图像获取与表示课件

图像获取与表示图像获取与表示是计算机视觉和图像处理中的关键步骤。它涉及获取图像数据并将其转换为计算机可以理解和处理的形式。课程大纲11.图像获取图像传感器、成像原理、像素与颜色表示22.图像表示颜色模型、色深、分辨率、数字图像的采样与量化33.图像压缩有损压缩与无损压缩、常见图像格式44.图像处理基础图像增强、滤波、边缘检测、形态学操作、图像分割课程目标理解图像获取了解图像传感器类型、成像原理，并掌握像素与颜色表示方法。图像处理基础学习图像增强、滤波、边缘检测等基本图像处理技术。掌握常见图像格式深入了解JPEG、GIF、PNG等格式的编码原理和特点。图像获取图像获取是图像处理的第一步，将现实世界中的场景转换为计算机可以处理的数字图像。图像获取的过程包括光线照射目标物体、传感器捕捉光线信息并将其转换为数字信号，最后将数字信号存储为图像文件。图像获取方法多种多样，常用的方法包括使用数码相机、扫描仪、医疗影像设备等。图像获取的质量会影响后续图像处理的效果，因此选择合适的图像获取方法至关重要。图像传感器简介光电转换将光信号转换为电信号。CCD传感器使用电荷耦合器件，将光信号存储在电荷井中，然后逐行读取。CMOS传感器使用互补金属氧化物半导体技术，每个像素独立处理信号，更易于集成。成像原理1光线照射物体光线照射到物体表面2反射与散射光线被反射和散射3镜头聚焦镜头将光线汇聚到图像传感器4传感器接收传感器将光信号转换为电信号5数字图像生成电信号被数字化，形成图像成像过程包含多个步骤。首先，光线照射到物体表面，然后被反射和散射。接着，镜头将这些光线汇聚到图像传感器上。最后，传感器将光信号转换为电信号，并将其数字化，从而生成数字图像。光线与物质的相互作用反射光线照射到物体表面，部分光线被反射回来，形成我们看到的物体的颜色和形状。折射光线从一种介质进入另一种介质时，传播方向发生改变，形成折射现象。吸收物体吸收了部分光线，剩余的光线被反射或透射，形成我们看到物体的颜色。透射光线穿过透明或半透明物体，形成我们看到物体的透明度和颜色。像素与颜色表示像素像素是数字图像的基本单元，它代表图像中的一个点，并以数字形式存储颜色信息。颜色表示颜色通常使用不同的颜色模型来表示，例如RGB模型使用红、绿、蓝三种颜色来表示所有颜色。灰度图像灰度图像只包含亮度信息，每个像素值代表灰度级，从黑色到白色。彩色图像彩色图像使用多个颜色通道来表示颜色，每个通道对应一种颜色，例如RGB模型中的红、绿、蓝通道。灰度图像灰度图像仅包含亮度信息，每个像素用一个值表示其亮度。通常用0到255的整数表示，0表示黑色，255表示白色，中间值代表不同的灰度级别。灰度图像广泛应用于图像处理领域，比如图像增强、边缘检测、特征提取等。它们也常用于医疗图像、遥感图像和机器视觉等。RGB颜色模型三原色模型RGB颜色模型是基于三种基本颜色：红色（Red）、绿色（Green）和蓝色（Blue）。颜色混合通过混合不同比例的红、绿、蓝三原色，可以生成各种各样的颜色。应用场景RGB颜色模型广泛应用于计算机显示器、电视机、扫描仪等设备。其他颜色模型CMYKCMYK颜色模型采用青色(Cyan)、品红色(Magenta)、黄色(Yellow)和黑色(Key)四种颜料。主要应用于印刷行业，基于减色原理。HSVHSV颜色模型采用色调(Hue)、饱和度(Saturation)和明度(Value)三个属性描述颜色。更符合人类对颜色的感知，方便艺术家和设计师使用。HSLHSL颜色模型使用色调(Hue)、饱和度(Saturation)和亮度(Lightness)三个属性来描述颜色。与HSV相似，更适合用于网页设计和图像处理。CIELABCIELAB颜色模型是一种设备无关的颜色模型，用于描述人眼感知的颜色。广泛应用于色彩管理、图像处理和视觉研究中。颜色模型比较不同的颜色模型在图像处理中扮演着重要角色。它们具有不同的优势，适用场景也各不相同。3RGB最常见，适用于显示器和打印机1CMYK适用于印刷，使用青色、洋红色、黄色和黑色2HSV基于色调、饱和度和明度4Lab接近人类视觉感知选择合适的颜色模型可以提高图像处理效率和效果。色深与颜色深度色深每个像素存储的位数。用于表示每个像素的颜色信息。颜色深度图像可以表示的颜色总数。取决于色深和颜色模型。图像分辨率图像分辨率是指图像中像素的多少，通常用像素点数量表示。高分辨率图像具有更多像素，细节更丰富，图像质量更高，但文件尺寸也更大。分辨率解释720p1280x720像素1080p1920x1080像素4K3840x2160像素8K7680x4320像素数字图像的采样与量化1采样将连续信号转换为离散信号2量化将离散信号的值映射到有限个离散级别3编码将量化后的值存储或传输采样和量化是将模拟图像转换为数字图像的关键步骤。采样过程将连续的图像信号转换为离散的像素值。量化过程将每个像素的值映射到有限个离散级别，从而将像素值存储在计算机中。采样定理与量化误差采样定理采样定理指出，为了准确地重建原始信号，采样频率必须大于信号最高频率的两倍。如果采样频率过低，就会导致混叠现象，导致信号失真。量化误差量化是将连续信号转换为离散信号的过程。量化过程会引入误差，因为离散值无法完全准确地表示原始信号。量化误差会影响图像的细节和颜色。有损压缩与无损压缩1无损压缩原始数据可以完全恢复。数据压缩算法通过去除数据冗余来减少存储空间，例如使用运行长度编码（RLE）对重复像素进行压缩。2有损压缩在压缩过程中会丢失部分数据，无法完全恢复原始数据。通过去除人类视觉感知不敏感的信息来压缩数据，例如颜色细节和边缘细节。3应用场景无损压缩适用于需要完全还原数据的场景，如文本文件、数据库。有损压缩适用于图像、音频和视频，可以显著降低文件大小。JPEG编码原理1压缩过程JPEG使用离散余弦变换（DCT）将图像数据转换为频率系数。2量化根据人眼对不同频率成分的敏感程度，对频率系数进行量化，舍弃部分信息以降低数据量。3编码对量化后的系数进行熵编码，进一步压缩数据，最终生成JPEG文件。GIF编码原理1颜色索引使用调色板，减少颜色数量2压缩方法采用LZW算法，压缩重复数据3帧动画存储一系列图像，逐帧播放动画GIF编码原理主要依赖于三种关键技术：颜色索引，压缩方法和帧动画。颜色索引技术通过使用调色板来减少图像中颜色的数量，从而降低存储空间。LZW算法通过压缩重复数据来进一步压缩图像大小。帧动画则是指存储一系列图像，并以一定的频率播放，从而形成动态图像。PNG编码原理1压缩算法无损压缩2数据结构图像数据3颜色模型RGB或索引颜色4压缩方法LZ77算法PNG编码原理基于无损压缩技术。它通过LZ77算法压缩图像数据，并将数据存储在文件头中。PNG文件包含图像数据、颜色模型信息和压缩算法信息。它还支持透明度和伽玛校正等功能。文件格式对比JPEG是最常用的图像格式，它使用有损压缩技术，压缩比高，但会丢失一些图像信息。GIF支持动画，并使用无损压缩技术，压缩比较低。PNG是一种无损压缩格式，压缩比相对较低，但可以保留图像的全部信息。图像处理基础图像类型图像处理算法通常用于处理灰度、彩色和二进制图像。图像表示图像数据存储在二维矩阵中，每个像素包含颜色信息。图像操作图像处理包括增强、复原、分割、分析和压缩等操作。应用领域图像处理在医学影像、计算机视觉、遥感等领域应用广泛。图像增强11.提高对比度增强图像的细节，使其更容易辨认。22.降低噪声消除图像中的随机干扰，提高图像的清晰度。33.锐化边缘突出图像的边缘细节，使图像更清晰。44.校正颜色调整图像的颜色平衡，使其更加自然。直方图均衡化直方图分析图像直方图显示每个灰度值的像素数量，反映图像亮度分布.均衡化过程将灰度值映射到新的范围，使直方图更均匀分布，提高对比度.均衡化效果改善图像对比度，使细节更加清晰，增强图像的可视性.滤波器平滑滤波平滑滤波器用于减少图像噪声，模糊图像细节。锐化滤波锐化滤波器用于增强图像边缘和细节，提高图像清晰度。边缘检测滤波边缘检测滤波器用于识别图像中的边缘，突出轮廓。高通滤波高通滤波器可以保留图像的高频信息，增强边缘细节。图像金字塔图像金字塔是一种多尺度图像表示方法。它通过对原始图像进行连续降采样和模糊操作，生成一系列尺寸逐渐减小的图像。图像金字塔可以用于图像匹配、目标检测、图像融合等任务。在图像匹配中，金字塔可以帮助找到不同尺度下的匹配点。在目标检测中，金字塔可以帮助检测不同大小的目标。边缘检测1边缘定义图像中灰度值发生显著变化的区域，通常对应物体边界或纹理变化。2边缘检测算子使用各种算子来检测图像中的边缘，例如Sobel算子、Canny算子等。3边缘提取步骤噪声去除梯度计算边缘阈值化边缘跟踪形态学操作膨胀膨胀操作会增大目标区域，在图像中将前景物体扩张。腐蚀腐蚀操作会缩小目标区域，将前景物体收缩。开运算开运算先腐蚀后膨胀，可以去除图像中的小噪声。闭运算闭运算先膨胀后腐蚀，可以填充图像中的孔洞。图像分割1基于阈值的分割根据像素值设定阈值，将图像分为两类或多类。2边缘检测利用图像边缘信息进行分割，将边缘区域视为分割边界。3区域生长从图像中选取种子点，根据预定义的规则扩展区域，将相似区域合并。实例演示本节课将通过实际例子展示图像获取与表示的应用。我们会演示如何利用图像传感器获取图