数字图像基础知识
1.1人眼的结构
1.2光与电磁波谱
1.3图像感知获取及取样量化
1.4什么叫内插?
1.5 一些基本的灰度变换函数
1.1 人眼的结构
人眼有三层薄膜包围着眼睛:角膜与巩膜外壳、脉络膜和视网膜。眼睛最里面的膜是视网膜,它布满了整个后部内壁,在视网膜上有两种光感受器:杆状体和锥状体。其中,杆状体没有彩色感觉,且对低照明度敏感,这种现象称为暗视觉或微光视觉;锥状体对彩色高度敏感,由于锥状体的存在,人可以充分地分辨图像细节,常常成为白昼视觉或亮视觉。(详见冈萨雷斯《数字图像处理(第三版)》P20-22)
1.2 光与电磁波谱
1、光是一种特殊的电磁辐射,它可以被人眼所感知。其中电磁波谱的可见光波段的跨越范围大约是0.43μm(紫色)——0.79μm(红色),彩色波谱可以分为6个主要区域:紫、蓝、绿、黄、橘黄、红。每种颜色不是突然终止的,而是混合平滑地过渡到另一种颜色的。
2、没有颜色的光称为单色光或无色光,其唯一属性是它的强度或大小,灰度级则用来表示单色光的强度。从黑到白的单色光的度量值范围通常称为灰度级,而单色图像常称为灰度图像。
1.3 图像感知获取基础知识
1、常用获取方法有:使用单个传感器、条带传感器、传感器阵列这三种方法来获取图像信息。
2、取样就是对坐标值进行数字的过程,量化就是对幅值数字化的过程。
1.4 什么叫内插?
内插就是在放大、缩小、旋转和几何校正等任务中广泛应用的基本工具。本质上讲,内插是用已知数据来估计未知位置的数值的处理。例子:假设一幅大小为500500像素的图像要放大1.5倍到750750像素。最简单的方法就是直接创建一个750750网格,它与原始图像有相同的间隔,然后将其收缩,使它准确地与原图像匹配。但是这有一点不足,就是收缩后的750750网格像素间隔要小于原图像的像素间隔。一种解决方法就是,在原图像中找到最接近的像素,把该像素的灰度值赋给750*750网格中的新像素点。当完成对网格中覆盖的所有点的灰度赋值后,就把图像扩展到原来规定的大小,得到放大后的图像。(这种方法就是最近邻内插法)
还有其他内插法:双线性内插法、双三次内插法等。
1.5 一些基本的灰度变换函数
1.5.1 图像反转
灰度级范围[0, L - 1]的一幅图像的反转图像可以由下式给出:s = L -1 -r .
图像反转可以用于处理特别适用于增强嵌入在一幅图像的暗区域中的白色或灰色细节,特别是当黑色面积在尺寸上占主导地位时。
>> Image_original = imread('C:\Users\Public\Pictures\Sample Pictures\smile.jpg');
I = 255 - Image_original;
subplot(121)
imshow(Image_original)
subplot(122)
imshow(I)
1.5.2对数变换
公式:s = c log(1 + r),其中c为常数,且假设r ≥ 0.
对数变换可以用来扩展图像中的暗像素的值,同时压缩更高灰度级的值。
r = imread('C:\Users\Public\Pictures\Sample Pictures\timg.jpg');
s=(-2)*log(1+double(r));
subplot(121);
imshow(r);
subplot(122);
imshow(s);
(还不清楚为何变换后的图像是黑色的,待我清楚后再修改修改)
r = imread('C:\Users\Public\Pictures\Sample Pictures\timg.jpg');
s=2*log(1+double(r));
subplot(121);
imshow(r);
subplot(122);
imshow(s,[]);
由上图可知,当对数变换后图像变得模糊且不完整。注意,需要将变量强制转换成double类型。
1.5.3幂律变换
幂律变换基本形式: s = c* r^γ
其中c 和 γ 为正常数。幂律方程中的指数称为伽马(γ),用于校正这些幂律响应现象的处理称为伽马校正。 有时考虑到偏移量(即输入为0时的一个可度量输出),公式也可写为s = c(r + ε)γ。
>> f = imread('C:\Users\Public\Pictures\Sample Pictures\smile.jpg');
f_g = mat2gray(f);
f_gama = f_g.^0.4;
max =255;
min =0;
f_gama_fg = uint8(f_gama*(max - min) + min);
subplot(121)
imshow(f)
subplot(122)
imshow(f_gama_fg)
第一幅图观察,变换后图像色调变白且变模糊了;第二幅图好像显示有虚边。
第一次发表,如有错误及其他不足之处,请多多包涵!谢谢~
参考:https://blog.csdn.net/zhengxiaoyang995926/article/details/79463463
冈萨雷斯版《数字图像处理》