数字图像处理基础 (2)

数字图像处理基础2第二章数字图像处理基础2.1 图像数字化技术2.2 数字图像类型2.3 常用图像文件格式2.4 像素间的基本关系2.5 图像的几何变换2.1 图像数字化技术2.2 数字图像类型2.3 常用图像文件格式2.4 像素间的基本关系2.5 图像的几何变换简单的图像成像模型一幅图像可定义成一个二维函数f(x,y)。

由于幅值f 实质上反映了图像源的辐射能量，所以f(x,y)一定是非零且有限的，也即有：0<f(x,y)</f(x,y)图像是由于光照射在景物上，并经其反射或透射作用于人眼的结果。

所以，f(x,y)可由两个分量来表征：一是照射到观察景物的光的总量，二是景物反射或透射的光的总量。

设i(x,y)表示照射到观察景物表面(x,y)处的白光强度，r(x,y)表示观察景物表面(x,y)处的平均反射(或透射)系数，则有：f(x,y)=i(x,y)r(x,y)其中：0 < i(x,y) < A 1, 0 ≤r(x,y) ≤1对于消色光图像(有些文献称其为单色光图像)，f(x,y)表示图像在坐标点(x,y)的灰度值l ，且：l=f(x,y)这种只有灰度属性没有彩色属性的图像称为灰度图像。

显然：L min ≤l ≤L mxa区间[L min ，L max ]称为灰度的取值范围。

在实际中，一般取L min 的值为0，L max =L-1。

这样,灰度的取值范围就可表示成[0，L-1]。

当一幅图像的x 和y 坐标及幅值f 都为连续量时，称该图像为连续图像。

为了把连续图像转换成计算机可以接受的数字形式，必须先对连续的图像进行空间和幅值的离散化处理。

图像数字化：将模拟图像经过离散化之后，得到用数字表示的图像。

图像的数字化包括采样和量化两个过程。

连续图像空间离散数字图像幅度离散采样量化采样：是将在空间上连续的图像转换成离散的采样点（即像素）集的操作。

即：空间坐标的离散化。

量化：把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。

第二章数字图像处理基础1.将一幅光学模拟图像转换为数字图像的过程叫做图像的数字化，包括扫描、采样、量化三个过程。

采样点数越多、量化级数越高，图像质量越好。

2.图像数字化过程中造成失真的原因有两个方面：第一个方面，在采样过程中，如果采样点数满足取样定理（即采样频率不小于最高截止频率的2倍）的情况下，重建图像就不会产生失真，否则就会因为取样点数不够而产生所谓混淆失真；第二个方面，在量化过程中，若图像不产生失真，则需要量化级数无穷大，而实际量化级数往往无法满足这样的取值而造成图像的失真。

3.人的眼睛是人类视觉系统的重要组成部分，当外界景象通过眼球的光学系统在视网膜上成像后，视网膜产生相应的胜利电图像并经视神经传入大脑；人眼的视网膜由感光细胞覆盖，感光细胞吸收来自于光学图像的光线，并通过晶体透镜和角膜聚集在视网膜上。

晶状体相当于普通光学镜头，对光线有屈光作用。

4.发光强度简称光强，指单色光源在给定方向上的单位立体角内发出的发光强度。

亮度是指发光体（反光体）表面发光（反光）强弱的物理量。

照度指物体被被照面单位时间内所接受的光通量。

主观亮度是指由观察者判断出的亮度称为主观亮度。

5.常用的颜色模型有RGB模型、CMYK模型、HSI模型等。

RGB模型是色光的彩色模型，因为是由红、绿、蓝相叠加形成其它颜色，因此该模型也叫加色合成法。

所有的显示器、投影设备，以及电视等许多设备都是依赖于这种加色模型的；CMYK模型也称减色合成法，主要应用于印刷行业中；RGB和CMYK颜色模型都是面向硬件的，但从人眼视觉特性来看，HSI模型用色调、饱和度和亮度来描述彩色空间能更好地与人的视觉特性相匹配。

6.由于彩色图像为RGB图像，利用三元组（R,G,B）来表示每个像素的值。

根据题意，三基色灰度等级为8，而23=8，则存储一个颜色分量所需的比特数为3，存储一个三元组所需的比特数为3⨯3=9，该图像大小为1024*768，则存储整幅图像所需的比特数为9⨯1024⨯768=7077888bit=864KB。

《数字图像处理》课程教学大纲Digital image processing一、教学目标及教学要求数字图像处理课程是智能科学与技术、数字媒体技术等专业的专业必修课。

主要目标及要求是通过该课程的学习，使学生初步掌握数字图像处理的基本概念、基本原理、基本技术和基本处理方法，了解数字图像的获取、存储、传输、显示等方面的方法、技术及应用，为学习相关的数字媒体、视频媒体和机器视觉等课程，以及今后从事数字媒体、视频媒体、图像处理和计算机视觉等领域的技术研究与系统开发打下坚实的理论与技术基础。

二、本课程的重点和难点（一）课程教学重点教学重点内容包括：图像的表示，空间分辨率和灰度级分辨率，图像直方图和直方图均衡，基于空间平滑滤波的图像增强方法，基于空间锐化滤波的图像增强方法，图像的傅里叶频谱及其特性分析，图像编码模型、霍夫曼编码和变换编码，图像的边缘特征及其检测方法，彩色模型，二值形态学中的有腐蚀运算和膨胀运算。

（二）课程教学难点教学难点包括：直方图均衡，二维离散傅里叶变换的若干重要性质、图像的傅里叶频谱及其特性分析，变换编码，小波变换的概念、嵌入式零树小波编码，图像的纹理特征及其描述和提取方法，Matlab图像处理算法编程。

三、主要实践性教学环节及要求本课程的实验及实践性环节要求使用Matlab软件平台，编写程序实现相关的数字图像处理算法及功能，并进行实验验证。

课程实验与实践共10学时，分别为：实验一：图像基本运算实验（2学时）。

实验二：图像平滑滤波去噪实验（2学时）。

实验三：图像中值滤波去噪实验（2学时）。

实验四：图像边缘检测实验（2学时）。

相关图像处理算法的课堂演示验证（2学时）。

要求每个学生在总结实验准备、实验过程和收获体会的基础上，写出实验报告。

四、采用的教学手段和方法利用多媒体课件梳理课程内容和讲授思路，合理运用启发式教学方式激发学生的思考力，采用讨论式教学方式增强教学过程的互动效果，理论教授与应用实例编程实践相结合，提高学生的分析和解决问题的能力。