第二章 数字图象处理基础

第二章数字图像处理基础

（4课时）2.1色度学基础2.2人的视觉特性2.3图像数字化2.4数字图像表示形式和特点2.5图像灰度直方图2.6图像处理算法的形式2.7图像数据结构与图像文件格式2.8图像的特征与噪声2.1色度学基础1、三基色原理：（格拉斯曼定律）人眼视网膜上存在大量能分辨颜色的锥状细胞，分别对应红、绿、蓝三种颜色，即分别对红光、绿光、蓝光敏感。由此，红(R)、绿(G)、蓝(B)这三种颜色被称为三基色。（相互独立）根据人眼三基色吸收特性，人眼所感受到的颜色其实是三种基色按照不同比例的组合。（完备性）

C=aR(r)+bG(g)+cB(b)2.1色度学基础2、物体的色是人的视觉器官受光后在大脑的一种反映。物体的色取决于物体对各种波长光线的吸收、反射和透视能力。物体分消色物体和有色物体。（1）消色物体的色：消色物体指黑、白、灰色物体，对照明光线具有非选择性吸收的特性，即光线照射到消色物体上时，被吸收的各种波长的入射光是等量的；被反射或透射的光线，其光谱成分也与入射光的光谱成分相同。当白光照射到消色物体上时，反射率在75%以上，即呈白色；反光率在10%以下，即呈黑色；反光率介于两者间，呈深浅不的的灰色。2.1色度学基础（2）有色物体的色：有色物体对照明光线具有选择性吸收的特性，即光线照射到有色物体上，入射光中各种波长的色光是不等量的被吸收，有的被吸收得多，有的被吸收得少。白光照射到有色物体上，其反射或透射的光线与入射光线相比，不仅亮度有所减弱，光谱成分也改变了，因而呈现出各种不同的颜色。2.1色度学基础（3）光源的光谱成分对物体颜色的影响当有色光照到消色物体上时，物体反射光颜色与入射光颜色相同。两种以上有色光同时照射到消色物体上时，物体颜色呈加色法效应。如红光和绿光同时照射白色物体，该物体呈黄色。加色原理：利用源色(红、绿、蓝)相加获取彩色。2.1色度学基础（3）光源的光谱成分对物体颜色的影响当有色光照到有色物体上时，物体的颜色呈减色法效应。如黄色物体在品红光照射下呈现红色，在青色光照射下呈现绿色，在蓝色光照射下呈灰色或黑色。减色原理：利用白光中减去补色(黄、品、青)获取彩色影像的方法。2.1色度学基础2.1.1、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。1、RGB模型：2.1色度学基础2.1.1、颜色模型2、HSI(V)模型：利用色调、饱和度和亮度三个属性组成一个表示颜色的圆柱体。2.1色度学基础2.1.1、颜色模型HSI优点是，能够独立变化每一个HSI成分而不会影响到其他的HSI成分。例如，反差拉伸能够应用于图像的亮度成分，而在图像增强过程中像元的色度和饱和度将不会变化。也可用于显示具有不同分辨率的空间配准后的数据。例如，一个数据源的高分辨率下的数据可以作为亮度成分显示，而来自另一个数据源的低分辨率下的数据可以作为色度和饱和度成分来显示。2.1色度学基础2.1.1、颜色模型3、CMY颜色模型：以品红(magenta)、青(cyan)、黄(yellow)作为三基色，是一种减色系统。CMY减色系统和RGB加色系统颜色互为补色。所谓某颜色的补色是从白色中减去这种颜色后所得到的颜色。品红是绿色的补色，青色是红色的补色，黄色是蓝色的补色。相加系统的补色就是相减系统的基色(R+G=黄，G+B=青，R+B=品红)。2.1色度学基础2.1.2、颜色模型间转换通常在HSI下作完增强后，再变回RGB显示。RGB色彩立方体的投影面。当对黑白点之间逐步变小的立方体进行投影时，就会产生一系列的投影结果。2.1色度学基础2.1.2、颜色模型间转换2.1色度学基础2.1.2、颜色模型间转换如果投影面沿灰度线从白到黑移动，就会使一系列的更小的立方体被投影，从而在投影面上产生一序列的尺寸逐步降低的六边形。白色六边形最大，而黑色六边形最小，实际上已经缩小到一个点（立体六角锥）。亮度定义为沿灰度线方向从黑包到任意给定六边形的投影距离；色度用环绕六边形的角度来表示；饱和度用距六边形中心灰度点的距离来表示。2.2人的视觉特性1、人眼的构造与机理要点（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，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)2.2人的视觉特性1、人眼的构造与机理要点（3）视细胞：大量于视网膜上，分为两类：1）锥状细胞：600万－700万个；明视细胞，在强光下检测亮度和颜色；白天视觉过程靠此完成。2）杆(柱)状细胞：更多(10-20倍)；暗视细胞，在弱光下检测亮度，无色彩感觉，用于给出总体图像(平均亮度)。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。2.2人的视觉特性1、人眼的构造与机理要点（4）人眼成象过程：光线通过角膜、前室水状液、水晶体、后室玻璃体，成像在视网膜的黄斑区周围。视网膜上的光敏细胞感受到不同的光刺激，产生强度不同的电脉冲，并经神经纤维传送到视神经中枢，由于不同位置的光敏细胞产生了和该处光的强弱成比例的电脉冲，所以，大脑中便形成了一幅景物的感觉。2.2人的视觉特性1、人眼的构造与机理要点人眼的适应亮度范围很宽：10的10次方(最大与最小之差)。同时识别亮度范围很有限的：（适应的范围宽，同时识别范围窄）。如从亮屋到黑屋什么都看不见（需适应20～30秒），从黑屋到白屋适应较快（仅需1～2秒）。人眼对亮度有适应能力，因此很难判别亮度绝对值。即使相同亮度，但若背景亮度不同，人眼的主观感觉的亮度亦不一致。要人眼感觉物体在运动，至少15帧/S。2.2人的视觉特性1、人眼的构造与机理要点系统输出图像员终总是由人的视觉系统来评价。图像质量评价与视觉心理：对图像的认识或理解是由感觉和心理状态决定的；图像系统评价的真正尺度应该是发信者的意图为收信者所理解的程度，而不是对发信者发出的图像像素信息集台的简单接收。画面组成和视觉心理：人的视野，左右约180度，上下约60度，视力好的部位仅限2－3度。人是如何转动眼球使视线移动，从而适应大的画面和立体景像的？2.2人的视觉特性1、人眼的构造与机理要点人眼中心视力分辨率强，可以进行图像细节的认识，但只能认识图像的一小部分；而周边视力分辨率差，但可认识图像的全貌，而且可以将所视目标特征部分检出，利用检出的目标图像特征去控制眼球运动。必要时可以再用中心视力来进一步认识这一部分图像。对于大画面图像，充分利用周边视产生较强的临场感；而小画面临场感弱，为了产生充分的临场感。画面尺寸一般应有30度以上的视野。宽银幕和球幕电影的视觉效果好的原因。2.2人的视觉特性1、人眼的构造与机理要点视觉的时空频率分析：视觉的空间频率特性是影响图像锐度的主要原因。具有mach效应、Roca-Sulzer微分效应以及中枢神经的Craik-o’brien积分效应等是视觉信息处理的基础。由此可将视觉和图像结合起来研究，应用于图像编码中。2.2人的视觉特性1、人眼的构造与机理要点mach效应：一种亮度对比现象。当一系列亮度不同的图形从暗到亮排列在一起时，在较亮图形临近较暗图形的边缘处，存在一条更亮的带子；而在较暗图形临近较亮图形的边缘处，有一条更暗的带子。2.2人的视觉特性1、人眼的构造与机理要点Mach带效应：当亮度为阶跃变化时，图像中显示出竖条灰度梯级图像，如图。每个竖条宽度内反射出来的强度是均匀的，相邻竖条之间的强度是常数，然而看起来每一竖条内右边要比左边稍亮。2.2人的视觉特性1、人眼的构造与机理要点眼睛对不同空间频率产生不同视觉响应的结果。视觉系统对空间高频和低频的敏感性较差，而对中频有较高的敏感性，因而在亮度突变处产生亮度过冲现象；对景物有增强其轮廓的作用。制作效果：用一个黑白组成的圆盘，高速旋转时,在3个交界处会看到比较亮和比较暗的两条窄环：b点亮环和c点暗环。亮环和暗环就叫马赫带。物理上，ab和cd区的亮度是均匀的，而看起来b点却比ab区亮，而c点又比cd区暗，说明感觉的变化和光强的变化并不完全对应。2.2人的视觉特性1、人眼的构造与机理要点视觉生理和模型研究：视觉生理主要是指从视觉信息的产生、传输和处理的机理。涉及神经生理学，对图像工程技术是很有启发性的。已经能够对部分神经网络进行模型分析，如侧抑制现象、马赫效应等。但涉及到大脑高级神经中枢的“思考过程”，学习、联想、记忆等自己组织化机能的研究，还刚起步。埃舍尔矛盾空间1、人眼的构造与机理要点研究课题：（1）搞清决定图像质量的主观因素，作出其总的结构模型；（2）找出人脑真正接收信息的容量，大脑有效接收图像的显示方式；（3）弄清图像信源和信宿的结构，建立起包括人的因素在内的信息论；（4）研究视觉和其它感觉的相乘作用，即视觉和其它感觉的互相影响；（5）开发自己组织作用的综合研究，进一步建立、发展“思考过程”；（6）视觉和行为的关系。2.2人的视觉特性2.2人的视觉特性1、人眼的构造与机理要点视觉信息的产生：倾向性的意见：视网膜可分为若干层，各层对视觉信息的产生、加工、传递起着不同的作用。视觉信息的产生是在具有杆状细胞和锥状细胞的视细胞层。视觉信息传递：视觉信息传递分眼球内和眼球外两部分。视觉信息的加工处理：刺激某一个神经元使其兴奋，若再刺激该神经元附近的其它神经元时，可以看出后者的兴奋对前者的兴奋有抑制作用。侧抑制的强弱与神经之间距离、兴奋程度等有关。2.2人的视觉特性1、人眼的构造与机理要点由于视神经的侧抑制作用而产生的视觉马赫现象，有增强像轮廓提高图像反差的作用。大脑对图形的认识过程，知之较少，但有很多设想，如大脑全息记忆型设想。学会走迷宫老鼠切除大脑部分皮层实验，只切少许不受影响，推测一种现象不能用一种神经元来记忆，而是分散在许多神经元的不同状态中,和光学全息很相似，从部分全息记忆中恢复整个图像。1、人眼的构造与机理要点视觉运动特性：眼球运动及控制、注视点的分布、眼球运动与外界不动性、运动视觉的其它特性。注视点主要集中在图像黑白交界的部分，尤其拐角处；对闭合的图形，注视点容易向图形内侧移动；容易集中在时隐时现、运动变化的部分；图像中一些特别的不规则处。其他特性：大的运动物体看上去速度慢；假运动现象：当实际静止的几个物体时隐时现时，看上去好像物体在运动。2.2人的视觉特性2、人的视觉模型点光源的表示函数：点源可以用δ函数表示，表示平面图像的二维δ函数为：2.2人的视觉特性则任意一幅图像可表示为：2.2人的视觉特性2、人的视觉模型

设x(t)为无时限的信号，将它分解为一系列宽度为的窄脉冲之和。当则：

设系统的单位冲激响应为h(t),则系统对应于的冲激响应为则系统对输入x(t)的总响应为所有冲激响应之和：当：求和符号改为积分符号2.2人的视觉特性2、人的视觉模型卷积积分的图解法：有助于我们理解卷积的物理意义以及求解步骤，以x(t)*h(t)为例：（1）翻褶：将h（τ）反折，得h（-τ）。（2）移位：将h(-τ）沿τ轴时延t秒，得到h(t－τ）。（3）相乘：将x(τ）与h(t-τ）相乘，得x(τ）.h(t-τ）（4）相加：沿τ轴对x

(τ）.h(t-τ）积分例：设x(t)与h(t)如图所示，求y(t)=x(t)*h(t)反折：时移（1）（2）（3）（4）(5)y(t)的时域波形如图所示：2.2人的视觉特性2、人的视觉模型高斯函数：高斯（正态、常态）分布。对于随机变量X，其概率密度函数如图所示，记为N（μ，σ2）。对不同的μ表现为p(x)的图形左右平移；对不同的σ（固定μ）p(x)的图形将随σ的减小而变高和变窄。特别当μ=0,σ2=1时，X的分布为标准正态分布。2.2人的视觉特性2、人的视觉模型光学成像系统的表示人的视觉模型2.2人的视觉特性3、人眼的亮度感觉2.2人的视觉特性3、人眼的亮度感觉主观亮度S与实际亮度B之间的关系:

S=KlnB+k0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。2.3图像数字化1、数字化：将一幅画面转化成计算机能处理的形式的过程。（模拟图像－数字图像）。包括采样和量化两个过程。2.3图像数字化（1）采样：将空间上连续的图像变换成离散点的操作。采样间隔和采样孔径的大小是两个很重要的参数。当对图像进行实际的抽样时，怎样选择各抽样点的间隔是个非常重要的问题。关于这一点，图像包含何种程度的细微的浓淡变化，取决于希望真实反映图像的程度。2.3图像数字化采样定量：

采样过程所应遵循的规律。说明采样频率与信号频谱之间的关系，是连续信号离散化的基本依据。1928年由美国电信工程师H.奈奎斯特首先提出来的，因此称为奈奎斯特采样定理。1933年由苏联工程师科捷利尼科夫首次用公式严格地表述这一定理，因此在苏联文献中称为科捷利尼科夫采样定理。1948年信息论的创始人C.E.香农对这一定理加以明确地说明并正式作为定理引用，因此在许多文献中又称为香农采样定理。2.3图像数字化采样定量：有许多表述形式，但最基本的表述方式是时域采样定理和频域采样定理。采样定理在数字式遥测系统、时分制遥测系统、信息处理、数字通信和采样控制理论等领域得到广泛的应用。时域采样定理：频带为F的连续信号f(t)可用一系列离散的采样值f(t1),f(t1±Δt)，f(t1±2Δt)，...来表示,只要这些采样点的时间间隔Δt≤1/2F，便可根据各采样值完全恢复原来的信号f(t)。这是时域采样定理的一种表述方式。

2.3图像数字化时域采样定理：另一种表述方式是，当时间信号函数f(t)的最高频率分量为fM时,f(t)的值可由一系列采样间隔小于或等于1/2fM的采样值来确定,即采样点的重复频率f≥2fM。2.3图像数字化频率域采样定理：对于时间上受限制的连续信号f(t)（即当│t│>T

时,f(t)=0,这里T=T2-T1是信号的持续时间），若其频谱为F（ω）,则可在频域上用一系列离散的采样值的采样值来表示,只要这些采样点的频率间隔。2.3图像数字化（2）量化：经采样图像被分割成空间上离散的像素，但其灰度是连续的，还不能用计算机进行处理。将像素灰度转换成离散整数值的过程叫量化。一幅图像中不同灰度值的个数称灰度级数，用G表示。一般来说，，g表示图像像素灰度值所需的比特位数。通常采用8bit量化。从视觉效果上，采用大或等于6bit量化的灰度图像，视觉效果令人满意。数字化前需要决定影像大小（行数M、列数N）和灰度级数G的取值。一般数字图像灰度级数G为2的整数幂。所需的存储空间为M×N×g（bit）称为图像的数据量。2.3图像数字化量化：2.3图像数字化一、均匀采样：等间隔。2.3图像数字化一、均匀采样：等间隔。2.3图像数字化二、均匀量化：2.3图像数字化三、分辨率变化对图像的影响2.3图像数字化三、分辨率变化对图像的影响(a)256x256;(b)128x128;(c)64x64;(d)32x32;(e)16x16;(f)8x8;2.3图像数字化三、分辨率变化对图像的影响2.3图像数字化三、分辨率变化对图像的影响(a)K=256;(b)K=128;(c)K=32;(d)K=16;(e)K=4;(f)K=22.3图像数字化2、像素间的基本关系：2.3图像数字化3、像素间的邻接性：2.3图像数字化3、像素间的邻接性：2.3图像数字化4、像素间的距离度量：2.4数字图像表示形式和特点数字图像的矩阵表示2.4数字图像表示形式和特点二值图像的表示方法为减少计算量，常将灰度图像转为二值图像处理。只有黑白两个灰度级，0or1：如文字图片2.4数字图像表示形式和特点链码表示法：属特有的表示方法,适合表示直线和曲线组成的二值图像，以及描述图像的边界轮廓。采用链码比矩阵表示可节省很多的比特数。规定了链的起点坐标和链的斜率序列，就可以完全描述曲线或直线。121222121110077655456702.4数字图像表示形式和特点灰度图像：灰度图像是指每个像素由一个量化的灰度值来描述的图像。它不包含彩色信息。2.4数字图像表示形式和特点彩色图像：彩色图像是指每个像素由R、G、B三原色像素构成的图像，其中R、B、G是由不同的灰度级来描述的。2.4数字图像表示形式和特点二值图像示例2.4数字图像表示形式和特点灰度图像示例2.4数字图像表示形式和特点彩色图像示例2.4数字图像表示形式和特点彩色图像示例2.4数字图像表示形式和特点数字图像的特点：（1）信息量大：一幅遥感图像,如N=1024,G=256，则有8Mb；（2）占用频带宽：与语音信息相比，图像信息占用的带宽要大几个数量级。如电视图像约为5.6MHZ，而语音仅为2KHz左右。因此，处理的难度大，成本高。这就对图像（频带）压缩提出了必须（很高）的要求；（3）像素间相关性大：同幅内相邻像素间具有相同（或相近）灰度的可能性很大；运动图像的相邻帧对应像素间相关性更大。所以，图像压缩的潜力（可能性）很大。（4）视觉效果的主观性大。2.5图像灰度直方图一个简单而非常有用的工具。概括反映一幅图像的灰度级内容和图像可观的信息。反映的是一幅图像中各灰度级与各灰度级像素出现的频率之间的关系。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。它是图像的一个重要特征，反映了图像灰度分布的情况。2.5图像灰度直方图灰度图像的直方图：2.5图像灰度直方图彩色图像的分波段直方图：2.5图像灰度直方图直方图统计：该图像像元总数为8*8=64,i=[0,7]2.5图像灰度直方图直方图性质：只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失像素的位置信息。一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图。一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。2.5图像灰度直方图直方图应用：判断图像量化是否恰当(是否合理利用全部允许的范围)。(a)恰当量化(b)未能有效利用(c)超过了动态范围

用于确定图像二值化的阈值。2.5图像灰度直方图直方图应用具有二峰性的图像2.5图像灰度直方图直方图应用：当物体部分的灰度值比其它部分灰度值大时，可利用直方图统计图像中物体的面积。计算图像信息量H（熵）：反映图像信息丰富程度，在图像编码处理中有重要意义。2.6图像处理算法的形式按图像处理的输出形式，图像处理的基本功能可分为三种形式。1）单幅图像→单幅图像，如图：

2）多幅图像→单幅图像，如图：3）单（或多）幅图像→数字或符号等，如图：2.6图像处理算法的形式图像处理的几种具体算法1、局部处理邻域：对于任一像素（i，j），集合{（i+p,j+q），p、q取合适的整数}叫做该像素的邻域，如图（a）。常用的邻域如图（b）、（c),分别表示中心像素的4-邻域、8-邻域。2.6图像处理算法的形式图像处理的几种具体算法1、局部处理：对输入图像IP（i,j）处理时，某一输出像素JP(i,j)值由输入图像像素（i,j)及其邻域N(i,j)中的像素值确定。这种处理称为局部处理。计算表达式为：2.6图像处理算法的形式图像处理的几种具体算法1、局部处理：图像的移动平均平滑和空间域锐化属于局部处理。例如对一幅图象采用3×3模板进行卷积运算。2.6图像处理算法的形式图像处理的几种具体算法1、局部处理：在局部处理中，当输出值JP(i,j)仅与IP(i,j)有关，则称为点处理，如图。计算表达式为：图像对比度增强、图像二值化等属于点处理。2.6图像处理算法的形式图像处理的几种具体算法1、局部处理：输出像素JP(i,j)的值取决于输入图像大范围或全部像素的值，这种处理称为大局处理。计算表达式为：2.6图像处理算法的形式图像处理的几种具体算法2、迭代处理：反复对图像进行某种运算直至满足给定的条件，从而得到输出图像的处理形式称为迭代处理。如下图像的细化处理过程。2.6图像处理算法的形式图像处理的几种具体算法3、跟踪处理：选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素，进行规定的处理，然后决定是继续处理下面的像素，还是终止处理。这种处理形式称为跟踪处理。4、位置不变处理和位置可变处理：输出像素JP(i，j)的值的计算方法与像素的位置(i，j)无关的处理称为位置不变处理或位移不变处理；随位置不同计算方法也不同的处理称为位置可变处理。2.6图像处理算法的形式图像处理的几种具体算法5、窗口处理和模板处理对图像的处理，一般采用对整个画面进行处理，但也有只对画面中特定的部分进行处理的情况。这种处理方式的代表有窗口处理和模板处理。单独对图像中选定的矩形区域内的像素进行处理的方式叫做窗口处理

2.6图像处理算法的形式图像处理的几种具体算法5、窗口处理和模板处理希望单独处理任意形状的区域时，可采用模板处理。模板：任意形状的区域；模板平面：一个和处理图像相同大小的二维数组，用来存储模板信息。多是一幅二值图像；模板处理：边参照模板平面边对图象进行某种操作。模板成矩形区域，则与窗口处理具有相同的效果。模板处理必须设置一个模板平面。2.6图像处理算法的形式图像处理的几种具体算法6、串行处理和并行处理串行处理：后一像素输出结果依赖于前面像素处理的结果，并且只能依次处理各像素而不能同时对各像素进行相同处理的一种处理形式。并行处理：对图像内各像素同时进行相同形式运算的一种处理形式。2.7图像数据结构与文件格式1、图像的数据结构：采用何种形式存储；将图像各像素灰度值用一维或二维数组相应的各元素加