当前课程知识点:现代图像分析 > 第二章 数字图像处理基础 > 2.3 图像数字化 > 2.3.1 图像的数字化学习视频
同学们好,今天我们给大家介绍图像的数字化方法
我们知道图像包括模拟图像和数字图像两种
而模拟图像要转换成数字图像才能用计算机来进行处理
模拟图像要经过图像的数字化才能变成数字图像
图像的数字化包括采样和量化两个过程
我们首先来介绍采样,图像在位置上的离散化称为采样
采样可以分为均匀采样和非均匀采样两种
我们这里主要给大家介绍均匀采样
均匀采样的方法就是用二维离散的采样函数
与原始图像进行乘积
那么我们这里面给出的就是二维的均匀采样函数
可以看出来,实际上是一系列的δ函数的组合
而均匀采样就是用这样子的一个采样函数和原始图像f(x,y)相乘
最后就可以得到在空间上离散化的图像
我们看一下左边这个图就是我们给的采样函数
我们可以看做一个梳状的数据
那么二维图像,假如说我们现在将它假设是一个
有限带宽的一个函数,就是个带宽有限
那么Wu和Wv呢
分别表示的是这个二维图像在u和v方向上的一个带宽
根据卷积定理我们知道
采样后图像的频谱是原始图像频谱进行了周期延拓得到的
如果采样图像的周期延拓之后
得到的各个频谱之间它是不发生混叠的
这样我们就可以通过一个理想的低通滤波器
取出原始图像的频谱,就是对于这样的一个频谱来讲
我们采用一个低通滤波器
把这个图像把中间的这个频谱给它滤出来
然后再通过傅里叶反变换
就可以得到原始的图像,采样前的一个原始图像
那么图像呢 如果我们各个周期之间不发生混叠
前提条件就是我们的采样间隔的倒数要大于等于二倍的带宽
从这个图中我们就可以看出来
其中到Δx和Δy 就是采样的在值域里面的采样间隔
就是采样间隔分之一 一定要大于等于2倍带宽
这个就是信号处理里面
我们经常提到的奈奎斯特采样定理
采样后我们获得的图像虽然在空间分布上是离散的
但是各个像素点的取值还是连续变化的
这就需要将这些连续变化的量转换成有限个离散值
那么并且给每个值赋予不同的码字
从而使样本的像素的取值也成为离散的分布,这个就是量化
常用的量化方法是均匀量化
它是把图像的值域分成了若干个子区间
然后在每个子区间中取中点作为该区间所对应的量化值
并且把这个所有子区间的量化值用整数来进行编码
这个编码就是量化的结果,称为图像的灰度级
一般情况下,我们图像的灰度级取的是二的整数次幂
就比如说我们可以取两级灰度,也就是黑白二值的
也可以取成256级灰度或者128级灰度
因此连续图像到数字图像的转换过程
就经过了采样和量化这样的两个过程
因为连续图像转换成数字图像经过了采样和量化
那么影响分辨率的主要因素就是采样的点数和量化的级数
所谓的分辨率就是指区分细节的程度
那么下面我们分别来看一下
图像的空间分辨率是由采样点数决定的
当我们的灰度级一定的时候
采样点数越多,图像的空间分辨率就越高图像质量越好
当采样点数减小的时候,图像就会出现块效应
屏幕上我们给出了不同的采样点数对图像质量的一个影响
分别是256乘256个采样点 128乘128
从这些图中我们可以看到
当灰度级数不变,随着采样点数逐渐减少
图像像素的粒子逐渐变粗
而图像的幅度分辨率是由量化级数
也就是灰度级的个数来决定的
当采样点数一定的时候
灰度级越多,图像的幅度分辨率就越高
也就是说,图像是越细腻的图像质量越好
相反当图像的灰度级减少的时候
图像会出现虚假轮廓图像质量会变差
一般情况下
我们的这个采样点数和这个灰度级的取值都取二的整数次幂
实际情况中一般这个采样点数
我们可以取成256点512点或者是1024点
而这个灰度级G呢
我们可能取成32级灰度 64级灰度或者是256级灰度
但是对于人头像来讲
一般情况下我们就是128乘128或者256乘256 就可以了
屏幕上我们给出了不同的灰度级对图像质量的影响
可以看出来,这个采样点数不变的时候
随着灰度级的减少,图像中到逐渐出现了虚假轮廓
在这副图像中我们看天空上就会出现一些虚假的轮廓
这就是由于这个量化的级数减小出现一个后果
好 今天主要内容就给大家介绍到这里
谢谢大家 再见
-1.1 图像及图像的基本概念
--1.1.2 图像及图像的基本概念作业
-1.2 数字图像处理的起源
--1.2.2 数字图像处理的起源作业
-1.3 数字图像处理的步骤和方法
--1.3.2 数字图像处理步骤和方法作业
-1.4 数字图像处理系统的组成
--1.4.2 数字图像处理系统的组成作业
-1.5 数字图像处理主要应用领域
--1.5.2 数字图像处理主要应用领域作业
-2.1 色度学基础
--2.1.3 色度学基础作业
-2.2 人的视觉特性
--2.2.1 人的视觉特性作业
-2.3 图像数字化
--2.3.2 图像数字化作业
-2.4 数字图像特点
--2.4.2 数字图像特点作业
-3.1 图像变换的基本概念
--3.1.2 图像变换的基本概念作业
-3.2 图像的几何变换
--3.2.2 图像的几何变换作业
-3.3 图像的离散傅立叶变换
--3.3.2 图像的离散傅立叶变换作业
-3.4 图像变换的一般表示形式
--3.4.2 图像变换的一般表示形式作业
-3.5 图像的离散余弦变换
--3.5.2 图像的离散余弦变换作业
-3.6 图像离散沃尔什-哈达玛变换
--3.6.2 图像离散沃尔什-哈达玛变换作业
-3.7 K-L变换
--3.7.2 K-L变换作业
-4.1 图像的对比度增强
--4.1.2 图像的对比度增强作业
-4.2 直方图修正
--4.2.3 直方图修正作业
-4.3 图像平滑
--4.3.4 图像平滑作业
-4.4 同态滤波
--4.4.2 同态滤波作业
-4.5 图像锐化
--4.5.2 图像锐化作业
-4.6 图像的彩色增强
--4.6.2 图像的彩色增强作业
-5.1 退化模型及常见退化模型
--5.1.2 退化模型及常见退化模型作业
-5.2 图像的无约束恢复
--5.2.2 图像的无约束恢复作业
-5.3 图像有约束最小二乘恢复
--5.3.2 图像有约束最小二乘恢复作业
-6.1 概述
--6.1.1 概述作业
-6.2 图像编码基本理论
--6.2.2 图像编码基本理论作业
-6.3 无损编码理论
--6.3.2 无损编码理论作业
-6.4 霍夫曼编码
--6.4.2 霍夫曼编码作业
-6.5 算数编码
--6.5.2 算数编码作业
-6.6 预测编码
--6.6.2 预测编码作业
-6.7 正交变换编码
--6.7.2 正交变换编码作业
-7.1 图像分割的定义及依据
--7.1.2 图像分割的定义及依据作业
-7.2 边缘点检测
--7.2.2 边缘点检测作业
-7.3 边缘线跟踪
--7.3.3 边缘线跟踪作业
-7.4 门限化分割
--7.4.2 门限化分割作业
-7.5 区域分割法
--7.5.2 区域分割法作业
-7.6 聚类分割法
--7.6.3 聚类分割法作业
-8.1 像素间的基本关系
--8.1.2 像素间的基本关系作业
-8.2 目标物的边界描述
--8.2.2 目标物的边界描述作业
-8.3 目标物的区域描述
--8.3.2 目标物的区域描述作业
-8.4 图像的几何特征
--8.4.2 图像的几何特征作业
-8.5 特征描述子
--8.5.4 特征描述子作业
-9.1 图像匹配
--9.1.2 图像匹配作业
-9.2 图像分类
--9.2.2 图像分类作业
-9.3 图像识别
--9.3.2 图像识别作业
-9.4 模式识别分类专题
--9.4.4 模式识别分类专题作业
-中国天网
-车道检测
-期末测试
--期末测试