第2章_数字图像处理基础.ppt

数字图像处理 (Digital Image Processing） 信息科学与工程学院 第二章 图像和视觉基础 2.1 光的特性 2.2 视觉系统 2.3 颜色模型 2.4 图像的表示 2.5 邻域、连通、距离 2.2.2 视觉过程 2.2.4 视觉系统对光的感知特点 色度图 RGB颜色模型 圆锥体模型： 3).HSI模型 也称为视觉生理模型。色调（H，Hue）、色饱和度（S，Saturation） 以及明度（I，Intensity）,（Museum，孟塞尔颜色系统） 在特定应用环境中，用于图像分析有特殊的优势。比如，在只有光照亮 度发生变化的应用中，不考虑明度，只使用色度进行区域分割。 人们所感受的图像一般是由物体的反射光构成的。 f(x,y)可以看成是由两个分量构成，一个是照射到景物上的入射光分量，另一个是反映物体反射特性的量，若分别用i(x,y)、r(x,y)表示，则 f(x,y)= i(x,y).r(x,y) 其中 0=i(x,y) ∞, 0=r(x,y) =1 在进行采样时，采样点间隔的选取是一个非常重要的问题。它决定了采样后的图像忠实地反映原图像的程度。或者说，采样间隔大小的选取要根据原图像中包含何种程度的细微浓淡变化来确定。一般来说，图像中细节越多，则抽样间隔应越小。根据一维采样定理，若一维信号g(t)最大频率为ω，若用T≤1/（2ω）为间隔进行抽样后，则根据抽样结果g(iT）i=…-1，0，1…能完全恢复g(t)。采样定理 设在x方向以等间隔△x、y方向以等间隔△y进行空间采样，则可得离散的图像，此时空间某一点的坐标可表示为（i △x ,j △y ）,一般情况下△x = △y ，且省略不写，此时图像可表示为分f（i，j）。 若采样结果每行（即横向）象素为M个，每列（即纵向）象素为N个，则整幅图像大小为M×N个象素。 i=0,1,…,M-1, j= 0,1,…,N-1 习惯上将f（i，j）写为f（x，y）。注意什么？ 3）图像的矩阵和向量表示 经过数字化过程（采样、量化）得到矩阵： 4）数字图像的数据量 一幅数字化后的图像其总数据量是： 每行象素数（M）×每列象素数（N）×灰度量所占用位数(Bits) 5). 图像质量与采样和量化 2.5 邻域、连通、距离 1）像素的邻域Neighbors 对一个坐标为（x，y）的像素p，它有4个邻近像素（沿水平和竖直方向），它们的坐标分别是： （x+1，y），（x-1，y），（x，y+1），（x，y-1） 这些像素称为像素p的4-邻域，N4（p）. 坐标为（x，y）的像素p，它有4个沿对角线的邻近像素，它们的坐标分别是： （x-1,y-1）,（x-1,y+1）,（x+1,y-1）,（x+1,y+1） 这些像素称为像素p的对角-邻域，ND（p）. 4-邻域和对角-邻域统称为p的8-邻域， N8（p） 2）连通性Connectivity 像素间的连通性在建立图像中目标的边界和确定区域的元素时是一个最重要的概念。进一步分为连接（毗邻adjacency）和连通，连接是连通的一个特例。 令V表示定义连接的灰度值集合。 (a) 4-连接：2个像素p和q在V中取值且q在N4（p）中，则称它们为4-连接 (b) 8-连接：2个像素p和q在V中取值且q在N8（p）中，则称它们为8-连接 (b) m-连接（Mixed adjacency）：2个像素p和q在V中取值且满足下列条件之一，则称为m-连接。1q在N4（p）中， 2q在ND（p）中且N4（p）与 N4（q）的交集为空。 从具有坐标（x，y）的像素p到（s，t）的像素q的一条通路是由一系列具有坐标为（x0，y0）， （x1，y1），…, （xn，yn）的独立像素组成的， 其中（xi，yi）， （xi+1，yi+1）相毗邻，根据毗邻的定义，分别称为4-、8-、m-毗邻。 若从p到q有一条通路，则称它们相连通。 3）距离量度 给定三个像素p(x,y), q(s,t), r(u,v),如果下列条件满足的话，D是距离量度函数。 （a）D(p,q)=0，（ D(p,q)=0 iff p=q ） （b） D(p,q)= D(q, p) （c） D(p,r)= D(p,q)+ D(q,r) 能数出几种距离？ 欧氏（Euclidean）距离 点p和q之间的欧氏距离 DE(p,q)=[(x-s)2+(y-t)2]1/2 D4距离（城区City-block） D4(p,q)= |x-s|+|y-t| D8距离（棋盘Chessboard） D8(p,q)= max(|x-s|,|y-t|) 当考虑D4 、D8时，不需考虑两个像素间是否真有一条通路。 *m