数字图像处理 - Ch2 图像取样与量化
数字图像处理 Ch2 图像取样与量化
- 图像取样与量化
- 概念
- 数字图像表示
- 线性索引与坐标索引
- 空间分辨率 & 灰度分辨率
- 图像内插
- 1. 最近邻内插
- 2. 双线性内插
- 3. 双三次内插
- 其他方法
图像取样与量化
概念
对坐标值进行数字化称为取样(采样),对幅度值进行数字化称为量化。
数字图像的质量很大程度上取决于取样和量化中用到的样本数量和离散灰度级。
数字图像表示
令f(s,t)f(s,t)f(s,t)表示一个有两个连续变量s和t的连续图像函数,通过取样和量化,我们可以把该函数转换为数字图像。假设我们把其取样为f(x,y)f(x,y)f(x,y),该图像包含有M行与N列,(x,y)(x,y)(x,y)是离散坐标。由图像的坐标张成的实平面部分称为空间域,x和y称为空间变量或空间坐标。
三种表示方法:
- 函数图,两个坐标轴决定空间位置,一个坐标轴决定fff的值。
- 出现在计算机显示器上、照片上的情况
- 矩阵表示
N图像的中心有时可以表示为(floor(M/2),floor(N/2))(floor(M/2), floor(N/2))(floor(M/2),floor(N/2)),而起始索引值为1而不是0的时候,图像的中心为(floor(M/2)+1,floor(N/2)+1)(floor(M/2)+1, floor(N/2)+1)(floor(M/2)+1,floor(N/2)+1)(如matlab)
图像数字化要求对M值、N值和离散灰度级数L进行判定。对于M和N,除必须去正整数外,并没有其他限制。然而出于存储和量化硬件的考虑,灰度级数通常取为2的整数次幂:L=2kL=2^kL=2k
有时,灰度跨越的值域称为动态范围。这一术语不同场合用法不同,在这里我们将其定义为系统中最大可度量灰度与最小可检测灰度之比。上线取决于饱和度,下限取决于噪声(噪声也会出现在较亮的灰度中)。
动态范围建立一个系统所能表示和一幅图像所具有的最低和最高灰度级。对比度定义为一幅图像中最高和最低灰度级间的灰度差,反差比是这两个量的比率。
存储数字图像所需要的比特数b为:b=MNkb=MNkb=MNk
一幅图像具有2k2^k2k个可能的灰度级时,一般称该图像是一幅“kkk比特图像”。
线性索引与坐标索引
线性索引:每一个像素被赋予唯一可识别这个像素的线性索引值(可理解为一个一维数组)。而由二维坐标给出的约定称为坐标索引。
对于任何坐标对(x,y)(x,y)(x,y),对应的线性索引值为α=My+x\alpha=My + xα=My+x;而相反,给定α\alphaα的坐标索引为 x=αmodMx=\alpha mod Mx=αmodM 以及 y=(α−x)/My = (\alpha - x)/My=(α−x)/M。
空间分辨率 & 灰度分辨率
空间分辨率是图像中最小可辨别细节的测度。
灰度分辨率是指在灰度级中可分辨的最小变化。
灰度分辨率通常指量化灰度时所用的比特数。例如我们经常说一幅灰度被量化为256级的图像,其灰度分辨率为8比特。
图像内插
内插通常在图像放大、缩小、旋转和几何校正中使用。
内插是用已知数据来估计未知位置的值得过程。介绍三种通用的图像内插方法。
1. 最近邻内插
最近邻内插:将原图像中最近邻的灰度赋予给每个新位置。
e.g. 假设要将一个图像放大1.5倍,一种简单的方法为创建一个大小为原1.5倍的假想网格,网格的像素间隔约原图像的像素间隔相同,然后收缩网格,使它与原图像重叠。然后对收缩后的上覆图像中每个像素,找到其在原图像中的最接近的点,赋予该点的灰度值。
以下该图展示了最近邻内插的判断过程(图片来源于网络)。
2. 双线性内插
同最近邻内插法的寻找原图坐标点的方法相似,只是双线性内插用到了4个最近邻像素的灰度值来确定给定位置上的灰度。首先计算4个最近邻像素的坐标,然后计算权重,即可得该点的灰度值。
以下图示方便理解双线性内插过程(图片来源于网络)。
3. 双三次内插
相比于双线性内插,计算量更大复杂度更高,包括16个最近的邻点加权内插,通常在保留细节方面强于双线性内插。一般商用图像编辑程序如Adobe Photoshop使用的是双三次内插法。
其他方法
内插时可以使用更多的邻点,并且存在使用样条和小波的复杂技术,采用这些技术可以得到更好的效果。通用数字图像处理通常不需要额外的计算开销,常使用双线性内插与双三次内插。
数字图像处理 - Ch2 图像取样与量化相关推荐
- 数字图像处理3:取样和量化
获取图像的目标是从感知的数据中产生数字图像,但是传感器的输出是连续的电压波形,因此需要把连续的感知数据转换为数字形式.这一过程由图像的取样与量化来完成.数字化坐标值称为取样:数字化幅度值称为量化. 图 ...
- 《数字图像处理(第三版)》 第二章 数字图像基础 笔记3(图像取样和量化)
2.4 图像取样和量化 无论是哪种获取图像的方法,我们的目的都是从感知的数据生成数字图像.多数传感器的输出是连续的电压波形,这些波形的幅度和空间特性都与感知的物理现象有关.为了产生一幅数字图像,我 ...
- 第2章 Python 数字图像处理(DIP) --数字图像基础2 - 图像感知要素 - 图像取样和量化 - 空间分辨率和灰度分辨率
目录 图像感知与获取 一个简单的成像模型 图像取样和量化 空间分辨率和灰度分辨率 图像感知与获取 一个简单的成像模型 我们用形如 f(x,y)f(x,y)f(x,y) 的二维函数来表示图像.在空间坐标 ...
- 数字图像处理:图像金字塔
转载请标明出处:数字图像处理:图像金字塔_数字图像处理opencv_新浪博客 (一)概念 以多个分辨率来表示图像的一种有效且概念简单的结构是图像金字塔.图像金字塔最初用于机器视觉和图像压缩,一个图像金 ...
- 数字图像处理之图像基础
最近在学数字图像处理,图像基础包括以下部分: 导入库 import numpy as np import matplotlib.pyplot as plt import cv2 as cv 图片展示函 ...
- 数字图像处理:图像的频域
数字图像处理:图像的频域 一.图像高频信号和低频信号的理解 1.1 图像中的低频信号和高频信号也叫做低频分量和高频分量. 1)空间频率指的是图像中灰度值相对它的邻居点变化方式.如果一副图像中灰度从一边 ...
- 数字图像处理--基本图像操作
数字图像处理–基本图像操作 1 主要内容 (1)搭建能运行图像算法程序的平台: (2)独立完成matlab矩阵基本操作,如矩阵信息的提取包括获取矩阵大小.矩阵维数.矩阵元素个数.向量长度和矩阵乘法等操 ...
- 数字图像处理:图像的灰度变换(Matlab实现)
数字图像处理:图像的灰度变换(Matlab实现) (1)线性变换: 通过建立灰度映射来调整源图像的灰度. k>1增强图像的对比度:k=1调节图像亮度,通过改变d值达到调节亮度目的:0 i = i ...
- 【数字图像处理】图像直方图均衡化、空域滤波(均值滤波、中值滤波)、图像锐化(Laplace算子)、图像傅里叶变换实验
图像直方图均衡化.空域滤波.图像锐化.图像傅里叶变换 一.图像直方图均衡化 二.图像空域滤波 1.均值滤波(滤波次数n→3) 2.中值滤波(滤波次数n→3) 3.图像锐化(Laplace算子) 三.图 ...
最新文章
- nslookup --dns诊断
- scws sphinx mysql_Sphinx+Scws 搭建千万级准实时搜索应用场景详解
- VTK:PolyData之PointInsideObject2
- freemarker的空值和默认值
- js跨域 ajax跨域问题解决
- GIS和RS里面的一些小问题
- 15天学习MVC后的小结(分享经历与想法)
- linux常用命令之文件管理
- 力扣——实现 strStr()
- PHP特性整合(PHP5.X到PHP7.1.x)
- Windows 有哪些冷门但是非常值得推荐的软件?
- Timeline(时间线)
- 12.1 hashlib--安全的哈希计算和签名库
- Android Path之Direction.CW、Direction.CCW
- Err.number错误号和错误说明
- wps表格转换HTML且能修改,怎么把WPS表格文件转换为WPS文字文件?
- 快速完成会议记录的智慧之选,讯飞智能录音笔SR502表现出色
- 解决斜杠符号被转义的问题
- ubuntu14.04的自带的拼音输入法问题
- 如何设置网站顶部的logo图标