【图像处理与机器视觉】图像处理概述与像素

什么是数字图像处理

改善图像信息，便于作出解释
方便对图像传输，储存，方便机器理解

什么是数字图像

（1）模拟图像：连续二维函数 f（x，y）表示，其中 x，y 是平面坐标，f 代表图像在某点的某种性质的数值
（2）数字图像：对模拟图像red：离散化的结果
r 表示图形的行，c 表示图像的列，I 表示离散后的 f，可以用矩阵或者数组来描述数字图像
像素：数字图像的元素

数字图像处理的任务

（1）图像获取
（2）图像预处理
（3）图像滤波与增强
（4）图像复原
（5）彩色图像处理
（6）图像压缩
（7）图像分割
（8）图像描述与识别

机器视觉

用机器来模拟视觉，使用算法对于采集到的图像进行分析处理，并做出合适决策
计算机视觉侧重于对于理论的研究，而机器视觉侧重于对于实际场景的使用，强调算法的重要性
一个完整的机器视觉系统包括：
（1）光学系统
（2）图像采集模块
（3）图像处理系统
（4）交互界面
光学系统：通常包括光源，相机和镜头，突出被拍摄物体的特征，方便后期处理
图像采集模块：使用图像采集卡，将来自相机的模拟信号或者数字信号转为图像数据流
图像处理系统：通过视觉处理软件对于图像进行多种运算，并对得到的特征进行检测，定位，测量等处理
交互界面：显示最终的结果

工业应用中机器视觉的特点

（1）综合技术
（2）实用性
（3）实时性

处理基础

图像感知与获取

通过传感器将输入能源变为电压，再进行数字化处理

图像取样与量化

大多数传感器的输出是连续电压波形，为了产生图像，需要把连续的模拟信号转为离散的数字信号
取样：图像空间坐标的数字化
量化：对于图像函数值 f的数字化
数字图像只是对于真实场景的近似，取样点越多，量化的灰度级越多，图像质量越好
对于表示模拟图像的函数$f(s,t)$，通过采样和量化，转化为 M 行 N 列，离散灰度级数为 L 的数字图像，其中 M、N 必须为正整数，灰度级数$L=2^k$，等间隔
（1）灰度跨越的值域为动态范围：$\frac{图像中最大可度量灰度}{图像中最小可检测灰度}$
（2）可度量灰度的上限取决于饱和度，超过了饱和度的灰度级将被剪切掉；下限取决于噪声，因为噪声掩盖了可检测的最低真实灰度级
（3）对比度：图像中最高的灰度级与最低的灰度级之间的灰度差
$L=2^k$，储存数字图像所需要的 bit 数为：$M\ast N\ast k$
E.G.对于 32*32 的二值图像（黑白两种元素的图像）
k=1，则其大小为：$32^2\ast 1=1024$