024 × 1024 1024\times1024 1024×1024就是水平个垂直方向上的像素个数。

（2）量化：图像函数值（灰度值）的数字化

函数取值的数字化，如量化到256（ 2 8 2^8 28）个灰度级。灰度级都是2的次幂。所以整合起来形容一副图像的数字化规格可以写为 512 × 512 , 256 512\times512,256 512×512,256。

（3）编码：压缩信息量

同时，为了应对某些图像为了突出其中特殊信息，也可以采用非统一的图像采样和量化，使个别区域变尖锐或平滑。

补充：存储一副 M × N , 2 k M\times N,2^k M×N,2k的灰度图像需要 M × N × K M\times N\times K M×N×K（Bit）或 M × N M\times N M×N（Byte）

3 数字图像的空间和灰度分辨率

（1）空间分辨率（spatial resolution）

图像中可分辨的最小细节，主要由采样间隔值决定，采样间隔值越小，空间分辨率越高，质量越好。反之则会出现棋盘格现象（灰度级不变）。

（2）灰度分辨率

灰度级别中可辨别的最小变化，通常也把灰度级L称为灰度分辨率。量化级数越多，灰度分辨率越高，质量越好。反之则会出现伪轮廓现象。

小结：

◆图像的分辨率表示的是能看到图像细节的多少，显然依赖于M×N和L

◆保持M×N不变而减少L，则会导致假轮廓

◆保持L不变而减少M×N，则会导致棋盘状

◆图像质量一般随着M×N和L的增加而增加，但存储量增大

◆实验表明图像的细节越多，用保持M×N恒定而增加L的方法来提高图像的显示效果就越不明显，因此，对于有大量细节的图像只需要少数的灰度级。

4 数字图像类型与彩色空间

4.1 图像类型

灰度图像： 图像只有明暗程度的变化而没有色彩的变化，简单的是二值图像，只有两种灰度。

伪彩色图像：是指经过伪彩色处理而形成的彩色图像。像素值是所谓的索引值，是按照灰度值进行彩色指定的结果，其色彩并不一定忠实于外界景物的真实色彩。（单波段图像）

假彩色图像：一般指遥感多波段图像合成的彩色图像。（其他波段组成的三通道）

真彩色图像：忠实于外界景色的色彩的图像，其像素一般是颜色的真实值。（RGB三通道直接决定）

静止图像：图像的内容不随时间变化。

活动图像：前一帧和后一帧的图像内容随时间发生变化。

4.2 彩色空间

彩色空间（也称彩色模型或彩色系统）

彩色模型是指建立一个3D坐标系统，其中每个空间点都代表某一种颜色，常见的模型：RGB、HSI、HSV、LAB、CMY和CMYK、YIQ、YUV、YCbCr。主要介绍RGB和HSI两种彩色空间。

（1）RGB

CCD技术直接感知R,G,B三个分量，是图像成像、显示、打印等设备的基础。

CIE规定了以700nm(红)、545.1nm (绿)、435.8nm (蓝)三个色光为三基色。又称为物理三基色。RGB模型是目前常用的一种彩色信息表达方式，它使用红、绿、蓝三原色的亮度来定量表示颜色。该模型也称为加色混色模型，是以RGB三色光相互叠加来实现混色的方法，因而适合于显示器等发光体的显示。

考虑RGB图像，其中每一幅红、绿、蓝图像都是一幅8bit图像，在这种条件下，每一个RGB彩色像素有24bit深度（3个图像平面乘以每平面比特数，即3×8）。24bit的彩色图像也称全彩色图像。在24bitRGB图像中颜色总数是224=16777216。

注:32位真彩色,不是2^32种颜色!而是24位真彩色(1600万色)加上8位的透明度，让显示更好,更接近自然的色彩。

（2）HSI

色调（hue）又称为色相，是当人眼看到一种或多种波长的光时所产生的彩色感觉，它反映颜色的种类。

饱和度（saturation）是指颜色的纯度，可用来区别颜色的深浅程度。混入的白光越少，饱和度越高，颜色越鲜明。

亮度（intensity）是视觉系统对可见物体辐射或者发光多少的感知属性。

HSI两个特点： 一是I分量与图像的彩色信息无关，二是H和S分量与人感受颜色的方式是紧密相连的。

HSI将亮度（I）与色调（H）和饱和度（S）分开，避免颜色收到光照明暗（I）等条件的干扰，仅仅分析反映色彩本质的色调和饱和度。其广泛用于计算机视觉、图像检索和视频检索。这种彩色系统格式的设计反映了人类观察彩色的方式，如：红色又分为浅红和深红色等等。

5 Matlab命令

所使用Matlab中Image Processing Toolbox。

Matlab和IPT支持的数据类型

Matlab格式转换函数

Matlab图像基本处理函数

实际应用

L = imread('lenna.jpg');
whos('L')
infor = imfinfo('lenna.jpg')
%BWL = im2bw(L)
Graylenna = rgb2gray(L);       %灰度图
BWL = imbinarize(Graylenna);   %二值图像
subplot(1,3,1),imshow(L);
subplot(1,3,2),imshow(Graylenna);
subplot(1,3,3),imshow(BWL);
imwrite(L,'lenna.bmp','bmp');  %存储为bmp格式

6 嘘，题目

1. 一副256*256的灰度图像，若灰度级数为256，则储存他所需要的比特数是（ ）。 答： 256 × 256 × 8 256\times 256\times 8 256×256×8(bit) or 256 × 256 × 8 ÷ 1024 256\times 256\times 8\div 1024 256×256×8÷1024(K) 2. 图像的空间分辨率是指（ ）。 答：单位尺寸上采样的像素数 3. 图像数字化包括那些过程？它们对数字化图像质量有何影响？ 答：采样与量化。采样间隔值越小，空间分辨率越高，质量越好；量化级数越多，灰度分辨率越高，质量越好 4. HSI表色系的三属性包括（ ） 答：色调，饱和度，亮度 5. 哪个彩色空间最接近人视觉系统特点（ ） 答：HSI空间

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/186063.html原文链接：https://javaforall.cn