数字图像处理1数字图像基础-1,2,3

数字图像处理1数字图像基础-1,2,3第一页，共45页。2.1人类视觉模型一、人类视觉系统中央凹Ⅰ.在视网膜上成倒立的像，感觉正立是神经系统的校正Ⅱ.瞳孔2—8mm，可变光阑，调节入射光强弱Ⅲ.睫状肌改变晶状体曲率---调焦杆状细胞(弱光)和锥状细胞(强光)视网膜中心—黄斑(0.25mm最敏感区)视神经出口区域无感受器—盲点，由于眼球不断转动,盲点几乎无影响第二页，共45页。正立物所对应的视角为正倒立物体对应的视角为负所有助视仪器(放大镜、望远镜、显微镜)均为增大视角而设计最小分辨角—能够分辨的最靠近的两点对人眼所张的角视角—人眼对物体的张角最小分辨角从几何上看由视网膜上锥细胞的排列精细程度决定，实际上对物体的分辨角的限制是光的衍射效应对最小分辨角的限制。简化眼模型第三页，共45页。视见函数单位时间内光通过某面元的各种波长的总电磁辐射，称为通过该面元的辐射通量。人眼对光的亮暗感觉光的辐射通量光的波长都有关一般的视觉敏感范围：390—760nm注意：光照充足对550nm最敏感；光照弱对505nm敏感可解释why？在夜色朦胧之夜，我们总感到周围世界笼罩了一层蓝绿的色彩。——对该波长的视见函数

表示人眼对各种波长光的相对敏感程度。假设波长是550nm和的两种光引起相同的明暗感觉，它们分别需要辐射能通量和瓦特，注意：红外光和紫外光无论具有多大功率也不能引起人眼视觉的反应，其视见函数值为零，所以成为不可见光。

第四页，共45页。2.1人类视觉模型二、视觉影像物体视觉成像光敏细胞电脉冲神经纤维视神经中枢物体的影像第五页，共45页。2.1人类视觉模型三、视觉分辨率人眼在某一距离能区分相邻两点的能力，用最小视角θ表示。

θ=d/ld：刚好能分辨的两点间最小距离

l：眼睛到两点连线的垂距

一般取眼睛的极限分辨角为1′θ为1’的眼睛，其视力为1.0；2’的视力对应于0.5，这与医学上是相对应的。第六页，共45页。2.1人类视觉模型★人眼的分辨极限

对于人眼的分辨极限也必须满足瑞利判据：

人眼的瞳孔直径D为2mm～9mm，取中间值D为5mm，可见光中心波长也就是人眼最敏感的波长为555nm。一般取眼睛的极限分辨角为1′。当物体对人眼的视角小于1′时，人对物体的细节就不能分辨，看起来就是一点，这时物体在视网膜上的像刚好是一个感光细胞的大小，人眼的明视距离为25cm，视网膜至瞳孔的距离为22mm时，因此人眼可分辨明视距处的最小线距离为：

视网膜上可分辨像的最小距离为：

第七页，共45页。2.1人类视觉模型★人眼的水平视角为160度，垂直视角为80度。试验表明，观看图像的最佳距离应当是画面高度的4倍至5倍，这时的总视角约为15度，在这种情况下，可以保证人眼不转动就能看到完整的画面。这个距离，既可以避免因过近观看时眼球需要不停地转动而引起眼疲劳，又可以避免过远观看时对图像辨别能力的降低，以及防止画面以外的景像进入视野中。在生物界中，人眼可算最高级了。只要看上一眼，就能确定物体的形状、大小和距离。可是，人眼也有不足之处。比如，能观看的角度，也就是视角，太小；上下左右能看到的范围，也就是视场，很小。如果以看得见的标准来计算，人眼的视角约为150度；但是按看得清楚的标准，视角就只有5度左右了。正因为这样，人为了扩大视野范围，就得骨碌碌地转动眼球，左右顾盼，有时还得转动一下头部。第八页，共45页。四、马赫带（Machband）

实际亮度视觉亮度2.1人类视觉模型第九页，共45页。2.1人类视觉模型

已知从每一竖条宽度内反射出来的光强是均匀的，相邻竖条之间的强度差是常数，然而，我们看起来每一竖条内右边要比左边稍黑一些，即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，这就是所谓的“Mach带”，这种现象称为马赫效应。马赫带上的亮度过冲是眼睛对不同空间频率产生不同视觉响应的结果。视觉系统对高频和空间低频的敏感性较差，而对空间中频则有较高的敏感性，因而在亮度突变处产生亮度过冲现象，这种过冲对人眼所见的景物有增强其轮廓的作用。

第十页，共45页。2.1人类视觉模型五、形状感觉与错觉第十一页，共45页。2.2图像的表示一、连续图像物方空间某点(X,Y,Z)对应其像方空间某点(x,y),f(x,y)为物点经过成像系统的响应值.

三维连续亮度函数二维连续亮度函数

B(X,Y,Z)f(x,y)第十二页，共45页。2.2图像的表示

1、xy说明图像像素的坐标

2、函数值f代表了在点(x,y)处像素的亮度值二维矩阵A[m,n]

1、

m,n说明图像的宽和高

2、矩阵元素a(ij)的值表示图像在第i行第j列的像素的灰度值二、数字图像三维连续亮度函数二维离散亮度函数B(X,Y,Z)f(x,y)第十三页，共45页。2.2图像的表示1、二值图像（黑白图像）

是指图像的每个像素只能是黑或者白，没有中间的过渡，故又称为二值图像。二值图像的像素值为0、1。第十四页，共45页。2.2图像的表示2．灰度图像

灰度图像是指每个像素的信息由一个量化的灰度级来描述的图像，没有彩色信息。第十五页，共45页。灰度图像描述示例

第十六页，共45页。2.2图像的表示3．彩色图像

彩色图像是指每个像素的信息由RGB三原色构成的图像，其中RGB是由不同的灰度级来描述的。第十七页，共45页。2.2图像的表示三、图像的质量

---层次,对比度,清晰度层次:

灰度级:表示象素明暗程度的整数量称为灰度级层次--表示灰度级的数量图像数据的实际层次越多视觉效果就越好第十八页，共45页。2.2图像的表示

256个层次的图像64个层次的图像16个层次的图像第十九页，共45页。2.2图像的表示

对比度对比度:是指一幅图象中灰度反差的大小对比度=最大亮度/最小亮度第二十页，共45页。2.2图像的表示清晰度与清晰度相关的主要因素

--亮度

--对比度

--主题内容的大小

--细微层次

--颜色饱和度第二十一页，共45页。

降低亮度第二十二页，共45页。缩小尺寸第二十三页，共45页。降低对比度第二十四页，共45页。减少细微层次第二十五页，共45页。降低饱和度第二十六页，共45页。2.2图像的表示四、图像的颜色

--RGB,CMYK,HIS,伪彩色,CIE

RGB模型

杨赫姆霍尔兹视觉三基色假说:

C=R+G+B

视网膜锥体细胞感红,感绿,感蓝色素

RGB分别取值0-1或0-255第二十七页，共45页。2.2图像的表示CMYK模型密度的概念:单位面积里入射光与反射光之比的对数

D=lg(I/Ir)

C,M,Y三个密度值表示一个颜色网点的概念及成色原理:

网格上的最小墨点色料三基色只能叠加合成出8种色块

网点面积变化和视觉分辨率实现颜色阶调网点密度值取值0-100第二十八页，共45页。2.2图像的表示HSI模型

HSI模型--量化颜色三属性

--H色相:取值0-360--S饱和度:取值0-1或0-100--I亮度:取值0-1或0-100

第二十九页，共45页。2.3图像数字化

连续图像经采样、分层、量化、编码等步骤变成数字图像才能进入计算机。

第三十页，共45页。2.3图像数字化一、采样

1、采样:

是将在空间上连续的图像转换成离散的采样点（即像素）集的操作。由于图像是二维分布的信息，所以采样是在x轴和y轴两个方向上进行。模拟图象若在x方向采M个点，y方向采N个点，就可得到M*N个点的数字化图象的形式。采样是图象进入计算机的第一个处理过程。

第三十一页，共45页。2.3图像数字化2、采样定理：（仙农采样定理）满足采样间隔为

Δx≤1/2uc,Δy≤1/2vc

（uc,vc—信号最高频率）对有限带宽函数采样，则可从其采样中完整地恢复原信号。从上式可看出，只要采样率us,vs满足

us≥2uc,vs≥2vc

则必然可以很好地恢复原图象信号。这个采样率的下限称奈奎斯特率(Nyquistrate．)，低于这个奈奎斯特率的采样，在重建原信号时会有混叠干扰。第三十二页，共45页。2.3图像数字化若:x方向采样率us≥2uc，y方向采样率vs≥2vc满足奈奎斯特率。

Δx,Δy--采样间隔，则采样点数:

M=X/Δx,N=Y/Δy

X,Y–影像尺寸采样孔径的形状和大小与采样方式有关，一般用圆形和方形。

第三十三页，共45页。采样间隔效果示意图300dpi50dpi第三十四页，共45页。采样间隔效果示意图96PPI8PPI第三十五页，共45页。2.3图像数字化二、量化采样后的图像只是在空间上被离散化，成为样本的阵列，每个取样样本称为像素，用Pel来表示。但是由于原f(x,y)是连续图像，因此每个Pel还是可能取值为无穷多个值的量。为了进行计算机处理，必须把无穷多个离散值约简为有限个离散值，即量化，这样才便于赋予每一个离散值互异的编码以进入计算机。

第三十六页，共45页。2.3图像数字化1、量化

是将各个像素所含的明暗信息离散化后，用数字来表示称为图像的量化，一般的量化值用整数来表示。充分考虑到人眼的识别能力之后，目前非特殊用途的图像均为8bit量化，即用0〜255描述“黑〜白”。在3bit以下的量化，会出现伪轮廓现象。第三十七页，共45页。2.3图像数字化2、量化技术

量化可分为均匀量化和非均匀量化。

均匀量化是简单地在灰度范围内等间隔量化。

非均匀量化是对像素出现频度少的部分量化间隔取大，而对频度大的量化间隔取小。第三十八页，共45页。2.3图像数字化3、量化噪声:

用有限个离散灰度值表示无穷多个连续灰度的量必然引起误差，称为量化噪声。

（1）量化分层越多，则量化误差越小；而分层越多则编码进入计算机所需比特数越多，相应地影响运算速度及处理过程。第三十九页，共45页。2.3图像数字化

（2）量化分层的约束来自图像源的噪声，即最小的量化分层应远大于噪声，否则太细的分层将被噪声所淹没而无法体现分层的效果。也就是说噪声大的图像，分层太细是没有意义的。反之要求很细分层的图像才强调极小的噪声，如某些医用图像系统把减少噪声作为主要设计指标，是因为其分层数要求2000层以上，而一般电视图像的分层用200多级已能满足要求。

第四十页，