MMC02 数字图像基础(下)

1图2.19显示了一幅10241024像素的图像，灰度级别用8比特表示，其他图像是通过对10241024图像抽样（直接隔行隔列删除得到）的结果。这些图像显示了不同取样密度间的大小比例，但是它们显示尺寸大小的差别使得很难看出减少取样数目带来的影响。用复制一行和一列的方法，将抽样后的图像都恢复到10241024像素进行比较，很明显小尺寸的图像恢复后有明显的块效应（图2.20）。空间分辨率2空间分辨率33降低空间分辨率的典型效果。图像分别以1250dpi、300dpi、150dpi和72dpi显示，为便于比较，所有的图像都放大到了原始图像的大小。空间分辨率4对于一幅452×374的CT图像，下面保持取样数恒定，而以2的整数次幂方式把灰度级从256减少到2，观察图像的变化。

256，128和64灰度级图像的实际效果在视觉上几乎是不可分辨的。32级灰度的图像在平滑灰度区域内（特别是头盖骨处）有一组几乎看不见的非常细小的山脊状结构。这种效果是由于数字图像平滑区灰度级数量不足引起的，称为伪轮廓。

灰度级别越减少，伪轮廓现象越明显。粗略的经验规则，一般来说，尺寸为256×256像素、64灰度级、印刷在5cm×5cm版面上的图像具有最低空间和灰度分辨率的图像，一般没有令人讨厌的取样棋盘格和伪轮廓。灰度级分辨率5伪轮廓灰度级分辨率6灰度级分辨率7(a)少量细节(Lena)(b)中等细节(摄影师)(c)大量细节(观众)

图2.22含有不同细节的图像再综合考虑N和k对图像质量的影响，采用图2.22进行主观测试空间和灰度级分辨率8图2.23等偏爱曲线从曲线中可以看出：当图像细节增加时，等偏爱曲线向右上方移动；当图像细节增加时，等偏爱曲线变得更加垂直，说明大量细节的图像只需要少数地灰度级别就可以获得满意的效果；另两类图像感觉质量在空间分辨率增加的情况下，于某段间隔内保持相同，但实际灰度级数在减小。可能原因是k的减少导致图像对比度明显增加，产生图像质量改进的视觉效果改变图像的N和k，记录主观测试结果得到图2.23的曲线空间和灰度级分辨率9数字图像种类黑白图像（灰度图像）图像只有明暗（灰度）程度的变化而没有色彩的变化最简单的是二值图像，只有两种灰度；伪彩色图像是指经过伪彩色处理而形成的彩色图像。其像素值是所谓的索引值，是按照灰度值进行彩色指定的结果其色彩不一定忠实于外界景物的真实色彩假彩色图像是指由遥感多波段图像合成的彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异，更便于解译和提取有用信息。

其色彩不一定忠实于外界景物的真实色彩真彩色图像是忠实于外界景色的色彩的图像其像素一般是颜色的真实值10数字图像种类分类二静止图像图像的内容不随时间变化。活动图像前一帧和后一帧的图像内容随时间发生变化。分类三矢量图像由数字公式描述的点、线、曲线和多边形等基本组件构成的图像。点阵图像（位图，光栅图像）由像素点阵所组成的图像。11数字图像种类灰度图像二值图像%im2bw灰度或彩色图像变为二值图像clc,clearI=imread('lena_gray.jpg');imshow(I)BW=im2bw(I,0.46);figure,imshow(BW)12数字图像种类13数字图像种类伪彩色图像pseudo-color

伪彩色伪彩色图像的含义是，每个象素的颜色不是由每个基色分量的数值直接决定，而是把象素值当作彩色查找表CLUT(colorlook-uptable)的表项入口地址，去查找一个显示图像时使用的R、G、B强度值，用查找出的R、G、B强度值产生的彩色称为伪彩色。彩色查找表CLUT(colorlookuptable)是一个事先做好的表，表项入口地址也称为索引号。例如16种颜色的查找表，0号索引对应黑色，...，15号索引对应白色。月球海拔图（红色最高，紫色最低）14数字图像种类伪彩色图像pseudo-color

土卫六的春天(图片提供：NASA/JPL/U-Arizona/U-Nantes/U-ParisDiderot)这两张伪色照片公布于9月21日，由美国宇航局“卡西尼”号太空飞船所拍摄。照片显示，黄色的乙烷云在土卫六红紫色的大气层中聚集。这两张照片(右侧的图片是倒置图片)同时还显示，在土卫六的北极，随着季节的缓慢变化，一个巨大的云层系统正在逐渐消失。土卫六北半球的冬天持续时间长达7个地球年。从2009年8月的土星春分时起，冬天正式让位于春天。15数字图像种类假彩色图像False-color

对多光谱图像进行处理得到的图像美国巴尔的摩城市和切萨皮克海湾伪彩色图BaltimoreandChesapeakeBay16数字图像种类真彩色图像True-Color17数字图像种类（图像中的像素值的内容不一样）18数字图像种类矢量图数学公式表示的点、线、曲线、多边形等构成的位图、点阵图19数字图像种类活动图像20数字图像的放大和缩小空间分辨率的改变：放大和缩小，调整图像的大小。放大：内插操作内插是在放大、收缩、旋转和几何校正等中广泛使用的基本工具。内插是用已知数据来估计未知位置的数值的处理。创建新的像素位置对这些新位置赋值（内插算法，例如最近邻域内插法/双线性内插法）缩小：丢点操作行-列删除Matlab函数：Ip=imresize(I,M,method)返回M倍大小的图像，M可大于或小于1.0，对应放大或缩小支持的内插算法：‘nearest’(缺省)：最近邻域插值法，1个像素‘bilinear’：双线性内插法，4个像素‘bicubic’：双三次内插法，16个像素21最近邻域插值法在原图像上寻找最靠近的像素，并把它的灰度值赋给新像素，对于整数倍放大也就是最临近点重复。缺点是易于产生块效应，特别是高倍数时。数字图像的放大和缩小22%Example：最近邻域内插法clear,clcI=imread('lena_eye.tif');Ip=imresize(I,5);imwrite(Ip,'lena5n.jpg','quality',75);imshow(I)figure,imshow(Ip)数字图像的放大和缩小23数字图像的放大和缩小双线性内插：利用4个最邻近点产生新的像素点。双线性内插(BilinearInterpolation)是线性内插的扩展，实现规则网格上两个变量（x，y）的内插。已知网格的四个顶点Q11=(x1,y1),Q12=(x1,y2),Q21=(x2,y1)，Q22=(x2,y2)，求网格内部点P=(x，y)处的未知函数f=？首先在x方向进行线性内插然后计算y方向的线性内插24数字图像的放大和缩小原始最近邻域双线性25并不像名字所暗示的那样双线性内插是线性的，其实它不是线性的，它的一般形式为两个线性函数的乘积：数字图像的放大和缩小双线性内插与两个线性内插的先后顺序无关，先进行y方向，再进行x方向，也获得相同的结果。最近邻域内插(3倍)4个像素内插(3倍)，但加权一样双线性内插(3倍)26%Example：双线性内插法clear,clcI=imread('lena_eye.tif');Ip=imresize(I,5,'bilinear');imwrite(Ip,'lena5b.jpg','quality',75);imshow(I)figure,imshow(Ip)数字图像的放大和缩小双线性插值的缺陷平滑作用使图像细节退化，尤其在放大时。不连续性会产生不希望的结果。27双三次内插：使用16个最近邻点，赋予点(x,y)的灰度值使用下式得到16个系数可由16个最邻近点写出的方程确定；通常，双三次内插在保持细节方面比双线性内插要好，双三次内插是商业图像软件的标准内插算法，如Photoshop和Photopaint。三线性内插(TrilinearInterpolation)：双线性内插的扩展数字图像的放大和缩小28上一行最近邻域内插法从128*128，64*64，32*32像素放大得到的图像；下一行相同参数顺序用双线性内插法得到的图像。数字图像的放大和缩小2929数字图像的放大和缩小上一行：a)b)c)分别是降低到72dpi后，再用最近邻域法、双线性内插法和双三次内插法放大后的图像；下一行：d)e)f)分别是降低到150dpi后，再采用同上的算法得到的图像。在内插中，还可以采用更多的邻点和更复杂的技术，比如样条和小波，在某些情况下，可得到更好的结果。对于三维图形和医学图像处理，保留精细细节是特别重要的，而一般目的的图像处理，较少考虑计算负担，因此，通常更多采用双线性内插和双三次内插。30第二章数字图像基础本章内容人眼的视觉特性基于亮度的视觉模型图像的感知和获取图像的取样和量化图像质量和种类（*）基本数学工具阵列与矩阵操作线性和非线性操作算术操作集合和逻辑操作空间操作向量和矩阵操作图像变换概率方法图像文件的存储格式（*）31基于像素的图像操作算术运算像素加法p+q像素减法p-q像素乘/除法p*q、pq、p×q、p÷q32基于像素的图像操作逻辑运算求反(Not)～异或(NOR)或(or)p+q与(AND)p.q算术和逻辑运算基于像素(矩阵元素)，而非矩阵。图像以矩阵表示，但矩阵除法无定义，则一幅图像除另一幅图像表示矩阵中相应的元素执行除法运算。其它算术和逻辑运算也一样。注意：Matlab中的实现要用带“.”的运算符33基于像素的图像操作：加法加法运算的定义

C(x,y)=A(x,y)+B(x,y)主要应用举例生成图像叠加效果去除“叠加性”噪音Matlab函数：imadd(I,J)

：两幅图像相加，或一幅图像叠加一个常数。imlincomb((α,I,β,J,γ,K)：计算两幅或多幅图像的线性组合，其中αβγ为系数，I、J、K为图像数据矩阵。34%Example1%Addtwoimagestogether:

I=imread('rice.tif');J=imread('cameraman.tif');K=imadd(I,J);imshow(K)%Example2%Addaconstanttoanimage:

I=imread('rice.tif');J=imadd(I,50);subplot(1,2,1),imshow(I)subplot(1,2,2),imshow(J)基于像素的图像操作：加法35加法运算:

生成图像叠加效果对于两个图像f(x,y)和h(x,y)的均值有：

g(x,y)=1/2f(x,y)+1/2h(x,y)会得到二次暴光的效果。推广这个公式为：

g(x,y)=αf(x,y)+βh(x,y)其中α+β=1可以得到各种图像合成的效果，也可以用于两张图片的衔接。基于像素的图像操作：加法36%Example1%Scaleanimagebyafactoroftwo.

I=imread('cameraman.tif');J=imlincomb(2,I);imshow(J)%Example2%Addtwoimageswithaspecified%outputclass.

I=imread(‘girl256.jpg');J=imread(‘lotus256.jpg');K=imlincomb(0.8,I,0.2,J);imshow(K)基于像素的图像操作：加法37加法运算:去除“叠加性”噪音对于原图像f(x,y),有一个噪声图像集

{gi(x,y)}i=1,2,…K

其中：gi(x,y)=f(x,y)+η(x,y)IK个图像的均值定义为：当：1）噪声η(x,y)I为互不相关，且均值为0时，上述图像均值将降低噪声的影响。

2）在实际应用中，防止输出图像中引入模糊。基于像素的图像操作：加法38加法运算:去除“叠加性”噪音(a)NGC3314星团对的原始图像；(b)被0均值和64级灰度标准差的加性高斯噪声污染了的图像；(c)~(f)K=6、16、64和128时，噪声图像取平均的结果；注：此图是NASA的Hubble太空望远镜拍摄的一幅NGC3314星系图，此星系距地球140亿光年，指向南半球Hydra星座方向。在星系中心附近成环形的闪亮星体由星际气体和粉尘组成。基于像素的图像操作：加法39减法运算的定义

C(x,y)=A(x,y)-B(x,y)主要应用举例检测同一场景两幅图像之间的变化去除不需要的叠加性图案计算物体边界的梯度Matlab函数：imsubstract(I,J)

：两幅图像相减，或一幅图像减去一个常数。imabsdiff(I,J)：计算两幅图像的绝对差值。基于像素的图像操作：减法40检测同一场景两幅图像之间的变化设：时间1的图像为T1(x,y)，时间2的图像为T2(x,y)

g(x,y)=T2(x,y)-T1(x,y)=-基于像素的图像操作：减法41检测同一场景两幅图像之间的变化(a)原始分形图像(8bit表示)；(b)把4个最小有效比特面置0后的结果，与(a)在视觉上几乎完全一样；(c)上述(a)和(b)图像的差值图像，因差值太小，在8bit显示时几乎是全黑的；(d)直方图均衡化后的差值图像(对比度扩大,后面章节讲解)，可以看到(a)和(b)图像的差异。基于像素的图像操作：减法42%Example%Displaytheabsolutedifferencebetween%afilteredimageandtheoriginal.

I=imread('cameraman.tif');J=uint8(filter2(fspecial('gaussian'),I));K=imabsdiff(I,J);subplot(3,1,1),imshow(I)subplot(3,1,2),imshow(J)subplot(3,1,3),imshow(K,[])基于像素的图像操作：减法43去除不需要的叠加性图案设：背景图像b(x,y)，前景背景混合图像f(x,y)

g(x,y)=f(x,y)–b(x,y)

g(x,y)为去除了背景的图像。

电视制作的蓝屏技术就基于此

(天气预报）图像相减增强(a)掩模图像(b)减去掩模图像后的图像(把对比介质注入血管后拍摄的图像)基于像素的图像操作：减法44%Example%Estimateandsubtractthebackgroundofthericeimage:I=imread('rice.tif');blocks=blkproc(I,[3232],'min(x(:))');background=imresize(blocks,[256256],'bilinear');Ip=imsubtract(I,background);imshow(Ip,[])基于像素的图像操作：减法45计算物体边界的梯度在一个图像内，寻找边缘时，梯度幅度（描绘变化陡峭程度的量）的近似计算

|Vf(x,y)|=max(f(x,y)–f(x+1,y),f(x,y)–f(x,y+1))

基于像素的图像操作：减法46乘法的定义C(x,y)=A(x,y)*B(x,y)

主要应用举例乘以常数，增加其平均灰度级；图像的局部显示；用二值模板图像与原图像做乘法，更为广泛的模板操作。除法简单地定义为一幅取反图像后与另一幅图像相乘。Matlab函数：immultiply(I,J)

：两幅图像相乘，或在一幅图像乘以常数基于像素的图像操作：乘法47%Example%Multiplytwouint8imageswiththe%resultstoredinauint16image:

I=imread(‘girl256bw.jpg');I16=uint16(I);J=imread('testpat1.jpg');J16=uint16(J);K=immultiply(I16,J16);imshow(I),figure,imshow(K)基于像素的图像操作：乘法48像素逻辑操作：仅用于二值图像掩蔽，获得外形和形状分析。非(NOT)或(OR)与(AND)异或(NOR)基于像素的图像操作49求反的定义(对于8bit灰度图像)

g(x,y)=255-f(x,y)

g(x,y)=L-1-f(x,y)主要应用举例获得一个子图像的补图像Matlab函数：imcomplement(I)基于像素的图像操作50获得一个子图像的补图像基于像素的图像操作%%imcomplement对图像求补clcclearbw=imread('lotus256.jpg');bw2=imcomplement(bw);subplot(2,1,1),imshow(bw)subplot(2,1,2),imshow(bw2)51异或运算的定义g(x,y)=f(x,y)h(x,y)主要应用举例获得相交子图像=基于像素的图像操作11000010101152或运算的定义

g(x,y)=f(x,y)+h(x,y)主要应用举例：模板合并子图像提取子图像+=基于像素的图像操作53与运算的定义

g(x,y)=f(x,y).h(x,y)主要应用举例：模板求两个子图像的相交子图提取子图像.=基于像素的图像操作54第二章数字图像基础本章内容人眼的视觉特性基于亮度的视觉模型图像的感知和获取图像的取样和量化图像质量和种类（*）像素间的操作图像文件的存储格式（*）55数字图像的存储格式在计算机中，数据是以文件的形式存放在存储器中的，图像数据也不例外。图像文件是采用特定数据结构表示图像数据的文件，这种特定格式，就是该图像文件的格式。现在已有几十种常用的图像文件格式，它们是由计算机软件技术公司、计算机设备制造厂商等研究制订的，主要目的是为了图像信息交换和操作的方便性。56数字图像的存储格式图像文件一般由文件头、色度数据和像素数据三部分组成文件头文件头用于存放图像的特征参数及其存放位置和文字注解等。它有：固定格式：如

PCX、BMP等，它们存储规定的参数，且数据在文件中的存放位置是固定的；及灵活格式：如

TIF文件格式，文件中除了规定的参数外，还可自行定义特征参数，数据在文件中的存放位置也不固定，且同一文件中可存放多幅图像。色度数据色调数据是指16色和256色彩色显示模式下的调色板数据，真彩色图像则不需要色调数据。有些图像文件格式中色调数据放在文件头中。像素数据像素数据以位图的形式存放，有压缩、不压缩之分，压缩数据可以节省存储容量，但在存取时需进行压缩和解压缩处理，处理速度稍慢些。不压缩的像素数据在不同格式的图像文件中的存储结构基本相同，与显示存储器中的存放形式相似。常用的压缩方法为行程编码、霍夫曼编码和LZW压缩编码等。/dev/format/57数字图像的存储格式58数字图像的存储格式文件注释相机厂商Canon

型号CanonPowerShotG10

方向左上

X分辨率240/1Y分辨率240/1

分辨率单位英寸软件DigitalPhotoProfessional

日期/时间2010-7-280:10:28图像图像描述艺术家版权曝光时间1/250sF-值f/8ISO速率ISO80

原始日期/时间2010-8-1010:51:38

数字化日期/时间2010-8-1010:51:38

快门速度值1/250s

光圈值f/8

曝光补偿值-0.33eV

最大光圈f/2.8

焦距6.1mm

用户备注时间子秒0

原始时间子秒0

数字化时间子秒0

颜色空间未校准像素X尺寸1000

像素Y尺寸735

焦平面X分辨率1600000/292

焦平面Y分辨率1200000/219

焦平面分辨单位英寸自定义渲染标准处理曝光模式手工曝光白平衡手工白平衡数字变焦比1

场景拍摄类型标准杂项文件来源DSCEXIF（Exchangeableimagefilefor