技术学习里程 | 数字图像处理

Chapter 1

地球数字化，一方面要求处理对象的数字化，一方面要求处理时的直观性。
数字的可视化与成像后的图像处理是保障直观性的基础。

图像是对客观存在的物体的一种相似性的生动模仿或描述。是物体的一种不完全、不精确，但在某种意义上是适当的表示。
物理图像：物质或能量的实际分布。
虚拟图像：采用数学的方法，将由概念形成的物体进行表示的图像。

计算机图形学：用计算机将由概念所表示的物体图像进行处理和显示。侧重于根据给定的物体描述模型、光照及想象中的摄像机的成像几何，生成一幅图像。

数字图像：用数字阵列表示的图像。

像素：图像中能被单独处理的最小基本单元。

因为矩阵是二维的，所以可以用矩阵来描述数字图像。描述数字图像的矩阵目前采用的是整数阵，即每个像素的亮暗，用一个整数来表示。

图像的坐标系：矩阵是按照行列的顺序来定位数据的，但是图像是在平面上定位数据的，所以有一个坐标系定义上的特殊性。

图像处理的发展历史：

上世纪20年代，纽约——伦敦海底电缆传输数字化的新闻图片。传递时间从一个多星期减少到3个小时。

50年代中期在太空计划的推动下开始数字图像的研究。

60年代末，数字图像处理形成比较完整的理论与技术体系。

70年代，CT的发明，血球自动分类仪的商业化。

之后迅猛发展。

70年代以来数字图像处理发展迅猛的原因：

1：主观需求：人类从外界获取的信息60～80％通过眼睛的图像信息。
2：计算机技术的发展和通信手段的发展提供客观可能。
3：数学化的特点是该学科成熟的一个标志。
总之：是一门在理论研究和应用开发两方面获得极大统一的学科。
 

数字图像处理发展趋势：

1：结合网络和Internet技术需求而发展起来的新技术，比如网上图象、视频的传输、点播和新的浏览、查询手段。
2：高级图象处理技术，结合最新的数学进展，诸如小波、分形、形态学等技术。
3：智能化，图象自动分析、识别与理解。

黑白图像是指图像的每个像素只能是黑或者白，没有中间的过渡，故又称为二值图像。二值图像的像素值为0、1。

灰度图像是指每个像素的信息由一个量化的灰度级来描述的图像，没有彩色信息。

彩色图像是指每个像素的信息由RGB三原色构成的图像，其中RGB是由不同的灰度级来描述的。

色调：描述颜色的不同，取决于颜色的波长。
色饱和度：描述颜色的深浅，取决于颜色中混合白光的比例多少。
亮度：描述色光的明暗变化的强度；取决于色光的能量。
色调和色饱和度统称为色度。

RGB模型也称为加色法混色模型。它是以RGB三色光互相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。其配色方程描述：F(物体颜色)=R（红色的百分比）+G（绿色的百分比）+B（蓝色的百分比）

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。

采样：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。

采样间隔太小，则增大数据量；太大， 则会发生信息的混叠，导致细节无法辨认。

量化：将各像素所含的明暗信息离散化后，用数字来表示。

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，即采用0 ~ 255的整数来描述“从黑到白”。在3bit以下的量化，会出现伪轮廓现象。
 

图像压缩（编码）：简化图像的表示，压缩图像的数据，以便于存储和运输。

图像增强（主观）：将图像中的有用信息增强，同时将无用信息进行抑制，提高图像的可观察性。

图像恢复：将退化了的或者模糊了的图像的原有信息进行恢复，从而达到清晰化的目的。

图像重建：根据二维平面图像数据构造出三维物体的图像。

图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述之后，将所期望获得的目标物进行提取，并且对所提出的目标物进行一定的定量分析。

图像的几何变换：改变一幅图像的大小或形状。

图像隐藏：将一幅图像或者某些可数字化的媒体信息隐藏在一幅图像中。

图像变换：通过数学映射的方法，将空域中的图像信息转换到如频域、时频域等空间上进行分析的数学手段。

Chapter 2 

连续图像/模拟图像：在二维坐标系中具有连续变化的，即图像画面的像素点位置的变化是连续的，同时其每个点上的灰度值的变化也是连续的图像。
离散图像/数字图像：用一个数字阵列表示的图像。数字图像是图像的数字表示，像素是其最小的单位。

一幅行数为M、列数为N的图像大小为M×N的矩阵形式为： 

其中矩阵中的每个元素代表一个像素，表达式的右侧定义了一幅数字图像。 

假定图像尺寸为M、N，每个像素所具有的离散灰度级数为G，将G取为2的整数幂k，即G=2^k

则存储这幅图像所需的位数是：

如果图像是正方形，即M=N，则：

当一幅图像有2的k次方个灰度级时，实际上通常称该图像为k比特图像。

设位于坐标(x,y)的一个像素p有4个水平和垂直的相邻像素，其坐标由为：

这个像素集称为p的4邻域，用N4(p)表示。
p的4个对角像素有如下坐标：

并用ND(p)表示，与4个邻域点一起，这些点称为p的8邻域，用N8(p)表示。

图像分辨率： 采样所获得的图像总像素的多少。表示数字化图像的大小，以水平和垂直的像素数表示。单位：像素*像素。

采样密度：图像上单位长度所包含的采样点数。 

采样频率：一秒钟内采样的次数。反映了采样点之间间隔的大小。

扫描分辨率是扫描仪输入图像的细微程度，指每英寸扫描所得的点数。单位：像素/英寸，像素/厘米。

非均匀采样：

在灰度级变化尖锐的区域，用细腻的采样
在灰度级变化平滑的区域，用粗糙的采样
 

均匀量化是把采样值的灰度范围等间隔地分割并进行量化，也称为线性量化。
非均匀量化是对像素出现频度少的部分量化间隔取大，而对频度大的量化间隔取小。
在少的量化级数下，非均匀量化的效果比均匀量化好。
在允许量化级数比较多时，多采用均匀量化。
 

数字图像的位图存储文件——文件的总体结构：

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。有两种表示形式
1）图形表示形式
      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。
2）数组表示形式
       数组的下标表示相应的灰度级，数组的元素表示该灰度级下的像素个数。
一幅图像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。

假设某图像的灰度直方图具有 二峰性，则表明这个图像较亮的区域和较暗的区域可以较好地分离。
取二峰间的谷点为阈值点，可以得到好的二值处理的效果。

对比度：通俗地讲，就是亮暗的对比程度。通常表现了图像画质的清晰程度。

直方图均衡化方法的基本思想是，当数据的分布接近均匀分布的时候，数据所承载的信息量最大。图像的灰度直方图反映了图像中像素的灰度分布特性，因此，通过对直方图的调整，可以达到使图像数据信息量增大的目的。
基本原理：对图像中像素个数比较多的灰度值进行展宽，而对像素个数少的灰度值进行归并，从而达到清晰图像的目的。

设f、g分别为原图像和处理后的图像。
求出原图f的灰度直方图，设为h。显然，在[0,255]范围内量化时，h是一个256维的向量。

1）求出图像f的总体像素个数
       Nf = m*n (m,n分别为图像的长和宽）
2）计算每个灰度级的分布概率，即每个像素在整个图像中所占的比例。
       hs(i)=h(i)/Nf  (i=0,1,…,255)