下载文档原格式
主要学习内容1.数字图像处理（ Digital Image Processing ）又称为计算机图像处理, 它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程, 以提高图像的实用性, 从而达到人们所要求的预期结果。
例如: 对照片反差进行变换；对被噪声污染的工业电视图像去除噪声；从卫星图片中提取目标物特征参数等等。
与人类对视觉机理着迷的历史相比, 数字图像处理还是一门相对年轻的学科。
但在其短短的历史中, 它却以程度不同的成功被应用于几乎所有与成像有关的领域。
由于其表现方式（用图像显示）所固有的魅力, 它几乎吸引了从科学家到平民百姓太多的注意。
几个新的技术发展趋势将进一步刺激该领域的成长: 包括由低价位微处理器支持的并行处理技术；用于图像数字化的低成本的电荷耦合器件（CCD）；用于大容量、低成本存储阵列的新存储技术；以及低成本、高分辨的彩色显示系统。
另一个推动力来自于稳定涌现出的新的应用。
在商业、工业、医学应用中, 数字成像技术的使用持续增长。
尽管军费在削减, 在遥感成像中却更多地使用了数字图像处理技术。
低成本的硬件加上正在兴起的几个非常重要的应用, 我们可以预料到数字图像处理在将来会发挥更重要的作用。
2.图像增强技术图像增强是指按特定的需要突出一幅图像中的某些信息, 同时, 削弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要包含直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
空间域平滑技术为了抑制噪声改善图像质量所进行的处理称为图像平滑或去噪。
它可以在空间域或频率域中进行。
此处介绍空间域的几种平滑方法。
（1）局部平滑法局部平滑发又称邻域平均法或移动平均法。
它是利用像素邻域内的各像素的灰度平均值代替该像素原来的灰度值, 实现图像的平滑。
邻域平均法是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。
其作用相当于用这样的模板同图像卷积。
dip工作总结一、引言数字图像处理（Digital Image Processing，DIP）是一门研究如何对图像进行数字化处理的学科。
DIP工作以处理图像为主要任务，包括改变图像的亮度、对比度、尺寸、颜色等，以及图像融合、分割、识别等方面。
在这个数字化时代，DIP在各个行业中得到了广泛应用，如医学影像、远程 sensing、图像检索等领域。
通过这篇文章，我将总结自己在DIP工作中的成果、经验以及面临的挑战和改进方向。
二、工作成果1. 图像预处理在DIP工作中，图像预处理是非常重要的一环。
我将预处理分为了三个步骤：图像去噪、边缘增强和图像增强。
首先，通过应用各种滤波算法，如中值滤波、高斯滤波，我成功地实现了图像的去噪，提高了图像的质量。
其次，通过使用边缘检测算法，如Sobel算子和Canny算子，我成功地增强了图像的边缘特征，使得图像更加清晰。
最后，我尝试了多种图像增强技术，如直方图均衡化和自适应直方图均衡化，使得图像在亮度、对比度和色彩方面更加鲜明。
2. 图像分割和识别在DIP工作中，图像分割和识别是重要的任务，我采用了深度学习技术来解决这些问题。
通过使用卷积神经网络（Convolutional Neural Network, CNN），我成功地对图像进行了分割，提取出感兴趣的目标。
同时，我使用了循环神经网络（Recurrent Neural Network, RNN）对图像进行了识别，实现了对目标的自动分类。
这些成果在医学影像、智能交通等领域具有广泛的应用前景。
三、工作经验1. 多角度思考在DIP工作中，一个重要的经验是多角度思考问题。
往往一个问题有多种解决方案，需要从不同的角度出发，综合考虑各种方法的优缺点，选择最适合的方案。
比如，在图像预处理中，我尝试了多种滤波算法，对比它们的效果和计算复杂度，最终选择了适合当前任务的算法。
2. 不断学习DIP是一个不断进步和发展的领域，需要不断学习新的理论和技术。
数字图像处理的理论基础及发展方向一、数字图像处理的起源及发展数字图像处理（Digital Image Processing) 将图像信号转换成数字信号并利用计算机对其进行处理,起源于20 世纪20年代，目前已广泛地应用于科学研究、工农业生产、生物医学工程、航空航天、军事、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，已成为一门引人注目、前景远大的新型学科,发挥着越来越大的作用。
数字图像处理作为一门学科形成于20 世纪60 年代初期，早期的图像处理的目的是改善图像的质量，以人为对象,以改善人的视觉效果为目的，首次获得实际成功应用的是美国喷气推进实验室(J PL)并对航天探测器徘徊者7 号在1964 年发回的几千张月球照片使用了图像处理技术，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，随后又对探测飞船发回的近十万张照片进行了更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了坚实的基础,也推动了数字图像处理这门学科的诞生。
数字图像处理取得的另一个巨大成就是在医学上获得的成果，1972 年英国EMI 公司工程师Ho usfield 发明了用于头颅诊断的X射线计算机断层摄影装置即CT(Computer Tomograph）。
1975 年EMI 公司又成功研制出全身用的CT 装置，获得了人体各个部位鲜明清晰的断层图像. 1979 年这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献. 随着图像处理技术的深入发展，从70 年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展。
人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界. 很多国家，特别是发达国家投入更多的人力、物力到这项研究,取得了不少重要的研究成果。
其中代表性的成果是70 年代末MIT 的Ma rr 提出的视觉计算理论,这个理论成为计算机视觉领域其后多年的主导思想。
数字图像处理学数字图像处理(digital image processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二就是数学的发展（特别就是离散数学理论的创办和健全）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
一、实验内容：主要是图像的几何变换的编程实现，具体包括图像的读取、改写，图像平移，图像的镜像，图像的转置，比例缩放，旋转变换等，具体要求如下：1、编程同时实现图像位移，建议位移后的图像大小维持不变；2、编程实现图像的镜像；3、编程同时实现图像的单位矩阵；4、编程实现图像的比例缩放，要求分别用双线性插值和最近邻插值两种方法来实现，并比较两种方法的缩放效果；5、编程同时实现以任一角度对图像展开旋转变换，建议分别用双线性插值和最近邻插值两种方法去同时实现，并比较两种方法的转动效果。
二、实验目的和意义：本实验的目的就是并使学生熟识并掌控图像处理编程环境，掌控图像位移、镜像、单位矩阵和转动等几何变换的方法，并能够通过程序设计同时实现图像文件的读、写下操作方式，及图像位移、镜像、单位矩阵和转动等几何变换的程序实现。
三、实验原理与主要框架：3.1实验所用编程环境：visualc++(简称vc)是微软公司提供的基于c/c++的应用程序集成开发工具、vc拥有丰富的功能和大量的扩展库，使用它能有效的创建高性能的windows应用程序和web应用程序。
vc除了提供更多高效率的c/c++编译器外，还提供更多了大量的可以器重类和组件，包含知名的谷歌基础类库(mfc)和活动模板类库(atl)，因此它就是软件开发人员不可多得的开发工具。
vc丰富的功能和大量的扩展库，类的重用特性以及它对函数库、dll库的支持能使程序更好的模块化，并且通过向导程序大大简化了库资源的使用和应用程序的开发，正由于vc具有明显的优势，因而我选择了它来作为数字图像几何变换的开发工具。
•名词解释（每小题5分,本题共20分）数字图像数字图像是指由被称作像素的小块区域组成的二维矩阵。
将物理图像行列划分后，每个小块区域称为像素（PiXeI）O 数字图像处理指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术.8-连通的定义-对于具有值V的像素P和q ,如果q在集合N&p）中,则称这两个像素是8-连通的。
灰度直方图是指反映•幅图像各灰度级像元出现的频率。
灰度自方图是灰度级的函数，描述的是图像中该灰度级的像素个数。
即：横坐标农示灰度级，纵坐标衣示图像中该灰度级出现的个数。
性质：直方图是•幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某•灰度值像素所在位置。
也就是说，它只包含了该图像中某•灰度值的像素出现的概率，而丢失了其所在位置的信息。
用途：用于判断图像量化是否恰当直方图给出了•个简单可见的指示，用来判断•幅图象是否合理的利用了全部被允许的灰度级范圉。
•般•幅图应该利用全部或几乎全部可能的灰度级，否则等于增加了量化间隔。
丢失的信息将不能恢复。
数字图像通常有两种表示形式：位图，矢量图位图和矢量图的比较：1、点位图由像素构成，矢量图由对象构成点位图的基本构图单位是像素，像素包含了色彩信息。
包含不同色彩信息的像素的矩阵组合构成了千变万化的图像。
矢量图形指由代数方程定义的线条或曲线构成的图形。
如:农示-个圆形,矢量图像保存了• 个画圆的命令、圆心的坐标、半径的长度等等。
欲显示该圆，矢量绘图软件则根据圆的坐标、半径等信息，经过方程式计算，将圆“画”在屏幕上。
矢量图像由许多矢量图形元素构成, 这些图形元素称为“对象”。
2、点位图面向像素绘画,矢量图面向对象“构画”两种图像的构成方式不同，其绘画力式也存在差别。
点位图是通过改变像素的色彩实现绘画和画面的修改。
点位图软件捉供了模拟手绘习惯的工具实现绘画。
数字图像处理及其在医学影像中的应用数字图像处理（digital image processing）是一种利用计算机和数字处理技术来处理图像的技术。
它包括数字化、图像增强、图像分割、图像识别、图像复原等一系列处理过程。
近年来，数字图像处理在医学影像中的应用越来越广泛，为医学诊断提供了更为准确和有效的手段。
数字化是数字图像处理的基础，也是医学影像的数字化过程的第一步。
数字化过程将模拟世界中的连续图像转换为数字图像，使得医学影像可以被计算机识别、处理和储存。
此外，数字化还可以减少图像中的噪声和失真，提高影像的质量和可视性。
图像增强是数字图像处理中的一个重要步骤，它通过增强图像的局部对比度、亮度、清晰度等来改善图像的质量。
在医学影像中，图像增强常被用于CT、MRI等影像的强化，使得医生可以更清晰地看到病变部位。
此外，图像增强还可以对皮肤、毛发等细节进行增强，以便于病变的准确诊断。
图像分割是将一个复杂的图像分成多个小块的过程。
在医学影像中，图像分割可以将肿瘤、器官等病变区域从正常组织中分离出来，以便于医生进行更精准的诊断和手术。
图像分割常用的算法包括区域生长、边缘检测和聚类分析等。
图像识别是通过计算机自动判断图像中所含信息的能力。
在医学影像中，图像识别可以自动识别肿瘤、器官等特定区域，提高医生的诊断效率和准确性。
目前，基于深度学习的图像识别算法已经被应用到医学影像中，取得了显著的效果。
图像复原是指通过对损坏图像进行修复，恢复其原始状态的过程。
在医学影像中，图像复原可以恢复图像中因多种因素导致的失真和瑕疵，如雪花噪声、模糊等。
图像复原常用的算法包括逆滤波、限幅恢复和最小二乘等。
总的来说，数字图像处理技术为医学影像的提高了准确性和有效性，对医学诊断和治疗起到了重要的作用。
未来，数字图像处理技术将会越来越广泛地应用到医学影像中，为病患者提供更为精准和便捷的医疗服务。
数字图像处理学院：行12数信院姓名：姜晶学号：12202509教师：朱杰时间：2014年10月一绪论1.1人类传递信息的主要媒介是语音和图像。
据统计，在人类接受的信息中，听觉信息占20%，视觉信息占60%，所以作为传递信息的重要媒体和手段——图像信息是十分重要的，俗话说“百闻不如一见”、“一目了然”，都反映了图像在传递信息中独到之处。
目前，图像处理技术发展迅速，其应用领域也愈来愈广，有些技术已相当成熟并产生了惊人的效益，当前图像处理面临的主要任务是研究心的处理方法，构造新的处理系统，开拓更广泛的应用领域。
数字图像处理（Digital Image Processing）又称为计算机数字图像处理，它是指将数字图像信号转换成数字信号并利用计算机对其进行处理的过程。
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和数字图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的数字图像处理的目的是改善数字图像的质量，它以人为对象，以改善人的视觉效果为目的。
数字图像处理中，输入的是质量低的数字图像，输出的是改善质量后的数字图像，常用的数字图像处理方法有数字图像增强、复原、编码、压缩等。
图像的概念视觉是人类最重要的感知手段，图像视觉的基础。
图像处理是计算机信息处理的重要内容。
图像可以是可视的和非可视的，也可以是抽象的和实际的。
一般情况下，一幅图像是另一种事物的表示，它包含了有关其所表示物体的描述信息。
可以包括人眼看见的方式显示这一信息，也可以包括人眼不能感知的形式表示信息。
图像是器所表示物体信息的一个浓缩或概括。
一般来说，一幅图像包含的信息远比原物体要少。
因此，一幅图像是该物体的一个不完全、不精确的，但在某种意义上是恰当的表示。
实际上，图像与光学密切相关，即与光的照射、反射密切相关。
因此，从理论上来说，一幅图像可以被看作为空间各个坐标点上光的强度的集合。
数字图像处理技术在医学中的应用数字图像处理技术（Digital Image Processing，DIP）是利用计算机对图像进行数字化处理、计算、分析和显示的一种技术。
它在医学中的应用已经越来越广泛。
数字图像处理技术可以提高医学图像的分辨率和对比度，强化图像的特征，使得医生能够更准确地诊断病情。
下面介绍数字图像处理技术在医学中的应用。
1. 医学图像的增强数字图像处理技术可以提高医学图像的质量。
例如，对于X光图像、CT图像和MRI图像，通过图像增强技术可以使得医学图像更加清晰、更具有诊断价值。
在数字图像处理中，常用的图像增强技术有灰度变换、空间滤波、频域滤波、直方图均衡化等。
其中，灰度变换可以根据不同的图像特点选择不同的转换函数，从而达到增强图像的目的。
空间滤波则是通过改变像素值来达到增强目的，例如均值滤波、中值滤波等。
频域滤波则是通过对图像进行傅里叶变换，在频域上进行滤波，最后将结果通过反傅里叶变换得到处理后的图像。
直方图均衡化通过改变像素分布来达到增强图像的效果。
2. 医学图像的分割数字图像处理技术可以将图像中的不同区域分离出来，从而实现医学图像的分割。
医学图像的分割在疾病诊断和治疗规划中具有重要的作用。
图像分割通常包括基于阈值法的分割、区域生长法、边缘检测、水平线分割等。
其中，区域生长法是一种当前广泛应用的分割方法，它首先选择一个种子点，然后根据一定的生长规则，将与该种子点相连接的像素点划分到同一分割区域中。
在实际应用中，可以通过多种不同的聚类算法，如K-Means聚类算法、模糊C均值聚类算法等，来实现图像的自动分割。
3. 医学图像的特征提取数字图像处理技术可以提取医学图像中的特征，从而实现对疾病的自动诊断和分析。
医学图像特征提取涉及到图像处理、模式识别及人工智能技术等多个领域。
医学图像的特征提取通常包括形态学特征、灰度特征、纹理特征、几何特征等。
例如，在乳腺癌检测中，可以通过乳腺X光照片中的等高线、边缘、纹理等特征，进行乳腺癌的自动识别和分析。
dip岗位职责DIP（Digital Image Processing）即数字图像处理，是一项通过计算机对图像进行各种操作和改进的技术。
DIP岗位的职责主要涉及对数字图像的处理、分析和改进。
本文将介绍DIP岗位的职责以及该岗位所需的技能和知识。
一、DIP岗位职责概述DIP岗位的主要职责是利用计算机技术对数字图像进行处理和分析，以提高图像的质量和准确性。
下面将详细介绍DIP岗位的具体职责。
1. 数字图像处理DIP岗位负责处理数字图像，包括去噪、增强、滤波等操作，以改善图像的质量和可视化效果。
通过使用相关的软件和算法，岗位人员能够对图像进行各种操作，并能根据需求进行必要的调整和改进。
2. 图像分析与识别DIP岗位负责对图像进行分析，并能够识别和提取图像中的特征和信息。
通过使用图像处理和分析的技术，岗位人员能够从复杂的图像中提取出关键的数据和信息，以用于后续的分析和决策。
3. 算法开发与优化DIP岗位需要开发和优化相关的图像处理算法，以适应不同的应用场景和需求。
通过使用计算机编程和算法设计的技术，岗位人员能够开发出高效、准确的图像处理算法，并根据实际情况对算法进行优化和改进。
4. 质量控制和测试DIP岗位需要对处理后的图像进行质量控制和测试，以确保处理结果的准确性和稳定性。
岗位人员需要熟悉相关的测试方法和标准，并能够根据需求进行必要的调整和改进。
二、DIP岗位所需技能和知识要胜任DIP岗位的工作，岗位人员需要具备以下技能和知识：1. 图像处理和分析的基础知识岗位人员需要熟悉数字图像处理和分析的基本概念和原理，包括图像的采集、表示、压缩等方面的知识。
同时，对于常用的图像处理算法和技术也需要有一定的了解和掌握。
2. 计算机编程和算法设计岗位人员需要具备一定的计算机编程和算法设计能力，能够使用编程语言如Python或MATLAB等来实现和优化图像处理算法。
熟悉并掌握常见的图像处理库和工具也是必要的。
3. 数学和统计学知识岗位人员需要具备一定的数学和统计学知识，能够理解和应用相关的数学模型和方法。
目录摘要 (II)第1章绪论...................................... 错误!未定义书签。
第2章数字图像处理系统设计...................... 错误!未定义书签。
2.1设计概括 (5)2.2文件 (6)2.2.1打开 (6)2.2.2保存 (6)2.2.3退出 (6)2.3编辑 (7)2.3.1灰度 (7)2.3.2亮度 (8)2.3.3截图 (10)2.3.4缩放 (10)2.4旋转 (13)2.4.1上下翻转 (13)2.4.2左右翻转 (14)2.4.3任意角度翻转 (15)2.5噪声 (16)2.6滤波 (17)2.6.1中值滤波 (17)2.6.2自适应滤波 (17)2.6.3 平滑滤波 (18)2.7直方图统计 (19)2.8频谱分析 (21)2.8.1、频谱图 (21)2.8.2通过高通滤波器 (22)2.8.3通过低通滤波器 (23)2.9灰度图像处理 (24)2.9.1二值图像 (24)2.9.2创建索引图像 (25)2.10颜色模型转换 (26)2.11操作界面设计 (27)第3章程序调试及结果分析 (28)总结 (29)参考文献 (30)摘要数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
在数字图像处理过程中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
MATLAB既是一种直观、高效的计算机语言，同时又是一个科学计算平台。
它为数据分析和数据可视化、算法和应用程序开发提供了最核心的数学和高级图形工具。
根据它提供的500多个数学和工程函数，工程技术人员和科学工作者可以在它的集成环境中交互或编程以完成各自的计算。
本文利用MATLAB图像处理工具箱，根据需求进行程序的功能分析和界面设计，实现数字图像的灰度处理、亮度处理、截图、缩放、旋转、噪声、滤波、直方图统计、频谱分析、颜色模型转换等。
图像锐化处理目录第一章前言 (3)第二章绪论 (4)2.1 研究的目的及意义 (6)2.2 国内外研究现状 (7)2.2.1 国外研究现状 (7)2.2.2 国内研究现状 (10)2.3 本文主要研究内容与结构安排 (11)第三章算法分析与描述 (13)3.1 数字图像处理简介 (14)3.1.1 数字图像处理的特点 (14)3.1.2 数字图像处理的目的和主要内容 (16)3.2 VC++简介 (18)3.2.1 Visual C++开发语言的特点 (20)3.2.2 Visual C++ 6.0 的特点 (21)3.2.3 Visual C++ 6.0 及其开发环境 (23)3.3 本章小结 (25)第四章算法分析与描述 (26)4.1 空域微分锐化方法 (26)4.1.1拉普拉斯微分算子函数 (28)4.1.2 Roberts交叉微分算子函数 (30)4.1.3 Prewitt微分算子函数(平均差分法) (31)4.1.4 Sobel微分算子函数（加权平均差分法） (31)4.2 频域高通滤波锐化方法 (34)4.2.1理想高通滤波器 (34)4.2.2巴特沃思高通滤波器 (35)4.2.3指数高通滤波器 (35)第五章详细设计过程 (36)5.1微分算子图像锐化编程实现说明 (36)5.2理想高通滤波图像锐化编程实现说明 (42)5.3 Butterworth 高通滤波图像锐化编程实现说明 (49)5.4 程序运行中的图像 (56)设计总结 (59)参考文献 (60)致谢 (62)第一章前言图像是人类获取和交换信息的主要来源, 因此, 图像处理的应用领域必然涉及到人类生活和工作的方方面面。
随着人类活动范围的不断扩大, 图像处理的应用领域也将随之不断扩大。
数字图像处理（Digital Image Processing）又称为计算机图像处理, 它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
dip技术参数DIP技术参数一、引言数字图像处理（Digital Image Processing，简称DIP）是一门研究如何对数字图像进行处理和分析的学科。
DIP技术参数是指在数字图像处理过程中，所使用的一些重要参数，它们直接影响着图像处理的效果和结果。
本文将介绍几个常见的DIP技术参数，包括图像分辨率、灰度级别、噪声和图像对比度。
二、图像分辨率图像分辨率是指图像中可见细节的数量和清晰度，通常用像素表示。
较高的图像分辨率意味着图像中有更多的像素，细节更加清晰。
图像分辨率可以通过增加图像的像素数来提高，但同时也会增加图像文件的大小。
在进行图像处理时，需要根据具体要求和可用资源来选择适当的分辨率。
三、灰度级别灰度级别是指图像中每个像素可以表示的亮度级别的数量。
灰度级别越高，图像的亮度变化范围就越大，细节表现能力也更强。
常见的灰度级别有8位灰度（256级）、10位灰度（1024级）等。
在进行图像处理时，选择适当的灰度级别可以在保留细节的同时控制图像文件的大小。
四、噪声噪声是指图像中非期望信号的干扰，常见的有高斯噪声、椒盐噪声等。
噪声会使图像失真，影响图像的质量和可用性。
在数字图像处理中，常采用滤波技术来减弱或去除噪声。
滤波器的选择和参数设置需要根据噪声的类型和强度进行调整，以达到最佳的去噪效果。
五、图像对比度图像对比度是指图像中不同区域之间亮度差异的程度。
较高的对比度可以使图像更加鲜明、清晰，而较低的对比度则会使图像变得模糊、不易识别。
在数字图像处理中，可以通过增强图像的对比度来改善图像的质量。
常见的对比度增强方法包括直方图均衡化和对比度拉伸等。
六、总结DIP技术参数是数字图像处理中的重要概念，它们直接影响着图像处理的效果和结果。
在进行数字图像处理时，需要根据具体要求和可用资源来选择适当的图像分辨率、灰度级别，以及合适的滤波器和对比度增强方法。
通过合理设置参数，可以获得高质量、清晰可识别的图像，满足不同应用领域的需求。
数字图像处理Digital Image Processing版权所有：Mao Y.B & Xiang W.BOutline of Lecture 2•取样与量化•图像灰度直方图•光度学•色度学与彩色模型•人眼视觉特性•噪声与图像质量评价•应用举例采样与量化取样与量化•采样是指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。
由于图像是二维分布的信息，所以采样是在x轴和y轴两个方向上进行。
一般情况下，x轴方向与y轴方向的采样间隔相同取样与量化采样时注意：采样间隔的选取，以及采样保持方式的选取。
•采样间隔太小，则增大数据量；太大，则会发生频率的混叠现象。
•采样保持，一般不做特殊说明都是采用0阶保持的方式，即一个像素的值是其局部区域亮度（颜色）的均值。
采样间隔太大分辨率分辨率是指映射到图像平面上的单个像素的景物元素的尺寸。
单位：像素/英寸，像素/厘米（如：扫描仪的指标300dpi）或者是指要精确测量和再现一定尺寸的图像所必需的像素个数。
单位：像素*像素（如：数码相机指标30万像素（640*480））以多大的采样间隔进行采样为好？取样与量化•点阵采样的数学描述∑∑+∞−∞=+∞−∞=∆−∆−δ=i j )y j y ,x i x ()y ,x (S ∑∑+∞∞−+∞−∞=∆−∆−δ=⋅=j I I P )y j y ,x i x ()y ,x (f )y ,x (S )y ,x (f )y ,x (f ∑∑+∞∞−+∞−∞=∆−∆−δ⋅∆∆=j )y j y ,x i x ()y j ,x i (fc c量化过程取样与量化•量化是将各个像素所含的明暗信息离散化后，用数字来表示。
一般的量化值为整数。
•充分考虑到人眼的识别能力之后，目前非特殊用途的图像均为8bit量化，即用[0 255]描述“从黑到白”。
•量化阶太低，会出现假轮廓现象。
取样与量化量化不足，出现假轮廓取样与量化量化可分为均匀量化和非均匀量化。
均匀量化是简单地在灰度范围内等间隔量化。
非均匀量化是对像素出现频度低的部分量化间隔取大，而对频度高的部分量化间隔取小。
关于空间采样间隔m、n和量化阶k的关系：1、对同一图象而言，从理论上讲，m、n、k越大，分辨率越高，逼真度越好；但所占空间越多。
占用空间的位数为：b=M×N×k对灰度图象来说，k=8，即256级灰度。
2、有时固定M×N，k减少反而会使图象看起来更清晰，其主要原因是图象的反差加大，视觉系统对反差更敏感一些。
3、图象内容的不同，随着m、n、k的加大，对图象的主观评价并不是随着m、n、k的加大而变好。
一般情况下，对灰度变化比较平缓的部分用比较多的量化级；在灰度变化比较剧烈的地方用比较高的分辨率。
图像灰度直方图•在数字图像处理中，灰度直方图是最简单且最有用的工具。
•灰度直方图是灰度级的函数，是对图像中灰度级分布的统计。
即：横坐标表示灰度级，纵坐标表示图像中对应某灰度级所出现的像素个数。
直方图的性质•是一个概率分布函数•所有的空间信息全部丢失•整个图像的直方图是部分之和•相同的直方图可能对应不同的图像直方图的应用：评价图像数字化的好坏•直方图给出了一个简单可见的指示，用来判断一幅图像是否合理的利用了全部被允许的灰度级范围。
一幅图像应该利用全部或几乎全部可能的灰度级。
光度学研究光的强弱的学科称为光度学。
1、几个基本概念发光强度(cd)：540×1012Hz单色辐射的点光源沿某方向上的辐射强度为1/683W/sr时，发光强度为1cd（坎德拉）。
光通量(lm)：按人眼的光感觉来度量的辐射功率。
1lm等于发光强度为1cd的点光源，在一球面度立体角内发射的光通量。
1lm=1cd*sr照度(lx)：光源对物体辐射的量度。
1lx等于1lm光通量均匀分布于1平方米面积上的光照度。
1lx=1lm/m2。
亮度(cd/m2)：是对所看到的物体表面反射光强的量度。
烛光——Cd：发光强度的单位。
1967年第十三届国际计量大会统一规定为：在标准大气压下，处在铂凝固温度（2045K）的绝对黑体的1/600000平方米表面上的发光强度为“1烛光”。
流明——Lm：光通量的单位。
发光强度为1烛光的点光源，在单位立体角——1球面度(整个球面的总立体角为4π球面度)内发出的光通量为“1流明”。
勒克斯——Lx：照度的单位。
等于1流明的光通量均匀照在1平方米表面上所产生的照度。
适宜于阅读和缝纫等的照度约为60勒克司。
照度反比于光源到受照射面的距离的平方，而正比于光束的轴线方向与受照面的法线间夹角的余弦。
光度学我们所看到的图象都应是亮度分布的函数，由于亮度是一种可以度量的能量，因此一幅图象可以表示成0<f(x,y)<∞。
而f(x,y)可以分成两部分组成：入射光i(x,y) ＋反射光r(x,y)即f(x,y)=i(x,y)r(x,y) 0<i(x,y)<∞0<r(x,y)<1对灰度图象而言，f(x,y)是一灰度值，该值应在一个有限的范围[L min ，L max ]：L min ≤f(x,y)≤L max将f(x,y)=0定义为黑色；f(x,y)=L max 定义为白色。
色度学与彩色模型相对视敏函数彩色的表示彩色的表示是基于Tomas Young提出的三基色原理：•“任何彩色可以用合适的三种基本色混合而再生”。
•生理学已证明，视网膜中有三种视锥体，具有不同的吸收光谱，S R (λ)，S G (λ)，S B (λ) 其中：λMIN ≤λ≤λMAX 、λMIN ≈400nm、λmax ≈780nm •吸收光谱响应的峰值分别在光谱的红、绿、兰区域。
而且，吸收曲线有相当多的部分是相互重叠的。
这是三基色原理的生理基础。
光度学与色度学国际照度委员会（CIE）在1931年规定3种基本色的波长为：R：700nm，G：546.1nm，B：435.8nm 三基色相加混色：红、绿、兰三基色(RGB)三基色相减混色：黄、青、品红(CMY)•每一点对应一种颜色•边界点代表纯颜色•任意两点连线表示线上的颜色可由两点颜色混合形成•任意三点形成的三角形内的颜色可由三点颜色混合形成彩色模型任意彩色的颜色方程为：C = rR+gG+bB r、g、b≥0r、g、b是红、绿、蓝三色的混合比例，一般称为三色系数。
所谓颜色模型指的是某个三维颜色空间中的一个可见光子集。
它包含某个色彩域的所有色彩。
任何一个色彩域都只是可见光的子集，任何一个三原色颜色模型都无法包含所有的可见光。
彩色模型HIS彩色模型——双三棱锥模型(74年)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。
I：双三棱锥中心线；表示光照强度或称为亮度，它确定了像素的整体亮度，而不管其颜色是什么。
H：表示色度，由角度表示。
反映了该颜色最接近什么样的光谱波长。
0o为红色，120o为绿色，240o为蓝色。
0o到240o覆盖了700nm~435.8nm的可见光谱颜色，240o到360o是400nm~ 435.8nm的可见光谱颜色。
S：饱和度，饱和度参数是沿双棱锥中心线垂直方向到彩色点的长度。
在双棱锥的外表面是纯的或称饱和的颜色，其饱和度值为1。
在中心是中性(灰色)影调，即饱和度为0。
NTSC制和PAL制的彩色区别色度学与彩色模型RGB模型HIS模型人眼视觉特性•人类视觉系统在对物体的识别上有特殊强大的功能；但在对灰度、距离和面积的绝对估计上却有某些欠缺；•以传感器单元的数目比较：视网膜包含接近1亿3000万至1亿5000万个光接收器，这远远大于一般数字成像系统CCD片上的传感器单元数；•和它每次执行运算的数目比较：和计算机的时钟频率相比，神经处理单元的开关时间将比之大约慢104倍；•总体而言，人类的视觉系统还是比计算机视觉系统要强大得多。
它能实时分析复杂的景物以使我们能即时的反应。
视网膜上有柱状体和锥状体两类视觉接收器：视柱体(Rods)：细长而薄，数量上约7500万～1亿5000万，它们提供暗视，即在较低数量级亮度时的视觉响应，其光灵敏度高。
视锥体(Cons)：结构上短而粗，数量少，约600万～700万，光灵敏度较低，它们提供昼视，其响应光亮度范围比视柱体要高5～6个数量级。
在中间亮度范围是两种视觉细胞同时起作用。
视锥体集中分布在视网膜中心小凹里。
睫状肌晶状体巩膜视网膜脉络膜角膜玻璃体虹膜人眼视觉特性•人眼视觉通路一段视频z人眼视觉系统对亮度的响应具有对数性质，是单调的非线性系统。
实验证明，这一非线性接近1/3的幂指数函数。
人眼通过这一对数性质，达到宽达108的视觉亮度范围。
但在固定背景光的条件下，适应范围并不宽，约几十个灰度级。
z眼睛对光强的响应是非线性的。
一块光强为I+ ∆I的小块被背景强度I 所包围，则可觉察的差值∆I是I的函数,即对视觉敏感的是对比度，而不是亮度值本身。
z韦伯定理：如果一个物体的亮度与其周围背景I有刚刚可觉察得到的差别,则它们的比值是I的函数。
其在一定的亮度范围内，近似不变，为常数值0.02，这称为韦伯比。
即：∆I/I=0.02 (常数)人眼视觉特性明暗视觉及其视觉范围亮度感觉人眼视觉特性具有恒定背景的对比度灵敏度。
