图像数字化技术

图像的数字化包括采样和量化两个过程

图像采样和量化

色度学基础与颜色模型

三基色原理

根据人眼的三基色吸收特性，人眼所感受到的颜色其实是三种基色按照不同比例的组合。则任一彩色C可表示为：
C = R（R）+ G（G）+ B（B）
人眼视觉的感受颜色可用色调（hue）、饱和度(saturation）和亮度（brightness）来表示。

颜色模型

各种表示颜色的方法，称做颜色模型。目前常用的颜色模型按用途可分为3类：计算颜色模型、视觉颜色模型和工业颜色模型

计算颜色模型

用于进行有关颜色的理论研究。常见的RGB模型、CIE XYZ模型、 Lab模型等均属此类

视觉颜色模型

是指与人眼对颜色感知的视觉模型相似的模型，它主要用于色彩的理解。常见的HSI模型、 HSV模型和HSL模型均属此类

工业颜色模型

侧重于实际应用，包括彩色显示系统、彩色传输系统及电视传输系统等。工业颜色模型有如印刷中用的CMYK模型、电视系统用的YUV模型、用于彩色图像压缩的YCbCr模型等

RGB模型

HSI模型

利用颜色的三个属性色调H（hue）、饱和度S（saturation）和亮度I（intensity）组成一个表示颜色的圆柱体

RGB和HSI之间的转换

数字图像类型

数字图像可分为矢量(Vector)图和位图（Bitmap），位图也称为栅格图像。

矢量(Vector)图

矢量图用一系列计算机指令来表示一幅图，如AutoCAD中的绘图语句。本质上是用数学(准确地说是几何学)公式描述一幅图像。

两个优点

一是文件数据量很小，因只存储其数学公式；二是图像质量与分辨率无关，无论图像放大或缩小多少，图像总是以显示设备允许的最大清晰度显示。

一个缺点

不易制作色调丰富或色彩变化太多的图像，也不易在不同的软件间交换文件。

位图（Bitmap）

位图由像素点来表示一幅图像。每个像素具有颜色属性和位置属性。位图又可分成线画稿(LineArt)、灰度图像 (GrayScale)、索引颜色图像(Index Color)和真彩色图像（True Color）

图像文件格式(自学)

图像文件：文件头+图像数据
文件头的内容由制作该图像文件的公司决定，一般包括文件类型、文件制作者、制作时间、版本号和文件大小、压缩方式等内容

BMP图像文件格式
TIF图像文件格式
GIF图像文件格式
PBM、 PGM、 PPM文件
PCX文件
JPEG图像格式

OpenCV编程简介

还是自学…

安装

build文件夹是编译好的OpenCV二进制文件， sources文件夹是OpenCV源代码文件。若需要特殊功能，可自行进行编译
进行配置

测试程序

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>

int main() 
{
   
	// read an image
	cv∷Mat image= cv∷imread(“tiger.jpg”); 
	// create image window named “My Image”
	cv∷namedWindow(“My Image”);
	// show the image on window
	cv∷imshow(“My Image”, image);
	// wait key for 5000 ms
	cv∷waitKey(5000);
	return 1;
}

图像的算法运算

像素间的运算

图像的逻辑运算

学习要求

1）安装配置matlab或python或C++、OPENCV图像处理环境
2）图像的读、写、显示、存储操作
3）将彩色图像在不同颜色空间进行分量分离；将彩色图像转灰度图像
4）观察图像的算术和逻辑运算的结果（对于256色灰度图，请自行查阅当运算值超过[0,255]范围的处理办法，及[0,255]→[0,1]→[0,255]处理流程）

计算机图像处理之基础

数字图像处理基础