当前位置：文档之家 › 第2章数字图像处理基础

第2章数字图像处理基础

  • 格式：ppt
  • 大小：2.67 MB
  • 文档页数：68

下载文档原格式

  / 68

合集下载

数字图像处理(第二版)章 (2)

数字图像处理(第二版)章 (2)
(4) 噪声。数字化设备的噪声水平也是一个重要的性能参 数。例如，数字化一幅灰度值恒定的图像，虽然输入亮度是一 个常量，但是数字化设备中的固有噪声却会使图像的灰度发生 变化。因此，数字化设备所产生的噪声是图像质量下降的根源 之一，应当使噪声小于图像内的反差点(即对比度)。
第2章 数字图像处理基础
2.2 数字图像类型
第2章 数字图像处理基础
为了减小量化误差，引入了非均匀量化的方法。非均匀量 化依据一幅图像具体的灰度值分布的概率密度函数，按总的量 化误差最小的原则来进行量化。具体做法是对图像中像素灰度 值频繁出现的灰度值范围，量化间隔取小一些； 而对那些像 素灰度值的概率分布密度函数因图像不同而异，所 以不可能找到一个适用于各种不同图像的最佳非等间隔量化方 案，因此，实用上一般多采用等间隔量化。
第2章 数字图像处理基础
3. 索引颜色图像 在介绍索引颜色图像之前，首先来了解PC机是如何处理颜 色的。大多数扫描仪都是以24位模式对图像进行采样的，即可 以从图像中采样出1670万种不同的颜色。用这种方式获得的颜 色通常称为RGB颜色。颜色深度为24位每像素的数字图像是目前 所能获取、浏览和保存的颜色信息最丰富的彩色图像，由于它 所表达的颜色远远超出了人眼所能辨别的范围，故将其称为 “真彩色”。在早期，由于技术上和价格上的原因，计算机在 处理时并没有达到24位每像素的真彩色水平，为此人们创造了 索引颜色。索引颜色通常也称为映射颜色。在这种模式下，颜 色都是预先定义的，并且可供选用的一组颜色也很有限。索引 颜色的图像最多只能显示256种颜色。索引颜色通常称为调色板。 一幅索引颜色图像在图像文件里定义，当打开该文件时，构成 该图像具体颜色的索引值就被读入程序，然后根据索引值在调 色板中找到对应的颜色。
b=M×N×Q (b)

数字图像处理基础知识

数字图像处理基础知识

国际照明委员会(CIE)规定以 规定以700nm(红)、 国际照明委员会 规定以 红 、 546.1nm (绿)、435.8nm (蓝)三个色光为三基色。 三个色光为三基色。 绿 、 蓝 三个色光为三基色 又称为物理三基色。 又称为物理三基色。自然界的所有颜色都可以通 过选用这三基色按不同比例混合而成。 过选用这三基色按不同比例混合而成。 这三基色按不同比例混合而成 C = R(R) + G(G) + B(B)
反映了将图像信息进行离散化的程度， 反映了将图像信息进行离散化的程度，常用 灰度级来衡量
主观亮度
适应范围 夜视 昼视
－6
夜间阈值
－4
－2
0
2
4
光强的对数
人眼亮度感觉范围
总范围很宽（ ① 总范围很宽（ C = 108） 人眼适应某一环境亮度后， ② 人眼适应某一环境亮度后，范围限制 适当平均亮度下： 适当平均亮度下：C = 103 很低亮度下： 很低亮度下：C = 10
图象“ 图象“黑”/“白”（“亮”/“暗”）对比参 白 暗 数
眼睛中图像的形成
视网膜将图像反射在中央凹区域上， 视网膜将图像反射在中央凹区域上，由光接 收器的相应刺激作用产生感觉， 收器的相应刺激作用产生感觉，感觉把辐射 能转变为电脉冲， 能转变为电脉冲，最后由大脑进行解码
电信号 光信号 视觉细胞 视神经 视神经中枢 解码 图像
人眼视觉模型
每个图像由若干个像素点组成， 每个图像由若干个像素点组成，每个点均可看作一个 点光源，每个点光源就是一个冲激函数δ 点光源，每个点光源就是一个冲激函数δ(x,y)
任意一幅图像可以表示为： 任意一幅图像可以表示为：
人眼亮度感觉
闪光极限
人的视觉系统感觉到的亮度 (主观亮度 ：是进入人眼的 主观亮度)： 主观亮度 光强对数函数 人眼亮度感觉范围： 人眼亮度感觉范围：通过光 强对数衡量，一般为3－10 强对数衡量，一般为 人眼的亮度适应级： 人眼的亮度适应级：视觉系 统当前对光强的灵敏度级别

第2章 数字图象处基础(1-27)

第2章 数字图象处基础(1-27)
光号 信 视胞 细 生理电信号 视经 神 视神经中枢 大成 脑像
Digital Image Processing
2.2 人的视觉特性
人的视觉模型
▓ ▓
点光源的表示函数
点源可以用 δ 函数表示，表示平面图像的二维 δ 函数 +∞ +∞ 为： ⎧ 1 y, ) x ∫ ∫−∞ δ (dxdy = −∞ ⎪ ⎪ ⎨ = = ⎧ ∞ y , x 0 0, ⎪δ ( y , ) = ⎨ x , 其他 ⎪ ⎩ 0 ⎩ 则任意一幅图像可表示为：
Digital Image Processing
2.2 人的视觉特性
人眼的构造与机理要点（续）
（ 3）视细胞： 视网膜上集中了大量视细胞，分为两类： 锥状细胞 ：明视细胞，在强光下检测亮度和颜色； 杆 (柱 )状细胞 ：暗视细胞，在弱光下检测亮度，无色彩感觉。 其中，每个锥状视细胞连接着一个视神经末梢，故分辨率高， 分辨细节、颜色；多个杆状视细胞连接着一个视神经末梢，故分辨 率低，仅分辨图的轮廓。 （4 ） 人眼成象过程：
2.4 数字图像表示形式和特点
▓ ▓
数字图像的矩阵表示 数字图像的矩阵 矩阵表示
O n
f (0,1) ⎡ f (0,0) ⎢ f (1,1) ⎢ f (1,0) , f (mn) = ⎢ ⋮ ⋮ ⎢ ⎣ f (M−1,0) f (M−1,1)
⋯ f (0, N−1) ⎤ ⎥ ⋯ f (1, N−1) ⎥ ⎥ ⋮ ⋮ ⎥ ⋯ f (M−1, N−1)⎦
Digital Image Processing
2.1 色度学基础
RGB模型：
在三维直角坐标系中，用相互垂直的三个坐标轴代表R、 G、B三个分量，并将R、G、B分别限定在[0,1]，则该单位正 方体就代表颜色空间，其中的一个点就代表一种颜色。如下图 方体就代表颜色空间，其中的一个点就代表一种颜色。 所示。 其中，r、g、b、c、m和y分别代表红色（red）、绿色 （green）、蓝色（blue）、青色（cyan）、品红（magenta） 和黄色（yellow）。

第二章 数字图像处理基础

第二章 数字图像处理基础
主要内容
2.1 数字图像的表示 2.2 数字图像的采样与量化 2.3 人的视觉特性 2.4 光度学与色度学原理
第二章 数字图像处理基础
本章重点、难点
重点： 采样和量化 BMP图像文件格式 RGB颜色模型和HSI颜色模型 难点： 采样和量化的理解 BMP位图
2.1 数字图像
数字图像：f(x,y)，函数值对应于图像点的 亮度。称亮度图像。 注意：模拟图像与数字图像的区别 动态图像：f(x,y,t)
人眼成像过程
视细胞分为两类： 锥状细胞：明视细胞，在强光下检测亮度 和颜色。 杆(柱)状细胞：暗视细胞，在弱光下检测亮 度，无色彩感觉。 人眼成像过程
图像的对比度和亮度
人眼的亮度感觉 图像 “黑”“白”(“亮”、“暗”)对比参数 对比度 : c=Bmax/Bmin 相对对比度:cr=(B-B0)/B0 人眼亮度感觉范围 总范围很宽 c = 108 人眼适应某一环境亮度后，范围限制 适当平均亮度下：c=103 很低亮度下：c=10
亮度
也称为灰度，它是颜色的明暗变化，常用 0 ％～ 100 ％ (由黑到白) 表示。以下三幅图是 不同亮度对比。
对比度
对比度(contrast)是亮度的局部变化，定义为物体亮 度的平均值与背景亮度的比值，是画面黑与白的比 值，也就是从黑到白的渐变层次。比值越大，从黑 到白的渐变层次就越多，从而色彩表现越丰富。人 眼对亮度的敏感性成对数关系。
同时对比度
人眼对某个区域感觉到的亮度不是简单 地取决于该区域的强度，背景亮度不同 时，人眼所感觉到的明暗程度也不同。
马赫带效应
马赫带(Mach Band)效应:边界处亮度对比加强
为什么我们要在暗室评片？
马赫带效应的出现，是因为人眼对于图像中不同 空间频率具有不同的灵敏度，而在空间频率突变处 就出现了 “欠调”或“过调”

第2章数字图像处理基础

第2章数字图像处理基础

DWORD
biSize;
LONG
biWidth;
LONG
biHeight;
WORD
biPlanes;
WORD
biBitCount;
DWORD
biCompression;
DWORD
biSizeImage;
LONG
biXPelsPerMeter;
LONG
biYPelsPerMeter;
DWORD
biClrUsed;
} BITMAPFILEHEADER;
这个结构的长度是固定的，为14个字节（WORD为无符号16位二 进制整数，DWORD为无符号32位二进制整数）。
第二部分为位图信息头BITMAPINFOHEADER，也是一个结构，其定义如下：
typedef struct tagBITMAPINFOHEADER{
R、 G、 B 值。下面就2色、 16色、256 色和真彩色位图分别介绍。
对于2色位图，用1位就可以表示该像素的颜色（一般0表示 黑， 1表示白），所以一个字节可以表示8个像素。
对于16色位图，用4位可以表示一个像素的颜色，所以一个 字节可以表示2个像素。
对于256色位图，一个字节刚好可以表示1个像素。
下面两点请读者注意：
（1） 每一行的字节数必须是4的整数倍，如果不是，则需 要补齐。这在前面介绍biSizeImage时已经提到过。
（2） BMP文件的数据存放是从下到上，从左到右的。也 就是说， 从文件中最先读到的是图像最下面一行的左边第一个 像素， 然后是左边第二个像素， 接下来是倒数第二行左边第 一个像素， 左边第二个像素。依次类推， 最后得到的是最上 面一行的最右边的一个像素。
2.3.1 BMP图像文件格式

数字图像处理及MATLAB实现[杨杰][电子教案]第二章

数字图像处理及MATLAB实现[杨杰][电子教案]第二章

距离 像素之间的联系常与像素在空间的接近程度有 关。像素在空间的接近程度可以用像素之间的距 离来度量。为测量距离需要定义距离度量函数。 给定 p, q, r 三个像素，其坐标分别为 ( x, y ), ( s, t ), (u , v) 如果 1） D ( p, q ) ≥ 0( D ( p, q ) = 0 当且仅当 p = q ) 2） D ( p, q ) = D ( q, p ) 3) D ( p, r ) ≤ D ( p, q ) = D (q, r ) 则 D是距离函数或度量。
p 和 q 之间的欧式距离定义为：
De ( p, q) = ( x − s)2 + ( y − t )2
p 和 q 之间的 D4距离（也叫城市街区距离）定义为：
D4 ( p , q ) = x-s + y-t
p 和 q 之间的 D8 距离（也叫棋盘距离）定义为：
D8 ( p, q )=max( x-s ， ) y-t
图像获取即图像的数字化过程，包括扫描、 图像获取即图像的数字化过程，包括扫描、 采样和量化。 采样和量化。 图像获取设备由5个部分组成 采样孔， 个部分组成： 图像获取设备由 个部分组成：采样孔， 扫描机构，光传感器， 扫描机构，光传感器，量化器和输出存储 体。 关键技术有：采样——成像技术；量化 成像技术； 关键技术有：采样 成像技术 量化— —模数转换技术。 模数转换技术。 模数转换技术
Sampling
图像的采样
图2.15图像的采样示例 图像的采样示例
Quantization 图像的量化
图2.16图像的量化示例 图像的量化示例
量化等级越多，所得图像层次越丰富， 量化等级越多，所得图像层次越丰富，灰度 分辨率高，图像质量好，但数据量大； 分辨率高，，图像层次欠丰富，灰度分辨 量化等级越少，图像层次欠丰富， 率低，会出现假轮廓现象，图像质量变差， 率低，会出现假轮廓现象，图像质量变差， 但数据量小. 但数据量小

数字图象处理：二 数字图像基础


●常用的像素间的基本关系
2.1 人的视觉感知要素
人的视觉特性是选择数字图像处理方法的基础。
2.1.1 人眼的构造
盲点

杆状细胞和锥状细胞的分布密度曲线
2.1.2 眼睛中图像的形成
2.1.3 眼睛的亮度适应和鉴别
主观亮度：
人视觉系统感觉到的亮度 主观亮度是进入眼睛的光 强度对数的函数。 亮度适应现象： 人的视觉绝对不能在
分辨率 160x120
分辨率 80x60
灰度级不同的图象比较
2.4.5 放大和收缩数字图像
(是图像几何变换的特例，放在第5章的图像几何变换中讲)
2.5 像素间的一些基本关系 2.5.1 相邻像素（考虑像素和周围像素的关系） 像素的4邻域 N4 ( p) 像素的8邻域 N8 ( p) 2.5.2 连通 性
一个范围内工作ຫໍສະໝຸດ 感觉亮度不是简单的强度函数
马赫带现象
同时对比现象
视觉错觉
2.2 光和电磁波谱
400nm(紫)~790nm(红)
2.3 图像感知和获取
数字图像获取包括两部分：传感器和数值量化
2.3.1 用单个传感器获取图像
● 一次输出一个点的电信号。
2.3.2 用线阵传感器获取图像
●
●
图像间的乘除是逐点进行乘除。
2.6 数字图像处理中的数学工具
包含：
矩阵与阵列操作、线性与非线性操作、算术操作几 何与逻辑操作、空间操作、向量与矩阵操作、图像 变换、概率方法等
本章小结：
本章介绍了数字图像处理的最基本知识，如图 像的获取(采样和量化)，数字图像的表示，图像空 间和灰度分辨率的影响，以及像素间的关系等，作 为后面章节的基础
● 一次输出图像的一行。

数字图像处理知识点总结

数字图像处理知识点总结第二章：数字图像处理的基本概念2.3 图像数字化数字化是将一幅画面转化成计算机能处理的数字图像的过程。

包括：采样和量化。

2.3.1、2.3.2采样与量化1.采样：将空间上连续的图像变换成离散点。

（采样间隔、采样孔径）2.量化：采样后的图像被分割成空间上离散的像素，但是灰度是连续的，量化就是将像素灰度转换成离散的整数值。

一幅数字图像中不同灰度值的个数称为灰度级。

二值图像是灰度级只有两级的。

（通常是0和1）存储一幅大小为M×N、灰度级数为G的图像所需的存储空间：（bit）2.3.3像素数、量化参数与数字化所得到的数字图像间的关系1.一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时会出现国际棋盘效应。

采样间隔越小，所的图像像素数越多，空间分辨率高，图像质量好，但是数据量大。

2.量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大。

量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓，质量变差，但数据量小。

2.4 图像灰度直方图2.4.1定义灰度直方图是反映一幅图像中各灰度级像素出现的频率，反映灰度分布情况。

2.4.2性质（1）只能反映灰度分布，丢失像素位置信息（2）一幅图像对应唯一灰度直方图，反之不一定。

（3）一幅图像分成多个区域，多个区域的直方图之和是原图像的直方图。

2.4.3应用（1）判断图像量化是否恰当（2）确定图像二值化的阈值（3）物体部分灰度值比其他部分灰度值大的时候可以统计图像中物体面积。

（4）计算图像信息量（熵）2.5图像处理算法的形式2.5.1基本功能形式（1）单幅->单幅（2）多幅->单幅（3）多幅/单幅->数字或符号2.5.2图像处理的几种具体算法形式（1）局部处理（邻域，如4-邻域，8-邻域）（移动平均平滑法、空间域锐化等）（2）迭代处理反复对图像进行某种运算直到满足给定条件。

（3）跟踪处理选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素。

数字图像处理

第一章概论一、数字图像与像素数字图像是由一个个的像素（Pixel）构成的，各像素的值(灰度，颜色)一般用整数表示。

二、数字图像处理的目的1、提高图像的视觉质量。

2、提取图像中的特征信息。

3、对图像数据进行变换、编码和压缩。

三、工程三层次图像处理、图像分析和图像理解图像理解符号目标像素高层中层低层高低抽象程度数据量操作对象小大语义图像分析图像处理四、图像处理硬件系统组成图像输入设备（采集与数字化设备，如数码相机），图像处理设备（如PC机）和图像输出设备（如显示器，打印机）第二章数字图像处理基础一、图像数字化过程----采样与量化模拟图像的数字化包括采样和量化两个过程。

细节越多，采样间隔应越小。

把采样后得到的各像素的灰度值进一步转换为离散量的过程就是量化。

一般，灰度图像的像素值量化后用一个字节(8bit)来表示。

二、采样、量化与图像质量的关系采样点数越多，图像质量越好；量化级数越多，图像质量越好。

为了得到质量较好的图像采用如下原则：对缓变图像，细量化，粗采样，以避免假轮廓。

对细节化图像，细采样，粗量化，以避免模糊。

三、图像尺寸、数据量、颜色数量的计算灰度图像的像素值量化后用一个字节(8bit)来表示。

彩色图像的像素值量化后用三个字节(24bit)来表示。

一幅512X512（256K）的真彩色图像，计算未压缩的图像数据量是多少？（必考）图像总像素：512px*512px=256K总数据量：256K*3Byte=768KB一幅256X256（64K）的真彩色图像，计算未压缩的图像数据量是多少？图像总像素：256px*256px=64K总数据量：64K*1Byte=64KB四、数字图像类型二值图像、灰度图像、索引颜色图像)和真彩色图像。

五、数字图像文件的类型jpg、bmp、tif、gifJPEG采用基于DCT变换的压缩算法,为有损压缩。

六、图像文件三要素文件头、颜色表、图像数据七、读取一个图像，并将其尺寸缩小0.5倍，将缩小后的图像旋转30度。

第二章数字图像处理基础

数字图像处理
第二章 数字图像处理基础
视觉感知要素 图像感知和获取 图像取样和量化 象素间的一些基本关系 线性和非线性操作
2.1 视觉感知要素
眼睛的构造: (人眼包含有三层膜)
眼角膜与巩膜外壳 脉络膜 (前面睫状体 虹膜 晶状体) 视网膜 (视网膜表面的分离光
接收器提供图案视觉, 分为锥状体、杆状体)
感觉的亮度区域不是简单的取决于强度，还与周围的背景有关
2.1 视觉感知要素
视觉错觉
光幻觉是人视觉系 统所特有的，迄今 还没有清楚的解释。 由于以上各种特殊 现象，在进行图像 处理时，应该采取 一些特殊的补偿措 施。
图和背景反转的图形
在错觉 中，眼 睛填上 了不存 在的信 息或错 误地感 知物体 的几何 特点。
2.1 视觉感知要素
辨别光强度变化的能力
典型实验
韦伯比
可辨别增I C量/的I 50%IC
图2.5 用于描述亮度辨别特性的基本实验
图2.6 作为强度函数的典型韦伯比
当背景光保持恒定时,改变其他光源亮度,从不能察觉到可以察觉间变化,一 般观察者可以辨别12到24级不同强度的变化.
低照明级别，亮度辨别(杆状体)较差;高照明级别，亮度辨别(锥状体)较好。
几何错觉图形
2.2 光和电磁波谱
电磁波谱可以用波长( )、频率( )或能量来描述
c 光速
E hv
h 普朗克常量
为波长, 为频率, E为电磁波能量
光速c 2.998 108 m/s 普朗克常数 h＝6.626068 ×10－34 m2 kg / s
2.2 光和电磁波谱
电磁波是能量的一种，任何有能量的物体，都会释放电磁波。
D8距离：D8(p,q)=max(|x-s|,|y-t|) (距离小于等于r的像素形成中心在（x,y）的方形)
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第二章 数字图像处理基础 (1) 采样孔(Sampling aperture)： 使数字化设备能够单独地观 测特定的图像元素而不受图像其他部分的影响。 (2) 图像扫描机构： 使采样孔按照预先确定的方式在图像上
移动，从而按顺序观测每一个像素。
(3) 光传感器： 通过采样检测图像的每一像素的亮度， 通 常采用CCD阵列。 (4) 量化器：将传感器输出的连续量转化为整数值。典型的 量化器是A/D转换电路，它产生一个与输入电压或电流成比例的
后的灰度二进制位数为Q，一般Q总是取为2的整数幂，即Q=2k, 则存储一幅数字图像所需的二进制位数b为
b M N Q
字节数B为
（2-2）
B M N
Q 8
（2-3）
第二章 数字图像处理基础 对一幅图像，当量化级数Q一定时，采样点数M×N对图像 质量有着显著的影响。如图2-4所示，采样点数越多，图像质量
个对象。对象是一个封闭的整体，所以定义图像上对象的变化和 对象与其他对象的关系对计算机来说是简单的， 所有这些变化 都不会影响到图像中的其他对象。
第二章 数字图像处理基础 公式化表示图像使得矢量图具有两个优点： 它的文件数据量很小； 图像质量与分辨率无关，这意味着无论将图像放大或缩小了多 少次，图像总是以显示设备允许的最大清晰度显示。 在计算机显示一幅图像时，也往往能看到画图的过程。但是， 矢量图有一个明显的缺点，就是不易制作色调丰富或色彩变化 太多的图像，而且绘出来的图像不是很逼真，同时也不易在不 同的软件间交换文件。在Corel Draw和Adobe Illustrator中生成的
第二章 数字图像处理基础 4. 真彩色图像 真彩色图像将像素的色彩能力推向了顶峰。“真彩色”是 RGB颜色的另一种流行的叫法。从技术角度考虑， 真彩色是指 写到磁盘上的图像类型， 而RGB颜色是指显示器的显示模式。
RGB图像的颜色是非映射的，它可以从系统的“颜色表”里自由
获取所需的颜色，这种图像文件里的颜色直接与PC机上的显示 颜色相对应。在真彩色图像中，每一个像素由红、绿和蓝三个字 节组成， 每个字节为8 bit，表示0到255之间的不同的亮度值，这 三个字节组合可以产生1670万种不同的颜色。
根据数字图像的特性将其分成不同的类型。 静态图像可分为：矢量(Vector)图和位图（Bitmap）， 位图也称 为栅格图像。 矢量图是用一系列绘图指令来表示一幅图，如AutoCAD中的 绘图语句。这种方法的本质是用数学(更准确地说是几何学)公式
描述一幅图像。图像中每一个形状都是一个完整的公式，称为一
越好； 当采样点数减少时，图上的块状效应就逐渐明显。同理，
当图像的采样点数一定时，采用不同量化级数的图像质量也不一 样。如图2-5所示，量化级数越多，图像质量越好，当量化级数
越少时，图像质量越差，量化级数最小的极端情况就是二值图像， 图像出现假轮廓。
第二章 数字图像处理基础
图2-4 不同采样点数对图像质量的影响 （a）原始图像(256×256)；（b）采样图像1(128×128)；（c） 采样图像2(64×64)； （d）采样图像3(32×32)； （e）采样图像4(16×16)；（f） 采样图像5(8×8)
第二章 数字图像处理基础 2.2.2 位图的有关术语 1. 像素（Pixel）、点（Dot）和样点（Sample） 在计算机中，图像是由显示器上许多光点组成的， 将显示 在显示器上的这些点（光的单元）称为像素。 样点和点的概念。分辨率决定了扫描仪从源图像里每英寸取多 少个样点。扫描仪将源图像看成由大量的网格组成，然后在每 一个网格里取出一点，用该点的颜色值来代表这一网格里所有 点的颜色值，这些被选中的点就是样点。扫描仪的分辨率单位
再沿水平方向采样这两个步骤完成采样操作。
运动图像（即时间域上的连续图像）：先在时间轴上采样，再沿 垂直方向采样，最后沿水平方向采样由这三个步骤完成。
第二章 数字图像处理基础
说明：采样点间隔的选取是一个非常重要的问题， 它决定了采 样后图像的质量。采样间隔的大小选取要依据原图像中包含的 细微浓淡变化来决定。 原则：图像中细节越多，采样间隔应越小。
矩阵中的每一个元素称为像元、像素或图像元素。而f (i, j)代 表(i, j)点的灰度值，即亮度值。几点说明： （1） 由于f (i, j)代表该点图像的光强度，而光是能量的一种形 式，故f (i, j)必须大于零，且为有限值，即： 0＜f (i, j)＜∞。
第二章 数字图像处理基础 （2） 数字化采样一般是按正方形点阵取样的， 除此之外还有
三角形点阵、正六角形点阵取样。如图2-1所示。
（3） 以上是用f (i, j)的数值来表示(i, j)位置点上灰度级值的大
小，即只反映了黑白灰度的关系。
彩色图像：各点的数值还应当反映色彩的变化，可用f (i, j, λ)表示，
其中λ是波长。
运动图像：还应是时间t的函数，即可表示为g (i, j, λ, t)。
根据一维采样定理，若一维信号g(t)的最大频率为ω， 以T≤1/2ω
为间隔进行采样，则能够根据采样结果g(iT) (i=…, -1, 0, 1， …)
完全恢复g(t) 。
第二章 数字图像处理基础
采 样列 像素
采 样行 行 间隔
采 样间 隔
图2-2 采样示意图
第二章 数字图像处理基础 2.1.2 量化 模拟图像采样后，在时间和空间上离散化为像素。
第二章 数字图像处理基础 3 . 索引图像 大多数扫描仪都是以24位模式对图像进行采样。用这种方式获得 的颜色通常称为RGB颜色。由于它所表达的颜色远远超出了人眼 所能辨别的范围，故将其称为“真彩色”。在真彩色出现之前， 由于技术上的原因，计算机在处理时并没有达到每像素24位的真 彩色水平，为此人们创造了索引颜色。索引颜色通常也称为映射 颜色， 在这种模式下，颜色都是预先定义的，并且可供选用的一 组颜色也很有限， 索引颜色的图像最多只能显示256种颜色。一幅 索引颜色图像在图像文件里定义，当打开该文件时，构成该图像 具体颜色的索引值就被读入程序里，然后根据索引值找到最终的 颜色。
第二章 数字图像处理基础
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 图像文件格式 2.4 色度学基础与颜色模型
第二章 数字图像处理基础
2.1 图像数字化技术
图像处理的方法：模拟式和数字式两种。
图像的数字化包括：采样和量化两个过程。
连续图像f(x, y)经数字化后，可以用一个离散量组成的矩阵g (i,
图像均为矢量图
第二章 数字图像处理基础 位图是通过许多像素点表示一幅图像，每个像素具有颜色 属性和位置属性。位图可以从传统的相片、幻灯片上制作出来 或使用数字相机得到， 也可以利用Windows的画笔(Painbrush)用 颜色点填充网格单元来创建位图。位图又可以分成如下四种： 线画稿（LineArt)、灰度图像(GrayScale)、索引颜色图像(Index Color)和真彩色图像（True Color）。
数值。
(5) 输出存储装置：将量化器产生的灰度值按适当格式存储
起来，以用于计算机后续处理。
第二章 数字图像处理基础 2. 图像数字化设备的性能 虽然各种数字化设备的组成不相同，但可从如下几个方面对 其性能进行比较。 像素大小 图像大小 线性度 噪声
第二章 数字图像处理基础
2.2 数字图像类型
所示是一幅线画稿图。
第二章 数字图像处理基础
x
O
y
图2-6 线画稿图
第二章 数字图像处理基础 2. 灰度图像 在灰度图像中，像素灰度级用8 bit表示，所以每个像素都 是介于黑色和白色之间的256（28=256）种灰度中的一种。灰度 图像只有灰度颜色而没有彩色。我们通常所说的黑白照片，其 实包含了黑白之间的所有灰度色调。从技术上来说，就是具有 从黑到白的256种灰度色域（Gamut）的单色图像。
函数，按总的量化误差最小的原则来进行量化。具体做法是对图
像中像素灰度值频繁出现的灰度值范围，量化间隔取小一些，而 对那些像素灰度值极少出现的范围，则量化间隔取大一些。
第二章 数字图像处理基础
2.1.3 采样与量化参数的选择
采样点数与量化级数，既影响数字图像的质量，也影响到该数
字图像数据量的大小。假定图像取M×N个样点，每个像素量化
第二章 数字图像处理基础 连续灰度值量化为灰度级的方法有两种： 等间隔量化
非等间隔量化。
等间隔量化就是简单地把采样值的灰度范围等间隔地分割并进行
量化。对于像素灰度值在黑—白范围较均匀分布的图像，这种量
化方法可以得到较小的量化误差。该方法也称为均匀量化或线性 量化。非均匀量化是依据一幅图像具体的灰度值分布的概率密度
第二章 数字图像处理基础
(a )
(b )
图2-1 采样网格 (a) 正方形网格; (b) 正六角形网格
第二章 数字图像处理基础
2.1.1 采样
图像在空间上的离散化称为采样。 采样过程：先沿垂直方向按一定间隔从上到下顺序地沿水平方向 直线扫描，取出各水平线上灰度值的一维扫描。而后再对一维扫 描线信号按一定间隔采样得到离散信号，即先沿垂直方向采样，
第二章 数字图像处理基础
图2-5 不同量化级别对图像质量的影响 （a） 原始图像(256色)； （b） 量化图像1(64色)； （c） 量化图像2(32色)； （d） 量化图像3(16色)； （e） 量化图像4(4色)； （f） 量化图像5(2色)
第二章 数字图像处理基础 当限定数字图像的大小时, 为了得到质量较好的图像可采用如下 原则： 对缓变的图像， 应该细量化， 粗采样， 以避免假轮廓。 对细节丰富的图像， 应细采样， 粗量化， 以避免模糊。 对于彩色图像，是按照颜色成分——红（R）、绿（G）、蓝（B） 分别采样和量化的。若各种颜色成分均按8 bit量化，即每种颜色 量级别是256， 则可以处理256×256×256=16 777 216种颜色。