2 图像基础

2.1 视觉

不是光强度的简单函数

图像获取的基本过程

光源->对象->摄像单元（传感器）->A/D转换单元->图像储存单元->计算机

2.2 取样和量化

取样：对图像坐标(x,y)数字化，决定矩阵大小（MxN）

量化：对幅值\(f(x,y)\)数字化，决定灰度级数（\(L=2^k\)），灰度越高越亮

存储比特数：\(b=M\times N\times k\)

2.3 空间分辨率和灰度分辨率

对于取样精度\(M\times N\)，灰度级数\(L=2^k\)，灰度比特k

dpi: dots per inch，1英寸里有几个像素点就是几

空间分辨率=\(\frac{视场(\mathsf{FOV})}{像素点数}\)，越小，空间分辨率越高

饱和度：最大的灰度值，超过这个值灰度被裁掉，为恒定的高灰度级

对比度：最高与最低灰度级之间的灰度差L

图像内插

用已知数据估计位置数据，用于放大、收缩、旋转和校正

常用算法：最邻近，双线性，双三次

matlab函数： imresize(), imrotate(), imtransform(), interp1(), interp2()

2.4 像素基本关系

相邻像素

图中阴影为相应的邻域

邻接性

要素：像素灰度值邻接（灰度都在一个值域V内）；像素位置相邻

其中4邻接和m邻接都是8邻接，但8邻接不一定

连通性

用邻接定义的连通，x邻接就是x通路（x=4，8，m）

如果通路闭合，为闭合通路；一个通路中的任意像素连通；

连通分量见离散，只有一个连通分量，称连通集

区域和边界

图像的一个连通子集称为区域；如果两个区域可以连通，称为邻接区域

图像中k个不邻接的区域，且不触及图像边界，称k个区域的并集为前景，其余为背景

区域的边界：区域与图像其他部分相邻的像素集合

分别是邻接区域，前景，边界

像素之间的距离

欧氏距离：\(D_e(p,q)=\sqrt{(x-s)^2+(y-t)^2}\)

城市街区距离：\(D_4(p,q)=|x-s|+|y-t|\)

棋盘距离：\(D_8(p,q)=\max\{|x-s|,|y-t|\}\)

分别是欧氏，曼距，棋盘

2.5 图像的列阵操作

列阵操作就是逐个像素操作

图像相加，相减，乘除（不是矩阵乘除，是元素）