数字图像处理第2章精讲.ppt

数字图像处理 第二章 数字图像基础 2.1 人的视觉特性 2.2 色度学基础 2.3 光度学 2.4 图像的数字化 2.5 坐标变换 2.1 人的视觉特性 人眼的机理与照相机类似： 1. 瞳孔：透明的角膜后是不透明的虹膜， 虹膜中间的圆孔称为瞳孔，其直径可调节， 从而控制进入人眼内之光通量。 照相机光圈作用 2. 晶状体：瞳孔后是一扁球形弹性 透明体，其曲率可调节，以改变焦距， 使不同距离的图在视网膜上成象。 （照相机透镜作用） 2.1 人的视觉特性 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. 人眼成像过程 2.1 人的视觉特性 2.1 人的视觉特性 例：同时对比度：即当背景暗时看起来要亮些，而当背景亮时看起来要暗些。 2.1 人的视觉特性 （4）马赫带（Mach BandMach Band）效应 视觉系统有过高或过低估计不同亮度区域的边界值的现象 2.1 人的视觉特性 5 主观亮度S与实际亮度B之间的关系 6 人眼亮度感觉之应用 若一幅原图像经过处理，恢复后得到重现图像，重现 图像的亮度不必等于原图像的亮度，只要保证二者的对 比度及亮度层次（灰度级）相同，就能给人以真实的感 觉。 2.2 色度学基础 二、颜色模型 各种表示颜色的方法，称做颜色模型。目前使用最 多的是面向机器（如显示器、摄像机、打印机等）的 RGB 模型和面向颜色处理（也面向人眼视觉）的 HSI、 HSV 模型。 2.2 色度学基础 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。如上图所示。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）。 2.2 色度学基础 RGB和HSI之间的模型转换： （1）RGB转换到HSI （2）HSI转换到RGB 图像的HSI分解 2. 从HIS空间转换到RGB空间 设S、I的值在[0，1]之间，R、G、B的值也在[0，1]之间，则从HSI到RGB的转换公式分成3段以利用对称性,以当H在[0o，120o]之间为例： 2. 从HIS空间转换到RGB空间 当H在[120o，240o]之间：首先从H中减去120o，即 2. 从HIS空间转换到RGB空间 当H在[240o，360o]之间：首先从H中减去240o，即 2.3 图像的邻域 位于坐标（x,y）处的像素p有4个水平和垂直的相邻像素，其坐标由图所示： x+1,y , x-1,y , x,y+1 , x,y-1 这组像素称为p的4邻域，用N4 p 2.3 图像的邻域 像素p的对角相邻像素的坐标为： x+1,y+1 , x+1,y-1 , x-1,y+1 , x-1,y-1 与N4 p 表示的相邻像素一起组成像素p的8邻域： x+1,y , x-1,y , x,y+1 , x,y-1 , x+1,y+1 , x+1,y-1 , x-1,y+1 , x-1,y-1 用N8 p . 2.4 图像的数字化 所谓的图像数字化，是指将模拟图像经过离散化之后， 得到用数字表示的图像。 一幅图像必须要在空间和灰度上都离散化才能被计算机 处理。空间坐标的离散化叫做空间采样，而灰度的离散化叫 做灰度量化。图像的空间分辨率主要由采样所决定，而图像 的幅度分辨率主要由量化所决定。 假设1幅图像的空间分辨率是M*N，而图像的幅度分辨率是 G（2的k次幂），一般将这些量取为2的整数幂，则储存1幅 图像所需的位数b为： b M*N*k 2.4 图像的数字化 1. 概念：位置上离散化 ， 为采样点，称为像素 pixel 。 2. 二维（均匀）采样函数 3.均匀采样 2.4 图像的数字化 图2.4.1 采样函数s x,y 的图示 图2.4.2 原图像和采样图像的频谱 2.4 图像的数字化 采样时应注意：采样间隔 的选取。 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。 2.4 图像的数字化 二、量化 量化是将各个像素所含的明暗信息离散化后，用数字来表示。一般的量化值为整数。 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，即用[0 255]描述“从黑到白”