【数字图像处理】_笔记
第一章 概述
1.1 什么是数字图像？
图像分为两大类：模拟图像与数字图像
- 模拟图像：通过某种物理（光、电）的强弱变化来记录图像上各个点的亮度信息
连续：从空间上和数值上是不间断的
举例：胶卷照片、纸质照片、肉眼看见的图像
- 数字图像：模拟图像经过采样和量化后得到的图像
数字化意味着数字图像只是真实图像的近似，在数字化过程有信息损失（是为了方便计算机处理才做的采样和量化）
举例：数码相机储存的图像
像素值通常表示灰度、颜色、不透明度等
图像的采样和量化是数字图像处理的两个基本步骤，主要用于将模拟图像（如自然世界中的连续图像）转换为数字图像（即计算机可处理的图像）
一、采样（Sampling）
定义：
采样是指在图像的空间域中对连续图像进行空间上的离散化，也就是在图像中选取一些特定的位置（点）来代表整个图像。
通俗理解：
就像你拿相机拍照，感光元件上每个像素点都在采集一个位置的信息，最终得到一张由很多像素点组成的图像。举例说明：
一幅图像的分辨率是 1920×1080，这表示图像在水平方向被采样了1920次，垂直方向采样了1080次。
如果采样率低，图像就会显得模糊、马赛克严重。
二、量化（Quantization）
定义：
量化是指将每个采样点的像素值（通常是灰度值或颜色值）从连续的模拟值转化为有限的离散数值等级。通俗理解：
现实世界中的亮度、颜色变化是连续的，但计算机只能表示有限数量的数字。因此必须把这些连续值四舍五入到最近的离散值。举例说明：
灰度图像中，如果使用8位来表示灰度值，就有 2^8 = 256个灰度等级。
如果量化等级太少（如只用2位=4个灰度级），图像就会出现色带（伪影），失去细节。
三、采样 vs 量化 对比
项目 采样 量化 涉及的维度 空间维度（横纵坐标） 灰度或颜色值 作用 选取图像中的像素点 将每个像素值转化为整数级别 结果 影响图像的分辨率 影响图像的灰度层次或色彩精度 拍照时，“你拍了多少个点”是采样，“你对每个点的颜色记录得有多精细”是量化。
1.2数字图像处理的基本流程
-
图像获取
通过传感器（如相机、扫描仪、MRI设备）将现实世界的模拟图像转换为数字信号（采样+量化）。 -
预处理
增强：调整对比度、降噪、锐化（如直方图均衡化、滤波）。 校正：消除几何畸变、色彩偏差（如镜头畸变修正）。 -
特征提取
检测边缘、纹理、形状或特定目标（如SIFT特征、霍夫变换）。 -
分析与识别
分类（如人脸识别）、分割（如医学图像中的肿瘤区域）、测量（如细胞计数）。 -
输出与可视化
生成处理后的图像、数据报告或控制指令（如自动驾驶中的障碍物标记）。
1.3 数字图像处理的发展趋势
Ø 从低分辨率向高分辨率发展
Ø 从二维（2D）向三维（3D）发展
Ø 从静止图像向动态图像发展
Ø 从单态图像向多态图像发展
Ø 从图像处理向图像理解发展
第二章 基础知识
2.1 图像的数字化
- 采样 →M*N矩阵
- 量化→连续函数f(x,y)被划分为K个空间
- 采样及量化越精细（M，N，K越大），越逼近连续图像
2.2 图像的表示
2.3 图像模式及彩色模型
图像模式：
二值图像：指图像中的每个像素点只有 两种可能的取值（通常为 0 和 1），分别对应 黑色 和 白色（或其他两种颜色的组合）。
灰度图像：灰度图像中每个像素点的取值表示 亮度（明暗程度），通常范围为 0（黑色）到 255（白色），共 256 级灰度（8 位二进制数。 灰度图像可以保留亮度信息：能体现图像的明暗层次，但不包含颜色信息。
彩色图像：彩色图像通过不同颜色通道的组合来表示像素的颜色。每个像素通常占用 3 字节（RGB 三通道各 1 字节），存储和处理成本较高。
常用的彩色模型：
彩色模型（颜色空间）用于以数学方式描述颜色。
1. RGB（Red, Green, Blue）
-
原理：基于光的三原色叠加（加色模型）。
-
表示：
-
三维坐标
(R, G, B)，每通道范围通常为0~255（8位）。 -
黑色：
(0, 0, 0)；白色：(255, 255, 255)。、
-
-
特点：
-
直接对应显示器/传感器的物理输出。
-
颜色与亮度耦合，调整单一通道会影响亮度和色相。
- 等比例混合时（如 R=G=B）呈现灰度色（如 R=G=B=128 为灰色）。
-
2.HSI 彩色模型（Hue-Saturation-Intensity）
原理
- 基于人类视觉感知：将颜色分解为三个直观的分量：
- 色调（Hue, H）：颜色的种类（如红、绿、蓝），取值范围通常为 0°-360°（对应色轮圆周）。
- 饱和度（Saturation, S）：颜色的纯度（鲜艳程度），取值范围 0%-100%（0% 为灰度色，100% 为纯色）。
- 亮度（Intensity, I）：颜色的明暗程度，取值范围 0%-100%（0% 为黑色，100% 为白色）。
亮度定义 三通道平均值（Intensity，平均亮度）
特点
- 解耦颜色属性：H、S、I 三个分量相互独立，便于单独调整（如调节亮度不影响色调）。
- 与 RGB 可相互转换：通过数学公式实现转换，但计算复杂度较高。
3.HSV 彩色模型（Hue-Saturation-Value）
-
RGB：基于光的三原色叠加，适用于显示器存储。
-
HSV：基于人眼感知，分离色相（H）、饱和度（S）、明度（V），更适合颜色调整和图像分析。
原理
- 类似 HSI 的变体：
- 色调（H）：与 HSI 的 H 含义相同（0°-360°）。
- 饱和度（S）：与 HSI 的 S 含义相同（0%-100%）。
- 明度（Value, V）：对应颜色的 最大亮度（与 HSI 的亮度 I 略有差异），取值范围 0%-100%（0% 为黑色，100% 为纯色最亮状态）
| 亮度定义 | 三通道最大值（Value，最大亮度 |
4.YCrCb（Luminance-Chrominance）
-
原理：分离亮度（Y）和色度（Cr, Cb），基于人眼对亮度更敏感的特性。
-
表示：
-
Y：亮度（类似灰度）。
-
Cr：红色分量与亮度的差值。
-
Cb：蓝色分量与亮度的差值。
-
-
特点：
-
色度信息可压缩（如JPEG压缩时降低Cr/Cb分辨率）。
-
兼容黑白显示（仅需Y通道）
-
5.Lab 彩色模型（CIE L*a*b*）
原理
- 设备无关的感知模型：由国际照明委员会（CIE）定义，基于人类视觉的 均匀颜色空间，理论上能覆盖人眼可见的所有颜色。
- 三个分量：
- L（亮度）：取值范围 0-100（0 为黑色，100 为白色）。
- a（红绿轴）：取值范围 -128-127（负值为绿色，正值为红色）。
- b（蓝黄轴）：取值范围 -128-127（负值为蓝色，正值为黄色）。
特点
- 最接近人类视觉：颜色空间均匀分布，任意两点间的欧氏距离对应人眼感知的颜色差异（ΔE 值）。
- 色域最广：包含 RGB 和 CMYK 无法表示的颜色（如某些鲜艳的青色）
✅ 总结对比表
| 模型 | 构成 | 应用领域 | 优点 |
|---|---|---|---|
| RGB | R, G, B | 显示设备，原始图像输入 | 硬件友好，处理简单 |
| HSI | Hue, Sat, Int | 图像识别、分析 | 直观反映人类感知 |
| HSV/HSB | Hue, Sat, Value | 图像编辑、调色板 | 易于调色，图形用户界面常用 |
| YCrCb | Y, Cr, Cb | 视频压缩、传输 | 分离亮度和色度，便于压缩 |
| Lab | L, a, b | 图像增强、颜色差异检测 | 感知均匀、设备无关 |