《数字图像处理（第4版）》课件 第02章 图像处理基本知识

Slide1第2章图像处理基本知识Slide2内容提要

人类视觉与色度学基础图像的表示方法基本的图像处理系统图像的基本统计特征MATLAB图像处理工具箱Photoshop等图像处理软件和开发工具Slide3知识要点人类颜色视觉和色度学知识。灰度图像和彩色图像的描述方法，重点讨论灰度静止图像。典型的数字图像处理系统。图像的基本统计特征。MATLAB图像处理工具箱、Photoshop等图像处理软件入门初步。Slide42.1

人类视觉与色度学基础为什么要研究人类的视觉系统？为了实现图像处理系统的有效性和经济性，图像信息处理系统方案的设计与信源和信宿的特性密切相关。信源可追溯到处理前的原始光学图像，信宿最终为处理后图像信息的接收者－－人类的视觉系统（HumanVisualSystem，HVS）。色度学人类色觉的产生是一个复杂的过程。除了光源对眼睛的刺激，还需要人脑对光刺激的解释。人感受到的物体颜色主要取决于反射光的特性。如果物体比较均衡地反射各种光谱，则看起来是白的。如果物体对某些光谱反射得较多，则看起来物体就呈现相对应的颜色。色度学：进行图像的彩色分析，建立的研究彩色计量的学科。Slide5Slide6两种感光细胞视觉系统中存在着杆状和锥状细胞两种感光细胞。杆状细胞为暗视器官锥状细胞是明视器官，在照度足够高时起作用，并能分辨颜色。锥状细胞大致将电磁光谱的可见部分分为三个波段：红、绿、蓝。这三种颜色被称为三基色2.1.1人眼的结构与功能眼睛是人类最重要和敏感的感官，也是接受图像信息的信宿。人类具有视力是来自外界景物的光线、眼睛和大脑共同作用的结果。人眼看物基于凸透镜成像原理，角膜、晶状体的共同作用相当于一个凸透镜。视网膜（retina）则相当于一个光屏。人眼将这些视觉形象信息转变成视神经（opticnerve）信号，传送给大脑。Slide7图2.1人眼结构简图

图2.2眼底Slide8视网膜视网膜感觉层主要含有两种重要的光感受器细胞，是接受、转变光刺激的神经上皮细胞：锥状细胞：分布于视轴与视网膜交点的黄斑区内，形成中心视力。既能分辨光的强弱，又具有辨色作用。白天的视觉过程主要由它完成，称为白昼视觉或明视觉。杆状细胞：对低照度的物体产生的弱光敏感，但分辨细节的能力差。夜晚的视觉过程主要由杆细胞来完成，又称为夜视觉或暗视觉。Slide92.1.2

人类的基本视觉特性锥状细胞大致将电磁光谱的可见部分分为三个波段：红、绿、蓝。锥状细胞中大约：65%对红光敏感33%对绿光敏感只有2%对蓝光敏感。这三种颜色被称为：三基色。图2.3所示为人类视觉系统三类锥状细胞的光谱敏感曲线。Slide10Slide11图2.3人类视觉系统三类锥状细胞的光谱敏感曲线Slide12

人类视觉对颜色的主观感觉颜色的三种主观感觉：色调、色饱和度和亮度。色调（hue）从一个物体反射过来的或透过物体的光波长是由颜色种类来辨别的，如红、橙、绿。色饱和度（saturation）即色纯度，指颜色的深浅例如：深红和浅红。亮度（brightness）颜色的明暗程度，从黑到白，主要受光源强弱影响。人眼分辨力人眼分辨景物细节的能力可用空间分辨率来描述：以黑白图案进行测试，当平面上两个黑点相互靠近到一定程度d时，离开一定距离L的观察者将无法区分两个黑点。这个极限值一般用视角θ表示。

（2.1）Slide13Slide14

2.1.3三基色原理由三基色混配各种颜色通常有两种方法：相加混色法。彩色电视机上的颜色。相减混色法。彩色电影、幻灯片、绘画原料相加混色和相减混色的主要区别：（1）相加法是由发光体发出的光相加而产生的各种颜色，而相减法是先有白色光，然后从中减去某些成份（吸收）得到各种颜色。（2）相加混色的三基色是红、绿、蓝，而相减混色的三基色是黄、青、品红。相加混色的补色就是相减混色的基色。（3）相加混色和相减混色有不同的规律。Slide15Grassman定律视觉对颜色的响应取决于红、绿、蓝三输入量的代数和。（1）所有颜色都可以用相互独立的三基色混合得到；（2）假如三基色的混合比相等，则色调和色饱和度也相等；（3）任意两种颜色相混合产生的新颜色与采用三基色分别合成这两种颜色的各自成份混合起来得到的结果相等；（4）混合色的光亮度是原来各分量光亮度的总和。Slide16

颜色向量C的计算CIE的R、G、B颜色表示系统。选择标准红色，绿色和蓝色三种单色光作为表色系统的三基色。颜色向量C红（R）、绿（G）、蓝（B）三刺激值所构成的（R，G，B）向量的和构成。

C=RR0+GG0+BB0

（2.1）R、G、B为C的三刺激值（tristimulusvalues）（R0，G0，B0）称为原刺激值，是单位向量。Slide17图2.2颜色的向量表示与光谱三刺激值

（a）颜色的向量表示（b）光谱三刺激值Slide18

2.1.4光度学基本知识光度学光学中研究光的辐射、吸收、照射、反射、散射、漫射等度量的学科同时结合视觉特征来确定光的度量及吸收的单位。在可见光谱段以外的景物图像可用类似的方法。可见光谱段以外所形成的图像，其处理的各个过程也常常要变换成人眼可以观察的图像例如热成像、X光照片等Slide19光度学中的基本概念1.光通量2.发光强度3.视敏度4.亮度亮度是发光面的明亮程度的度量，它决定于单位面积的发光强度，单位为cd/m2。5.照度照度指照射在单位面积上的光通量，单位为勒（lx）。Slide202.2连续图像的数学描述1991年E.H.Adelson提出了七维全光函数

L(Vx,Vy,Vz,θ,ϕ,λ,t)记录场景的全部视觉信息）。各个分量的含义是从观察者的位置和角度进行定义的。其中Vx、Vy、Vz代表视点即观察者的空间位置，θ、ϕ

代表场景点相对于视点的角度，λ代表所采集光线的波长，t代表对光线进行捕获的时刻。七维全光函数包含的数据规模过于庞大，通过引入“计算”的手段以实现高维信息的采集与捕获是计算摄影学（ComputationalPhotography）的重要任务。图2.6高维场景信息的示意图Slide213D动态图像一幅图像可以被看作是空间各点光强度的集合。对于三维图像，可以把光强度I看作是随空间坐标（x,y,z）、光线波长

和时间t变化的连续函数：

I=f(x,y,z,

,t)(2.3)Slide223D静态图像把三维静态彩色图像光强度I视为随空间坐标(x,y,z)、光线波长λ的连续函数，数学表达式为

I

=f(x,y,z,λ)

（2.4）此类图像典型的表现形式是采用激光全息照相技术拍摄的立体彩色照片。全息照相术（holography）荣获1971年诺贝尔物理学奖。Slide232D动态彩色图像对于二维图像而言，可以简单地把光强度I视为随空间坐标(x,y)、光线波长

和时间t变化的连续函数，其数学表达式为

I

=f(x,y,λ,t)

（2.5）应用举例：彩色电影彩色电视手机视频Slide24Slide252D灰度图像如果只考虑光的能量而不考虑其波长

图像在视觉上表现为动态灰色影像：

I=f(x,y,t)

（2.6）静止灰度图像：

I=f(x,y)

（2.7）

图2.7灰度图像的三维图示Slide26Slide27连续图像=》数字图像一般地，一个完整的图像处理系统输入和显示的都是便于人眼观察的连续图像（模拟图像）。为便于数字存储和计算机处理可以通过数模转换（A/D）将连续图像变为数字图像。Slide282.3基本的图像处理系统图像处理系统包括图像处理硬件和图像处理软件。1.3.1图像处理硬件微机图像处理硬件系统主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。软件系统包括操作系统、控制软件及应用软件等。Slide29图2.8基本的数字图像处理系统Slide30较完整的数字图像处理系统结构框图：由输入设备、成像显示记录设备、数字图像处理核心、交互控制单元等组成。1图像输入设备完成将模拟光学图像转换成模拟电图像的过程。数字化图像输入设备还进一步将模拟电图像进行数字化以便于存储介质存储和计算机处理。Slide312.图像存储器为了适应图像的大数据量要求，输入图像、输出图像以及中间结果图像必须用大容量存储介质进行存储。3.主机用于图像处理的计算机。4．显示器及图像输出设备Slide32图2.9数字图像处理系统结构图Slide33图像采集卡、显示卡、高速图像处理卡等。（1）图像采集卡（2）高速图像处理卡（3）显示卡Slide34图2.10基于DSP的高速图像处理卡结构图Slide35图2.11VGA显卡的原理框图GPU（GraphicsProcessingUnit）显卡的一个核心部件，是区分显卡性能的最主要元件。如果是集成显卡，一般GPU就和CPU集成在一起了，这时候它和CPU共用一个风扇和缓存。GPU主要是用于大量的并行重复计算，其计算执行能力很强。关于图像图形处理以及如机器学习算法等方面的大型矩阵运算，GPU就能大显身手。GPU计算正在加速着深度学习革命。

Slide36Slide372.3.2图像处理软件系统的层次结构图2.12图像处理软件Slide381.图像设备驱动程序2.操作系统：（1）IBMPC及兼容机一般使用MicrosoftWindows操作系统。（2）AppleMacintosh机一般使用MacOSX操作系统。（3）图形工作站典型使用UNIX或XWINDOWS操作系统。3．图像处理开发工具（1）VC++面向对象可视化集成工具（2）MATLAB的图像处理工具箱（3）Python图像处理（4）图像应用软件：Photoshop、CorelDRAW、ACDSeeSlide392.4图像的统计特征

（1）图像的大小（size）。（2）图像的灰度平均值（mean）。（3）协方差矩阵（covariancematrix）。

（2.8）

（2.9）