matlab中图像数据类型的转换 - 湖南大学.ppt

图像处理与检测应用 第2章 数字图像基础 图像获取 通常各类图像都是由“照射”源和形成图像的“场景”元素对照射能量的反射或吸收相结合而成。根据照射源的性质，照射能量可以从物体反射或透射。经反射或透射后的能量由成像系统聚焦到对照射能量敏感的传感器上，进而转换为相应的电信号输出，形成图像。 照射源的选择、照射能量与场景的作用方式、成像系统的设计以及图像传感器的选择等等都是一个图像检测系统的硬件设计的主要内容。其中照射源的选择、照射方式的设计和成像系统设计将在后续章节中加以简要介绍。下面对图像传感器进行一个概述。 图像传感器 图像传感器可将能量（通常为电磁辐射能）转化为相应大小的电信号，包括单个传感器（光电传感器）、带状传感器和阵列式传感器。 单个传感器。实际上就是通常所说的光电传感器。它只能将一点处的辐射能转换为电信号，因此为了利用光电传感器形成我们通常所称的“二维”图像，单个传感器需要与具有两个运动自由度的机械装置配合，在两个通常是正交的方向上“扫描”被拍摄场景，方能获得所需。当然，光电传感器本身也有实用的检测应用，不过此时获得的信号通常不视为图像，而是采集一段时间内的光电变化信号。 带状传感器是一维排列的多个敏感单元构成的传感器。为了获得二维图像，带状传感器同样需要配合可运动的机械结构来进行扫描。带状传感器最典型的应用就是常见的扫描仪。 传感器阵列。单个或带状传感器在获取二维图像时都需要机械运动加以配合，成像效率较低。传感器阵列则是直接由敏感单元构成二维阵列，从而可以通过一次感应获取一幅完整的二维图像。 目前最为常见的图像传感器有CCD传感器与CMOS传感器这两种类型。而传感器关于噪声的性能指标主要是其信噪比SNR。一般而言，CCD图像传感器具有比CMOS图像传感器更好的SNR指标。 常见的图像传感器上的敏感单元通常以矩形排列。与此相应地，几乎所有的数字图像的数学抽象都是由“像素值”构成的矩阵。 简单的图像形成模型 物理图像可以用一个二维函数f(x,y)表示，其中(x,y)为指定的空间坐标，f的值为正标量。f的值通常对应于某点处的光强。这样的二维图像称为“灰度”图像。 当图像由物理过程产生时，f的值通常正比于物理源的辐射能量，因此，f(x,y)一定为非负且有限，即 0≤f(x,y)∞ f可用入射分量i(x,y)和反（透）射分量r(x,y)表示： f(x,y) = i(x,y)r(x,y) 0 ≤i(x,y)∞ 0r(x,y)1 其中i(x,y)取决于照射源，r(x,y)取决于成像物体的特性。 实际中使用的很多图像是彩色图像。彩色图像实际上是在成像时，利用传感器上不同的敏感单元分别对不同性质的照射能量进行能量-电信号的转换。例如一般的图像传感器就是通过一个透镜阵列将入射光中的红光、绿光和蓝光分别透射到成像表面的不同位置，然后由不同的敏感单元进行光电转换，最后通过红、绿、蓝光强度分别确定的灰度图像（称为红、绿、蓝色层）来共同构成我们常说的RGB彩色图像。 数字图像 采样和量化的基本概念 一幅物理过程产生的连续图像，其空间范围（x、y坐标）以及幅度常常均为连续值。要将其转换为数字图像，必须对空间和幅度都进行离散化。空间离散化（即坐标值的离散化）称为采样，幅度离散化称为量化。 量化基本上都是通过对照射能量敏感的传感器输出电信号进行A/D转换来完成。采样则根据产生图像的装置来决定。例如，对前述单传感器装置，采样由控制滚筒滚动的电机和控制传感器水平移动的电机的机械增量控制；带状传感器装置的一个空间方向由移动的机械增量控制，另一个方向则由传感器的成像元素数目（传感器的空间分辨率）决定；阵列传感器装置的采样则由传感器在两个方向上的空间分辨率决定。 数字图像的表示 数字灰度图像几乎总是用一个实值（大多数情况下为非负整数值）矩阵f(i,j)来表示 需要注意，由于函数与矩阵表达惯例的不同，两者的坐标所对应的方向可能不同。在函数表达中，第一个坐标一般为x坐标；而在矩阵表达中，第一个坐标常常指元素所在的行，因此对应的是y坐标。MATLAB中的灰度图像矩阵与上述矩阵表达方式一致，只是下标从1而非0开始。 如果是彩色图像，那么它事实上可以视为三副大小相同、相互独立的灰度图像的集合来加以操作。不过一般在进行编程时或者在MATLAB中，都是用一个高维数组（三维）来表示彩色图像：其中两个维度为正常的垂直和水平的空间维度，而第三个维度为“色层”维度。形象化地来看，可以视为依次层叠在一起的若干幅单色图像。 MATLAB中读取图像 在MATLAB中进行图像文件的读取和显示非常简单。 imread函数 语句 img = imread(filename) 可以将字符串filename所指定文件