1 数学表示
1.1 二维离散函数
I=f(x,y) I=f(x,y) I=f(x,y)
- (x,y)(x,y)(x,y)表示图像像素的坐标
- 函数值f(x,y)f(x,y)f(x,y)表示在坐标(x,y)(x,y)(x,y)处像素的灰度值
1.2 二维矩阵
I=A[M,N]
I=A[M,N]
I=A[M,N]
对一幅图像采样时,若每行像素为M个,每列像素为N个,则图像大小为M×N个像素,从而A[M, N]构成一个M×N实数矩阵.
矩阵元素a(m, n)表示图像在第 m 行 第 n 列的像素值,称为像素或像元。
1.3 关于图像坐标的说明
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。
为了编程方便起见,我们这里以矩阵坐标系来定义图像的坐标:
2 图像描述
2.1 灰度图像
灰度图像中的每个像素的信息由一个量化的灰度级来描述,没有色彩信息;灰度图像像素的灰度级通常为8bits,即0~255。“0”表示纯黑色,“255”表示纯白色。
黑白图像/二值图像
黑白图像中的每个像素只能是黑或者白,没有中间的过渡,故又称二值图像,二值图像的像素值为0、1;灰度图像像素的灰度级通常为8bits,即0~255。“0”表示纯黑色,“255”表示纯白色。
本文介绍了图像的基本表示方法,包括二维离散函数表示、二维矩阵表示等,并解释了图像坐标系的特点。此外,还详细阐述了灰度图像的概念及像素灰度值范围。
1404

被折叠的 条评论
为什么被折叠?



