第二章-图像视觉基础

第2章图像和视觉基础网络与通信工程系第2页第2章图像与视觉基础第2章图像和视觉基础2.1 视觉原理2.2 光度学和亮度视觉2.3 图像感知与获取2.4 图像采样和量化2.5 像素空间的关系2.6 图像的运算2.7 BMP图像文件第3页第2章图像与视觉基础2.1视觉原理视觉过程包括:光学过程;化学过程;神经处理过程光学过程物体在视网膜上成像第4页第2章图像与视觉基础2.1视觉原理化学过程接受光的能量并形成视觉图案（确定成像的亮度或颜色）锥细胞和柱细胞（视网膜表面）（1）锥细胞：数量少，对颜色很敏感锥细胞视觉：明视觉或亮光视觉（2）柱细胞：数量多，分辨率比较低；不感受 颜色并对低照度较敏感柱细胞视觉：暗视觉或微光视觉第5页第2章图像与视觉基础2.1视觉原理神经处理过程对光的感觉转换为对景物的知觉每个视网膜接收单元都与一个神经元细胞借助突触（synapse）相连每个神经元细胞借助其它的突触与其它细胞连接，从而构成光神经（opticalnerve）网络光神经进一步与大脑中的侧区域(sideregionofthebrain)连接，并到达大脑中的纹状皮层(striatedcortex）对光刺激产生的响应经过一系列处理最终形成关于场景的表象，从而将对光的感觉转化为对景物的知觉第6页第2章图像与视觉基础2.1视觉原理整体视觉过程视觉＝“视”＋“觉”第7页第2章图像与视觉基础第2章数字图像基础2.1 视觉原理2.2 光度学和亮度视觉2.3 图像感知与获取2.4 图像采样和量化2.5 像素空间的关系2.6 图像的运算2.7 BMP图像文件第8页第2章图像与视觉基础2.2光度学和亮度视觉辐射度量学研究各种电磁辐射强弱的学科光是一种电磁辐射光度学研究光的强弱的学科光辐射的功率或光辐射量：光通量光通量的单位：lm（流明）第9页第2章图像与视觉基础2.2光度学和亮度视觉点光源线度足够小，或距离观察者足够远发光强度I：点光源沿某个方向上单位立体角d内发出的光通量dΦ单位：cd（坎）1cd=1lm/sr(球面度)第10页第2章图像与视觉基础2.2光度学和亮度视觉亮度（brightness/lumiance）单位投影面积上的发光强度单位：cd/m2照度（illumination）一个被光线照射的表面上的照度定义为照射在单位面积上的光通量。设面元dS上的光通量为dΦ

，则此面元上的照度E为：

单位：lx（勒[克斯]），1lx=1lm/m2说明照度：是光源对物体辐射的一种量度{表2.3.2}亮度：观察者对物体表面光强的量度{表2.3.1}第11页第2章图像与视觉基础2.2光度学和亮度视觉第12页第2章图像与视觉基础2.2光度学和亮度视觉第13页第2章图像与视觉基础2.2光度学和亮度视觉成像模型2-D亮度函数：f(x,y)亮度是能量的量度，一定不为零且为有限值光辐射形成物体上能量分布：两部分

(1)入射到可见场景上的光量：照度成分i(x,y)(2)场景中目标对入射光的反射比率：反射成分r(x,y)第14页第2章图像与视觉基础2.2光度学和亮度视觉图像成像模型f(x,y)与i(x,y)和r(x,y)都成正比i(x,y)的值是由光源决定的r(x,y)的值是由场景中的目标特性所决定的

{典型值：黑天鹅绒0.01;不绣钢0.65;

粉刷的白墙平面0.80;白雪0.93}第15页第2章图像与视觉基础第2章数字图像基础2.1 视觉原理2.2 光度学和亮度视觉2.3 图像感知与获取2.4 图像采样和量化2.5 像素空间的关系2.6 图像的运算2.7 BMP图像文件第16页第2章图像与视觉基础2.3图像感知与获取图像数字化将代表图像的连续(模拟)信号转换为离散(数字)信号的过程称为图像数字化步骤：采样和量化主要技术成像：光信息－>电信号模数转换（A/DConverter）数字化（采集）设备基于图像采集卡或图像卡（扫描仪）本身带有数字化部件（数码相机）第17页第2章图像与视觉基础2.3图像感知与获取关键部件：固体成像设备电荷耦合器件CCD(ChargeCoupledDevices)利用电荷存储、传送和读取方式进行工作特点：精确、尺寸小、灵敏度高、分辨率高主要设备：摄象机、扫描仪、数码相机互补型金属氧化物半导体CMOS(ComplementaryMetal-Oxide-SemiconductorTransistor)特点：集成性好，体积更小主要设备：可摄像手机电荷注射器件CID(Charge-injectionDevices)对光的灵敏度低，随机访问像素第18页第2章图像与视觉基础第2章数字图像基础2.1 视觉原理2.2 光度学和亮度视觉2.3 图像感知与获取2.4 图像采样和量化2.5 像素空间的关系2.6 图像的运算2.7 BMP图像文件第19页第2章图像与视觉基础2.4 图像采样和量化实例：数字化过程第20页第2章图像与视觉基础2.4 图像采样和量化采样（Sampling）空间坐标的离散化称为空间采样，简称采样，确定了图像的空间分辨率即用空间上部分点的灰度值代表图像。这些点称为采样点两种方式点阵采样：直接对表示图像的二维函数值进行采样，所得的结果就是一个样点值序列正交系数采样：先将图像函数进行某种正交变换，用其变换系数作为采样值第21页第2章图像与视觉基础2.4 图像采样和量化量化（Quantization）对采样点亮度（灰度）值的离散化过程。确定了图像的灰（幅）度分辨率两种量化：均匀量化、非均匀量化均匀量化:将样点灰度级值等间隔分档取整，称为均匀量化非均匀量化:将样点灰度级值不等间隔分档取整采样和量化的级数假定图像取M×N个采样点，对样点值进行G级分档取整

M,N,G

一般取2的整数次幂M=2m；N=2n；G=2k第22页第2章图像与视觉基础2.4 图像采样和量化第23页第2章图像与视觉基础2.4 图像采样和量化数字图像表示函数：2-D数组f(x,y)矩阵矢量元素f(x,y)

称为像素(Pixel)第24页第2章图像与视觉基础2.4 图像采样和量化可视方式像素区域中心像素区域幅度（灰度）值第25页第2章图像与视觉基础2.4 图像采样和量化图像质量指标：对比度、亮度和饱和度对比度：是指一幅图像中灰度反差的大小第26页第2章图像与视觉基础2.4 图像采样和量化图像质量（续）亮度亮度是指颜色的明暗程度明度越高色彩越鲜亮

饱和度色饱和度表示光线的彩色深浅度或鲜艳度，取决于彩色中的白色光含量，白光含量越高，即彩色光含量就越低，色彩饱和度即越低，反之亦然第27页第2章图像与视觉基础2.4 图像采样和量化空间分辨率和灰（幅）度分辨率数字图像

图像（水平）尺寸M：图像（垂直）尺寸N：像素灰度级数G(k-bit)：图像所需的位数b：第28页第2章图像与视觉基础2.4 图像采样和量化例如：存储1幅3232，16个灰度级的图需要4,096bit存储1幅128128，64个灰度级的图需要98,304bit存储1幅512512，256个灰度级的图需要2,097,152bit

第29页第2章图像与视觉基础2.4 图像采样和量化空间分辨率变化所产生的效果(a)512×512(b)256×256(c)128×128(d)64×64(e)32×32(f)16×16图像质量随N的增加而增加第30页第2章图像与视觉基础2.4 图像采样和量化图像灰度分辨率变化所产生的效果(a)256(b)64(c)16(d)8(e)4(f)2图像质量随G(k)的增加而增加第31页第2章图像与视觉基础2.4 图像采样和量化空间和灰度分辨率同时变化(a)256×256，128(b)181×181，64(c)128×128，32(d)90×90，16(e)64×64，8(f)45×45，4第32页第2章图像与视觉基础第2章数字图像基础2.1 视觉原理2.2 光度学和亮度视觉2.3 图像感知与获取2.4 图像采样和量化2.5 像素空间的关系2.6

图像的运算2.7 BMP图像文件第33页第2章图像与视觉基础2.5像素空间的关系2.5.1像素的邻域与连接2.5.2连通性2.5.3距离度量

图像由像素组成，像素在图像空间上按规律排列，相互之间有一定的联系第34页第2章图像与视觉基础2.5.1像素间联系像素的邻域－邻接关系4邻域——N4(p)：

p(x,y):(x+1,y);(x-1,y)(x,y+1);(x,y-1)对角邻域——ND(p):

p(x,y):(x-1,y-1);(x+1,y-1)(x-1,y+1);(x+1,y+1)8-邻域——N8(p)：注意：边缘像素的邻域第35页第2章图像与视觉基础2.5.1像素间联系连接(connectivity)邻接仅考虑像素间的空间关系连接：空间上邻接且像素灰度值相似两个像素是否连接：

(1)是否接触（邻接）

(2)灰度值是否满足某个特定的相似准则

.灰度值相等或

.同在一个灰度值集合中第36页第2章图像与视觉基础2.5.1像素间联系三种连接：假设V为灰度值集合（1)4－连接2个像素p和r

在V中取值且r

在N4(p)中

(2)8－连接2个像素p

和r在V

中取值且r

在N8(p)中第37页第2章图像与视觉基础2.5.1像素间联系例子：V={1}011010001011010001011010001(a)(b)stst如何保证像素s

到t

间存在一条不含回路的通路？st4－连接8－连接第38页第2章图像与视觉基础2.5.1像素间联系(3)m-连接（混合连接）2个像素p

和r

在V

中取值，且满足下列条件之一

①r

在N4(p)中②r在ND(p)中且集合N4(p)∩N4(r)是空集（这个集合是由p和r的在V中取值的4-连接像素组成的）假设V＝{1}实质：当像素间同时存在4-连接和8-连接时，优先采用4-连接，屏蔽两个和同一像素间存在4-连接的像素之间的8-连接第39页第2章图像与视觉基础2.5.2连通性像素的连通反映两个像素间的空间关系（1）通路

像素p(x,y)到像素q(s,t)的一条通路由一系列具有坐标(x0,y0),(x1,y1),…,(xi,yi),…,(xn,yn)的独立像素组成。这里

(x,y)=(x0,y0),(xn,yn)=(s,t),且

(xi,yi)与

(xi-1,yi-1)邻接。其中1≤i≤n，n为通路长度通路种类：4-通路；8-通路011010001pq第40页第2章图像与视觉基础2.5.2连通性像素的连通（续）(2)连通：通路上的所有像素灰度值满足相似准则即：(xi,yi)与

(xi-1,yi-1)连接种类：4-连通；8-连通；m-连通实例：像素s和t间（右图）4-连通：不存在8-连通：两条m-连通：1条011010001st第41页第2章图像与视觉基础2.5.3距离度量距离定义：对于像素p,q和z,分别具有坐标(x,y),(s,t),(u,v),如果：

(a)D(p,q)≥0[D(p,q)=0,当且仅当p=q](b)D(p,q)=D(q,p)(c)D(p,z)≤D(p,q)+D(q,z)则D是距离函数或度量第42页第2章图像与视觉基础2.5.3距离度量欧氏距离De定义距点(x,y)的De距离小于或等于某一值r的像素形成一个中心在(x,y)的半径为r的圆平面第43页第2章图像与视觉基础2.5.3距离度量D4距离（城市距离）定义距点(x,y)的D4距离小于或等于某一值r的像素形成一个中心在(x,y)的菱形D4＝1的像素是(x,y)的N4第44页第2章图像与视觉基础2.5.3距离度量D8距离（棋盘距离）定义距点(x,y)的D8距离小于或等于某一值r的像素形成一个中心在(x,y)的正方形D8＝1的像素是(x,y)的N8第45页第2章图像与视觉基础2.5.3距离度量注意D距离与像素的点坐标相关与像素间的连通性无关D4和D8距离可以看作是通路上连接的数目最小值考虑连通性D距离为通路上的最少连接数D4、D8和Dm如果像素p和q间无连接，则距离是无穷大以后的距离隐含连通性第46页第2章图像与视觉基础2.5.3距离度量例子：已知p=q=1，计算p，q间的D4，D8和Dmtqs1P第47页第2章图像与视觉基础第2章数字图像基础2.1 视觉原理2.2 光度学和亮度视觉2.3 图像感知与获取2.4 图像采样和量化2.5 像素空间的关系2.6 图像的运算2.7 BMP图像文件第48页第2章图像与视觉基础2.6图像的运算算术运算：加法定义：C(x,y)=A(x,y)+B(x,y)主要应用去除“叠加性”噪音生成图像叠加效果去除“叠加性”噪音

对于原图像f(x，y)，有一个噪音图像集

{gi(x,y)}i=1,2,...M

其中：gi(x,y)=f(x,y)+h(x,y)iM个图像的均值定义为：g(x,y)=(g0(x,y)+g1(x,y)+…+gM(x,y))/M当：噪音h(x，y)i为互不相关，且均值为0时，上述图像均值将降低噪音的影响。第49页第2章图像与视觉基础2.6图像的运算算术运算：加法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幅图像的衔接+=第50页第2章图像与视觉基础2.6图像的运算算术运算：减法定义:

C(x,y)=A(x,y)-B(x,y)主要应用去除不需要的叠加性图案检测同一场景两幅图像之间的变化计算物体边界的梯度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。第51页第2章图像与视觉基础2.6图像的运算算术运算：减法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)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))

第52页第2章图像与视觉基础2.6图像的运算算术运算：乘法定义：C(x,y)=A(x,y)*B(x,y)主要应用图像的局部显示用二值mask图像与原图像做乘法第53页第2章图像与视觉基础2.6图像的运算逻辑运算:求反定义：g(x,y)=255-f(x,y)主要应用举例获得一个反图像获得一个子图像的补图像第54页第2章图像与视觉基础2.6图像的运算逻辑运算:异或定义：g(x,y)=f(x,y)

h(x,y)主要应用举例获得相交子图像=第55页第2章图像与视觉基础2.6图像的运算逻辑运算:或运算定义：

g(x,y)=f(x,y)vh(x,y)主要应用合并子图像=第56页第2章图像与视觉基础2.6图像的运算逻辑运算:与运算定义:

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

h(x,y)主要应用求两个子图像的相交子图=第57页第2章图像与视觉基础第2章数字图像基础2.1 视觉原理2.2 光度学和亮度视觉2.3 图像感知与获取2.4 图像采样和量化2.5 像素空间的关系2.6 图像的运算2.7

图像文件第58页第2章图像与视觉基础图像存储文件

矢量图（graphic）：矢量图像是用数学的方法记录图像，不具体存储图像数据的每一点，而是保存节点的位置和曲线、颜色的算法等。如一个圆形图案只存储圆心的坐标位置和半径长度，以及圆形边线和内部的颜色；点、线、多边形等基本“图元”进行相应组合而得到的图像；不会随图像尺寸的改变而改变，也不存在采样分辨率的问题，只与显示的尺寸和显示分辨率有关第59页第2章图像与视觉基础矢量图

优点：旋转，放大，缩小，倾斜等变换操作容易，且不会变形；文件体积小；适合网络传播缺点：不易制作色调丰富或色彩变化太多的图像，而且绘出来的图像不是很逼真；不易在不同的软件间使用；经常耗费大量的CPU时间做一些复杂的分析计算工作，显示速度较慢；适合存储各种图表和工程设计图第60页第2章图像与视觉基础位图（image）

对于复杂的图像，很难用数学方法对其进行描述，比如一幅照片，这时就使用记录每一个离散点的颜色的方法（采样、量化、编码）来描述图像，这种图像叫位图图像（bitmapimages）。位图图像把一幅图分成许许多多的像素，每个像素用若干个二进制位来表示该像素的颜色和亮度；（汉字字形码）特点：文件体积大；但色彩丰富逼真；第61页第2章图像与视觉基础

位图的获取通常用扫描仪、数字照相机、摄像机、录像机、与视频信号数字化卡等设备，通过这些设备把模拟的图像信号变成数字图像信号。总之，位图是记录每个像素的颜色值，再把这些像素点组合成一幅图像；适合于内容复杂的图像和真实的照片；第62页第2章图像与视觉基础说明BMP图像文件格式是Windows所采用的图像文件格式，几乎所有的Windows上的应用软件都支持这种图像文件BMP文件结构可以分成文件信息、图像信息、调色板数据和图像数据四个部分。文件信息图像信息调色板数据图像数据第63页第2章图像与视觉基础文件信息偏移(字节)长度（字节）名称描述02bfTypeASCII码“BM”，BMP文件标记24bfSize文件长度，以字节为单位62bfReserved082bfReserved0104bfOffbits图像数据开始偏移量（相对头）第64页第2章图像与视觉基础图像信息偏移长度名称描述

144biSize

头的大小，40字节

184biWidth

图像宽度（像素）

224biHeight

图像高度

262biPlanes

图像位平面数目，1282biBitCount

像素位数目：1，4，8，24304biCompressin

压缩类型0(不压缩),1(BI_RLE8),2(BI_RLE4)344biSizeImage

压缩图像大小

384biXPelsPerMeter水平分辨率(每米像素数)424biYPelsPerMeter垂直分辨率(每米像素数)464biClrUsed

彩色数目(实际使用色彩数目,若为0，则由位数定)504biClrImportant“重要颜色”数目(为０，表示调色板内所有的颜色都 是重要的

)第65页第2章图像与视觉基础调色板数据调色板数据紧接在图像信息之后，用于说明位图的颜色，它有若干个表项，每个表项是4个域组成的结构体，确定了一种颜色组成BYTErgbBlue;蓝色的亮度值。此值0～255BYTErgbGreen;绿色的亮度值。此值0～255BYTErgbRed;红色的亮度值。此值0～255BYTErgbReserved;此值必须0调色板中表项的个数由图像所使用的颜色数决定第66页第2章图像与视觉基础调色板数据若不是真彩色图像，表项的个数与图像使用的颜色数相同，每个表项对应了一种颜色若图像为真彩色，每个像素所占的位数biBitCount=24，则图像数据的每3个字节代表一个像素，这3个字节分别定义了像素颜色中蓝、绿、红的亮度，因而就省去了调色板。第67页第2章图像与视觉基础图像数据图像数据也叫位图阵列，它记录了图像的每一个像素值，在生成图像文件时，Windows从图像的左下角开始(从左到右，从下到上)逐行扫描图像，将图像的像素值一一记录下来，这些记录像素的字节组成了图像数据（位图阵列）。图像的宽度（以字节为单位）必须是4的倍数，倘若不到4的倍数则必须要用0补足。虽然BMP的图像数据有BI_RLE8及BI_RLE4两种压缩格式，但是使用的人却极少，几乎所有的BMP档都是采用没有压缩的格式来储存图像数据第68页第2章图像与视觉基础2.8光度学光度学：定量描述可见光波能量引起的主观亮度（感知明亮度）。一、视见函数（）：描述视网膜在光能量刺激下对不同波长光线的敏感性。即人眼光谱响应的特性。

（）采用间接比较法测量获得，等价于传感器函数；二、主观视觉强度（亮度）

F（x,y,t）=∫c（x,y,t,）（）d

图像是一个2D亮度函数。第69页第2章图像与视觉基础图像的颜色模型

为了科学地定量描述和使用颜色，人们提出了各种颜色模型。目前常用的颜色模型按用途可分为三类：一类面向诸如视频监视器、彩色摄像机或打印机之类的硬件设备；面向硬件设备的最常用彩色模型是RGB模型；一类面向以彩色处理为目的的应用，如动画中的彩色图形，面向彩色处理的最常用模型是HIS模型；此外，在印刷工业上和电视信号传输中，经常使用CMYK和YUV色彩系统；第70页第2章图像与视觉基础黑白模型：图像只包含黑白两种颜色信息，一个像素点只需要一个二进制位来记录，占用存储空间较少。灰度模型：图像除了包含黑白两种颜色外，还包含黑与白之间不同深度的灰色，这样一个像素就要用多个二进制位来记录，如用8个二进制位记录一个像素的颜色信息，则可产生256种不同的灰度；第71页第2章图像与视觉基础2.9色度学

色度学是定量测量彩色的科学。彩色与（1）照明源的辐射能量的分布（2）观察者的视觉感觉有关；彩色的心理感觉：主观亮度Brightness、色调Hue、饱和度Saturation一、三基色学说

R、G、B三基色可组成任何色彩；国际照明技术委员会CIE规定：R的波长是700nm;G的波长是546.1nm；B的波长是435.8nm；第72页第2章图像与视觉基础

二、三刺激理论1.加性彩色系统(RGB分别用8Bit表示时，有16777216种颜色)

三基色逐步相加，RGB从(0,0,0)-(255,255,255)即从黑色（0,0,0）到白色（255,255,255）共计224次幂种颜色。适合于计算机处理。

第73页第2章图像与视觉基础RGB颜色模型

自然界的所有颜色都可以通过这三基色按不同比例混合而成。第74页第2章图像与视觉基础RGB颜色模型R:200G:50B:120黄(255,255,0)黑(0,0,0)绿(0,255,0)青(0,255,255)蓝(0,0,255)品红(255,0,255)白(255,255,255)红(255,0,0)第75页第2章图像与视觉基础CMYK颜色模型

2.减性彩色系统（CMYK减色法）白色相继通过青色Cyan、品红Magenta和黄色Yellow滤色器后所出现的彩色；三种CMY未经滤色镜时是黑色（K），全部过滤掉后呈白色在理论上说，任何一种颜色都可以用青色（Cyan）、品红（Magenta）和黄色（Yellow）三种基本颜料按一定比例混合得到，通常写成CMY，称为CMY模型由于彩色墨水和颜料的化学特性，用等量的三种基本颜色得到的黑色不是真正的黑色，因此在印刷术中常加一种真正的黑色（Blackink）彩色打印机、印刷彩色图片，采用四种色板实现彩色印刷。第76页第2章图像与视觉基础HSB颜色模型

这种彩色系统格式的设计反映了人类观察彩色的方式。如：红色又分为浅红和深红色等等。1)色调Hue:光线所呈现的颜色，如红、绿、黄…2)饱和度Saturation:指色彩的浓淡程度3)亮度Brightness:指由于彩色刺激而使人眼感觉到的明暗程度第77页第2章图像与视觉基础HSB颜色模型第78页第2章图像与视觉基础YUV模型

彩色电视信号传输时，将R,G,B改成亮度信号和色度信号。PAL制式将RGB三色信号改组成Y、U、V信号，其中Y信号表示亮度，U、V信号是色差信号第79页第2章图像与视觉基础Lab模式图像颜色由亮度或光亮度分量L和a，b两个色度分量组成；

L表示亮度（Lightness）、范围0-100；

a是由绿到红的光谱变化，-120-120；

b是由蓝到黄的光谱变化，-120-120Lab模式色彩范围最广，采用数字方式，通用性强；可以方便地转换成其它模式；

Lab颜色与设备无关，无论使用何种设备（如显示器、打印机、计算机或扫描仪）创建或输出图像，这种模型都能生成一致的颜色第80页第2章图像与视觉基础第81页第2章图像与视觉基础2.10视觉模型1、视觉现象

一、同时对比度

在相同亮度的刺激下,由于背景亮度不同,人眼所感受到的主观亮度不同，这种效应称为同时对比度。 由于同时对比是由亮度差别引起的，故也称为亮度对比。第82页第2章图像与视觉基础第83页第2章图像与视觉基础第84页第2章图像与视觉基础第85页第2章图像与视觉基础相对应的还有色度对比：红色背景下的灰色物体显绿色第86页第2章图像与视觉基础二、对比灵敏度在均匀照度背景I上，有一照度为I+△I的光斑，称眼睛刚好能分辨出的照度差△I与I的比（△I/I）为对比灵敏度；由于背景亮度I增大，△I也需要增大，因此在相当宽的强度范围内，对比灵敏度是一个常数，约等于0.02，这个比值称为韦伯比（Weber比）。亮度很强（弱）时不为常数。第87页第2章图像与视觉基础三、分辨率人眼刚好能够鉴别空间上或时间上二相邻视觉信号存在的能力称为系统的分辨率。用刚能分辨黑白线对数(1mm内)来定义分辨率。分辨率可用视觉锐度（空间域）、调制传递函数（频率域）来测度。视觉锐度：能够鉴别最小空间模式的一种测度，用试验模式的视角的倒数来定义锐度，以分为单位。调制传递函数（MTF）：定义为频域中输出频谱函数的绝对值与输入频谱函数的绝对值之比。方法是输入沿水平方向按正弦方式变化的线栅，一张正弦光栅作为参考图，对比度和空间频率固定，另一张可变，作为测试图，让观察者在一定距离处看这两张正弦光栅。反复测试不同频率，达到视觉的MTF。MTF具有带通滤波特性。第88页第2章图像与视觉基础四、Mach带

在亮度变化部位附近的暗区和亮区中分别存在一条更黑和更亮的条带，称之为“马赫带”。

同时对比度是面积亮度差引起的现象，马赫带是明暗边界引起的现象。第89页第2章图像与视觉基础侧抑制效应：视觉信号并不是单纯由一个视觉细胞感觉产生的，而是由相邻视觉细胞信号加权和形成的。

Mach带可用侧抑制机理来解释，可认为是局部空间域内神经细胞之间相互作用的结果。 同时对比度和马赫带效应表明，人所感觉到的亮度并不是强度的简单函数。第90页第2章图像与视觉基础单色视觉模型

简单视觉模型由一个低通滤波器后接一个高通滤波器组成，它是一种线性模型。低通滤波器模拟人眼的光学系统；高通滤波器则反映侧抑制引起的Mach带效应。改进：考虑视觉的亮度恒定现象，即物体和背景的亮度在很宽的范围内同时变化时，人对物体的亮度感觉保持不变。模拟该现象的方法是在高通滤波器之前加上对数操作，采用非线