数字图像处理-1.图像获取
一、圖像數字化
原理：圖像數字化是將一幅畫面轉化成計算機能處理的形式——數字圖像的過程。
將一幅圖像分割成如圖的一個個小區(qū)域（像元或像素），并將各小區(qū)域灰度用整數表示，形成一幅點陣式的數字圖像。
包括采樣和量化兩個過程。像素的屬性=（位置，灰度/顏色）
圖像數字化
1.數字圖像的表示
數字圖像用矩陣來描述：
? ? 以一幅數字圖像F左上角像素中心為坐標原點，一幅的數字圖像用矩陣表示為：
?
數字圖像根據灰度級數的差異可分為：黑白圖像、灰度圖像和彩色圖像。
1）黑白圖像：圖像的每個像素只能是黑和白，沒有中間的過度，故又稱為二值圖像。二值圖像的像素值為0或1。
?
2）灰度圖像：每個像素的信息由兩一個量化的灰度來描述的圖像，沒有色彩信息。字節(jié)（8位）可表示256級灰度[0,255]。
?
3）彩色圖像：是指每個像素由R、G、B分量構成的圖像，其中R、G、B是由不同的灰度級來描述。3字節(jié)（24位）來表示一個像素。
?
2.圖像數字化過程
1）采樣：將空間上連續(xù)的圖像變換成離散點的操作稱為采樣。
采樣間隔：采樣點之間的距離。若要數據圖像能與模擬圖像質量媲美，采樣間隔需要符合信號與系統(tǒng)處理中的抽樣定理即在一定的采樣間隔下，能夠完全把原始信號恢復的原則。
采樣孔徑：采樣采用的形狀和大小。? 圓形、正方形、長方形、橢圓形?
2）量化：將像素灰度轉換成離散的整數值的過程。
一幅數字圖像中不同灰度值得個數稱為灰度級，用G來表示。一般數字圖像灰度級別G為2的整數冪，即，g為量化bit數。若一幅數字圖像的量化灰度級數G=256=級，灰度值范圍0-255，常稱為8bit量化。
圖像數據量：
一幅M*N、灰度級數為G的圖像所需的存儲空間M*N*g（bit）為圖像數據量。
3.采樣，量化參數與數字化圖像間的關系
數字化方式可分為均勻采樣、量化和非均勻采樣、量化。
所謂“均勻”，指的是采樣、量化為等間隔方式。圖像數字化一般采用均勻采樣和均勻量化方式。
非均勻采樣 ：根據圖像細節(jié)的豐富程度改變采樣間距。細節(jié)豐富的地方，采樣間距小，否則間距大。
非均勻量化：對圖像層次少的區(qū)域采用采用間隔大量化，而對圖像層次豐富的區(qū)域采用間隔小量化。
采樣間隔越大，所得圖像像素數越少，空間分辨率低，質量差；
采樣間隔越小，所得圖像像素數越多，空間分辨率高，圖像質量好，但數據量大.
量化等級越多，所得圖像層次越豐富，灰度分辨率越高，質量越好，但數據量大；’量化等級越少，層次欠豐富，圖像分辨率低，質量變差，會出現假輪廓現象，但數據量小。上圖為采樣間距相同時灰度級數從256逐次減少為64,16,8,4,2。
4.圖像數字化設備
數字化器必須能夠將圖像劃分為若干像素并分別給它們地址，能夠度量每一像素的灰度并量化為整數，能夠將這些整數寫入存儲設備。
二.圖像灰度直方圖
反映一幅圖像中各灰度級像素出現的頻率與灰度級的關系。以灰度級為橫坐標，頻率為縱坐標，繪制頻率同灰度級的關系圖就是一幅灰度圖像的直方圖。它是圖像的一個重要特征，反映了圖像灰度分布的狀況。
? ?左圖為一幅圖像的灰度直方圖。頻率的計算式為.
圖像的灰度直方圖可以和高中所學到的頻率分布直方圖作對比。
下列是一幅灰度圖像對應的直方圖。
下圖為彩色圖像的灰度直方圖。
灰度直方圖的性質
1.只能反映圖像的灰度分布情況，而不能反映圖像像素的位置，即丟失了像素的位置信息。
2.一幅 圖像對應唯一的灰度直方圖，反之不成立。不同的圖像可對應相同的直方圖。
3.一幅圖像分成多個區(qū)域，多個區(qū)域的直方圖之和即為原圖像的直方圖。
?
應用：1.用于判斷圖像量化是否恰當
2.用于確定圖像二值化的閾值
如果一個圖的灰度直方圖為兩個峰一個谷，那么這個谷底所對應的的像素值即為閾值。
三、圖像處理算法的形式
基本功能形式：（1）單幅圖像——>單幅圖像 （2）多幅圖像———>單幅圖像（3）單（或多）幅圖像——>數字或符號等
幾種具體算法形式：
1.局部處理
概念：對輸入圖像IP(i,j)處理時，某一輸出像素JP(i,j)值由輸入圖像像素（i,j）及其領域N(IP(i,j))中的像素值確定。這種處理稱為局部處理。
局部處理的計算表達式為：
領域：對于任一像素（i,j）,該像素周圍的像素構成的集合{（i+p,j+p）,p、q取合適的整數}，叫做該像素的領域。
常用的領域：分別表示中心像素的4-領域、8-領域。
例子：對一副圖像采用3*3模板進行卷積運算。
2.點處理
在局部處理中每當輸出值JP(i,j)僅與IP(i,j)有關，則稱為點處理。
點處理的計算表達式為：
3.大局處理：在局部處理中輸出像素JP(i,j)的值取決于輸入圖像大范圍或全部像素的值，這種處理成為大局處理。
4.迭代處理:反復對圖像進行某種運算直至滿足給定的條件，從而得到輸出圖像的處理形式為迭代處理。
- 圖像的細化處理過程如圖：
5.跟蹤處理
? ?選擇滿足適當條件的像素作為起始像素，檢查輸入圖像和已經得到的輸出結果，求出下一步應該處理的像素，進行規(guī)定的處理，然后決定是繼續(xù)處理下面的像素，還是終止處理。這種處理形式成為跟蹤處理。
6.其他處理.....略
四、圖像的數據結構與文件格式
1.圖像的數據結構
- 圖像數據結構是指圖像像素灰度值的存儲方式，常用方式是將圖像各個像素灰度值用一維或二維數組相應的各個元素加以存儲。
2.圖像的特征類別
1.自然特征：光譜特征，幾何特征，時相特征
2.人工特征：直方圖特征，灰度邊緣特征，線，角點，紋理特征。
按提取特征的范圍大小又可以分為：
1.點特征：僅由各個像素就能決定的性質。如單色圖像中的灰度值，彩色圖像中的紅，綠，藍成分的值。
2.局部特征：在小領域內所具有的性質，如線和邊緣的強度、方向、密度和統(tǒng)計量（平均值、方差等）。
3.區(qū)域特征:在圖像內的對象物（一般是指與該區(qū)域外部有區(qū)別的具有一定性質的區(qū)域）內的點或者局部的特征分布，以及區(qū)域的幾何特征（面積、形狀等）
4.整體特征：整個圖像作為一個區(qū)域看待時的統(tǒng)計性質和結構特征。
3.特征提取與特征空間
1.特征提取：獲取圖像特征信息的操作稱為特征提取。它作為模式識別、圖像理解或信息量壓縮的基礎是很重要的。通過特征提取，可以獲得特征構成的圖像（稱為壓縮圖像）和特征參數。
2.特征空間：把從圖像提取的m個特征量y1,y2,...ym,用m維的向量Y={y1,y2,...}t表示稱為特征向量。另外，對應于各特征量的m維空間稱為特征空間。
3.圖像噪聲
對灰度圖像f(x,y)來說,可以看做二維亮度分布，則噪聲可看做對亮度的干擾，用n(x,y)表示。常用統(tǒng)計特征來描述噪聲，如均值
、方差（交流功率）、總功率等。
按噪聲對影像的影響可分為加性噪聲模型和乘性噪聲模型。設f(x ,y)為理想圖像，n(x, y)為噪聲，實際輸出圖像為g(x, y)。
加性噪聲，與圖像光強大小無關，g(x,y)=f(x,y)+n(x,y).
乘性噪聲，與圖像強度大小相關，隨亮度大小變化而變化。g(x,y)=f(x,y)[1+n(x,y)]?
?
?
?
?
?
?
?
?
?
?
總結
以上是生活随笔為你收集整理的数字图像处理-1.图像获取的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 国产统一操作系统（UOS）安装、体验
- 下一篇： 从attention到Transform