一、绪论

本篇文章是在老师带动下对课程的总结与归纳，同时也是对各类资料的简要总结。
同时我个人会用尽可能精确的一些不产生歧义的词语进行二次描述。

1.什么是数字图像处理

从本质上讲，数字图像处理隶属信号处理范畴，但其同时也是一门系统的研究各种图像理论、技术和应用的新型交叉学科。
从其研究方法来看，它与数学、电子科学、计算机科学、物理学、心理学等众多学科相互借鉴；（数字图像处理的研究方法逻辑以数学为基础，以电子科学，计算机科学，物理学为实际设计方向，以心理学为对成果进行加权打分审查结果的评测方向）
从其研究范围来看，其与模式识别、人工智能、计算机图形学等众多学科有着紧密的联系，且相互之间存在着大量共同的理论基础和处理方法。（这是说明数字图像处理与其他图像相关学科的关联性）

比如，PS软件上用到的大多数对图片的处理，均属于数字图像处理的实际成果。

那么我们不如来看看该学科的基本元素有哪些内涵：

1）什么是图像

Ⅰ图：

是物体辐射、透射反射光的分布，是客观存在的物质。

如图，实现“颜色”的光子波长在400~700nm时，属于可见光范围，在此实现了“图”的基础——物体辐射、透射反射光的分布。

Ⅱ像：

是人的视觉系统对图的接受，是图在大脑中形成的印象或反馈。
若图是客观存在的物质，那么像就是仅针对人类这一物种产生的映射，用数学概念举例，就是函数的映射与函数的关系。

Ⅲ图像：

图像是图和像的有机结合，是客观世界能量或状态以可视化形式在二维平面上的投影。
图像信息实质上是人的视觉系统或者成像系统，对物体辐射、反射或者透射光的反应。
因此我们会看到一些有趣的图片：

2）什么是数字图像

数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。
由数组或矩阵表示，其光照位置和强度都是离散的。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。
比如我们使用一张网络上的一张图片：

其像素构成也是三维的。为了让结果直观，我们让其变成二维图像，即灰度图。


至此，数字图像的本质就比较明确了，就是一堆数字而已。我们接下来要做的，就是利用这堆数字，找到他们的规律，来达到改变最终呈现效果的目的。

实际数字图像处理使用时，往往通过数字图像处理系统来实现功能，涉及内容就包括上文中提到的各类概念，分别进行处理。
简单来说，主要内容为：
图象数字化设备-----------> 图象处理计算机------> 图像输出设备
（获取图，并转换为像） （对像进行处理） （对处理结果输出获得最终结果）

接下来就进行分部理解各个组成部分的内容。

2.数字图像处理系统

主要优点：
精度高：采样量化一定，多次处理可保精度。
再现性好：数字图像可多次拷贝，不失真，不退化。
通用性、灵活性强：适用面宽，可处理抽象数据、可做非线性处理。

1）获取图像

Ⅰ成像

几则链接感觉讲的很好，给大家分享一下
图像成像基本原理
曝光基本原理
快门基础
成像方面属于偏硬件方面，了解一下。
并且目前有很多研究在对图像进行二次处理时，设计算法来减少成像时出现的问题，故若想做之后的研究，成像原理等内容必不可少，也是数字图像处理的一大研究方向。

Ⅱ数字化

由模拟照片到获取数字图像的过程。

采样：

图像获取设备（由采样孔，扫描机构，光传感器，量化器和输出存储体组成）将图像在空间上分成离散的（横竖均匀的）网络点。

以上通过网格来确定最终的成像分辨率（即像素点数量与其值）。而当出现采样间隔，行间隔都大时，像素点数目就会变少，分辨率下降，当非常小，或进行同样像素内容填充时，就会出现马赛克效应。

如上图（a），分辨率较高，图像内容清晰，但数据量大。图（f）则分辨率低，分辨率为8x8.

以上为统一的图像采样。但因为对所有的像素点信息一视同仁，让部分重要的图像信息不突出，于是产生了另一种采样思想：

非统一的图像采样：在灰度级变化尖锐的区域，用细腻的采样，在灰度级比较平滑的区域，用粗糙的采样。

该思想被广泛用于实际生活中，并且在数字图像处理中，手机相机有通过算法来实现“后期对焦”等类似功能，并未使用一般对焦方法。

量化

用模数转换技术将图像上各个网格点的黑白及彩色程度做数字量化，如：256级，由0到255，亮度从黑到白变化。

一般情况下，人眼仅能分辨50左右级灰度。

量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小.

非统一的图像的量化：与采样类似的，在边界附近使用较少的灰度级。剩余的灰度级可用于灰度级变化比较平滑的区域。避免或减少由于量化的太粗糙，在灰度级变化比较平滑的区域出现假轮廓的现象

该方法类似的几种模拟算法处理我们在之后的学习中也会用到。

量化分类：包括均匀量化和非均匀量化。
1.均匀量化：
连续灰值等间隔分层。层越多，产生的量化误差越小。
2.非均匀量化：
不等间隔分层，目的减少量化误差，按灰值出现的概率不同进行量化——灰值经常出现，量化细；灰值不常出现，量化粗。
量化级别不能取得过多，当噪声幅度大于量化间隔，量化器输出量化值会产生错误。屏幕图像上灰值邻近区域边界会出现“忙动”现象。
举例说明主要使用**“量化”**而产生作用的例子：

量化结果

图像将被抽象为数字矩阵的形式进行存储。
数字矩阵一般特征为：（行，列，颜色空间数）

如上图，行=5，列=10，颜色空间数=3.
（ps：颜色空间介绍：颜色空间也称彩色模型，指在某些标准下用通常可接受的方式对彩色加以说明。上图空间为RGB分布，也最为广泛，除此以外，还有CMY，Lab，HSV，HSI，YUV等，都是通过不同的三维数学模型对彩色进行分类的方法。）
颜色空间数=1的图像则只有黑白两色，一般图像的黑白程度（灰度值）范围在0~255之间，0为纯黑，255为纯白。当然，在量化条件下可进行修改。

2）处理图像

该部分的处理方式完全由算法进行。
数字图像相关处理方式有：

① 图像预处理——改善像质，以便于目视判读。

刚获取的图像由于获取时的环境，噪声，意外介入物品，色差区分度，量化，采样等处理等问题，往往不能直接进行使用，并且其特征会比较繁杂，无法快速提取有效特征。于是需要进行图像预处理，以方便进行下一步处理。

1.校正技术：对图像进行几何校正、颜色校正、辐射校正。
2.增强技术：去噪，亮度/对比度增强，突出主要特征。
3.恢复技术：忠实原图，去除干扰，恢复原图像，实用中往往干扰复杂，模型不清，难以准确恢复。

② 图像分析（测量）（analysis）：密度（灰度）、平面几何参数，三维参数测量技术。

个人认为该部分主要目的是提取图像特征。需要用到以上参数进行分析，但实际操作起来，因为目的性比较明确所以会更容易。
多使用的特征点相关：
边缘、角、区域、脊。
多使用的特征提取方法：
形态学、边缘检测、直方图、傅里叶变换。

③ 图像识别（recognition）：模式识别与景物分析

该部分已经可以延伸到各类详尽的视觉图像识别领域，但这已经超出了数字图像处理学科的范畴。
而最基础的对物体进行识别的部分（无法区分具体物体，但是可以找出非背景的物体。）则是我们之后会更熟悉的领域。不依靠神经网络与机器学习，单纯依靠算法实现属于数字图像处理的操作。

无法识别到每一个物体，但是可以处理整个图像。纯数学的魅力。

正文结束。

3）输出结果

举例处：

【数字图像处理】【个人入门记录】 绪论相关推荐

1. 数字图像处理（入门篇）目录

   目录: 1  数字图像处理(入门篇)一 图像的数字化与表示 2 数字图像处理(入门篇)二 颜色空间 3 数字图像处理(入门篇)三 灰度化 4 数字图像处理(入门篇)四 像素关系 5 数字图像处理(入门 ...

2. 数字图像处理 读书笔记一 绪论

   基本概念 函数 f(x, y) 函数 f(x, y) 可以用来表示一副图像,x和y是平面坐标,f(x, y)的结果叫做幅值,表示该点处的强度或者灰度. 数字图像(Digital Image) 当x, ...

3. 数字图像处理（入门篇）一 图像的数字化与表示

   目录 1 人眼图像是如何形成的? 2 图像的感知与获取? 3 图像的数字化 4 数字图像的表示 1 人眼图像是如何形成的? 人眼近似为一个球体,物体的光线经过角膜和晶状体的折射,在视网膜上形成&quo ...

4. matlab数字图像处理初级入门

   首先使用imread函数读入一个图像,读入成功:赋值给A,A成为一个矩阵: size按资料是查看A的大小:精简版不支持: 使用whos A查看A的信息,如下: 输入A,回车,查看A的数据:这是图像包含 ...

5. 数字图像处理（入门篇）十四 透视变换

   目录 一 透视变换 二 实践 (1)代码 (2)结果图 一 透视变换 现实生活中的空间是三维的,图像中的物体存在近大远小的特征,这种畸变仿射变换不能矫正.因此,我们需要使用到三维空间的变化,就是透视变 ...

6. 冈萨雷斯《数字图像处理》学习总结及感悟：第一章 绪论 百闻不如一见

   ☞ ░ 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython ░ 一.引言 好几月前开始自学OpenCV-Python,但老猿以前没接触过图像基础知识, ...

7. 数字图像处理学习笔记（一）

   文章目录 前言 第一章绪论 1.1 什么是数字图像处理 数字图像: 数字图像处理: 像素: 图像处理的三种典型计算处理: 1.2 数字图像处理起源 1.3 数字图像处理应用 1.4 数字图像处理基本内 ...

8. 【基于MATLAB的数字图像处理】第四章·图像增强

   系列文章 ·[基于MATLAB的数字图像处理]第一章·绪论 ·[基于MATLAB的数字图像处理]第二章·视觉系统与图像处理系统 ·[基于MATLAB的数字图像处理]第三章·基本图像变换 ·[基于MAT ...

9. 【基于MATLAB的数字图像处理】第三章·基本图像变换

   系列文章 ·[基于MATLAB的数字图像处理]第一章·绪论 ·[基于MATLAB的数字图像处理]第二章·视觉系统与图像处理系统 ·[基于MATLAB的数字图像处理]第三章·基本图像变换 ·[基于MAT ...

10. (6)Air Band数字图像处理基础-对图像进行几何变换

    本文可视为<Visual.C++数字图像处理开发入门与编程实践>读书笔记 由于部分图片和公式难以打出,使用截图的方式呈现.

最新文章

1. CSS代码检查工具stylelint
2. js判断鼠标旋转度数以及顺逆方向详解
3. 保险运用计算机的工作干什么,关于计算机在保险业务中的应用研究
4. html5 将资源存于客户端,HTML5离线应用与客户端存储的实现
5. OpenCV 玩九宫格数独（二）：knn 数字识别
6. 2018.10.20 NOIP模拟 蛋糕（线段树+贪心/lis）
7. Android开发中调用Spring CXF整合发布的WebService接口为什么抛出异常错误？
8. 中科院单细胞分析算法开发博士带你做单细胞转录组分析
9. python can i use return in wiht statement?
10. DOTA 2血虐人类的OpenAI，原来靠的是作弊？
11. python的skimage库 图像中值滤波；均值滤波；极大值滤波
12. nfc门禁卡的复制和迁移
13. fir.im Weekly - 揭秘直播移动 APP 技术实现
14. 计算机操作知识 p?p?t,计算机初级基本操作
15. 【高光谱、多光谱和全色图像融合】
16. 基于ngc的cuda镜像封装TensorFlow 实例
17. vue双向绑定数据更新会频繁触发render更新
18. python word保存图_python实现word内图片的提取
19. json在java代码混淆出问题_代码混淆 GSON完满解决
20. 面向对象编程是什么意思

热门文章

1. 【DailyFresh】课程记录6---订单模块（订单并发）
2. 【整理+总结】pink老师前端三件套之HTML笔记（二）HTML标签
3. 分享暄桐好作业之《临〈岁朝清供图〉》
4. React基础-React中发送Ajax请求以及Mock数据
5. 点击edittext 区域外隐藏输入法和点击edittext 显示输入法
6. ubuntu mongo数据库无缘无故丢失了？如何保护mongoDB的数据。
7. 网页中为什么不显示图片
8. 阿里云ECS的1M带宽能干嘛？(详解)
9. 机器人学: 建模 规划与控制(英文原版)_伦敦大学国王学院机器人学理学硕士研究生offer一枚...
10. 计算机一级b类考试题软件,全国计算机等级考试一级b类windows模拟考题(二)