機(jī)器視覺（圖像處理）入門金典之圖像數(shù)字化及處理方法
點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”
重磅干貨，第一時(shí)間送達(dá)
轉(zhuǎn)載：新機(jī)器視覺
圖像的數(shù)字化
一般的圖像（模擬圖像）不能直接用計(jì)算機(jī)來處理，必須首先轉(zhuǎn)化為數(shù)字圖像
把模擬圖像分割成一個(gè)個(gè)稱為像素的小區(qū)域，每個(gè)像素的亮度或灰度值用一個(gè)整數(shù)表示
?
數(shù)字化的含義：
使模擬圖像的灰度、亮度和色彩數(shù)據(jù)化
?
圖像數(shù)字化的步驟：
兩個(gè)步驟：
1、在空間坐標(biāo)對(duì)圖像離散化——圖像采樣
2、在幅度上離散化——灰度級(jí)量化（取整）
?
圖像采樣示意圖：
?
也就是在xy軸上（空間坐標(biāo)）將完整的一幅圖像定義在從某些位置上“拆解”（離散）成最小單位即像素快，用坐標(biāo)（x，y）表示像素點(diǎn)之間的位置關(guān)系。
將虛擬圖像轉(zhuǎn)換為數(shù)字圖像是為了達(dá)到計(jì)算機(jī)進(jìn)行處理的目的。虛擬圖像轉(zhuǎn)換為數(shù)字圖像的方式就是把虛擬圖像由像素點(diǎn)來表示。
數(shù)字圖像，它是由像素點(diǎn)（圖像的最小單位）構(gòu)成的，每個(gè)像素點(diǎn)表示著一個(gè)灰度值在平面坐標(biāo)系上矩陣排布，這些灰度值按照一定的關(guān)系組合在一起形成了圖像。至此，既然圖像的操作單元以及它的排布關(guān)系已經(jīng)確定了，那么就可以通過計(jì)算機(jī)對(duì)其計(jì)算處理。
為什么是灰度？
這個(gè)問題我最早也困惑為什么不是紅度？綠度？藍(lán)度？，后來想想無論紅的綠的藍(lán)的黑的都可以，確定圖像完全可以由任意顏色的0~255之間的值來表示。偏向于灰度可能是因?yàn)榛业臉O端為黑白兩種鮮明的對(duì)比色也或許是因?yàn)樵缙诘某上穸际呛诎住?/p>
?
灰度值量化
經(jīng)過采樣，模擬圖像已在空間上離散化為像素，但抽樣所得的像素值仍是連續(xù)量（非整數(shù)），必須將其化為正整數(shù)——灰度級(jí)的量化。
若抽樣點(diǎn)（橡素）的連續(xù)濃淡值為Zi ，Zi-1 <= Zi < Zi+1，則Zi = qi，即Zi量化為整數(shù)qi，qi稱為像素的灰度值
（所謂量化，就是把經(jīng)過抽樣得到的瞬時(shí)值將其幅度離散，即用一組規(guī)定的電平，把瞬時(shí)抽樣值用最接近的電平值來表示。經(jīng)過抽樣的圖像，只是在空間上被離散成為像素(樣本)的陣列。而每個(gè)樣本灰度值還是一個(gè)由無窮多個(gè)取值的連續(xù)變化量，必須將其轉(zhuǎn)化為有限個(gè)離散值，賦予不同碼字才能真正成為數(shù)字圖像。這種轉(zhuǎn)化稱為量化。）
一般，灰度圖像常量化為8位圖像。
數(shù)字圖像數(shù)據(jù)量的計(jì)算
抽樣點(diǎn)數(shù)越多，圖像像素?cái)?shù)目越多，圖像數(shù)據(jù)量越大
量化級(jí)別越高，圖像每個(gè)像素所占用的字節(jié)越長(zhǎng)，圖像數(shù)據(jù)量越大。
?
一幅數(shù)字圖像的總數(shù)據(jù)量可用公式計(jì)算：
數(shù)據(jù)量=M*N*b
M——每行像素量
N——每列像素量
b——灰度量化所占用的位數(shù)或字節(jié)數(shù)
例如：一幅8位灰度圖像，大小為512*512，其數(shù)據(jù)量多大？
512*512*8bit = 512*512*1k = 512*512 / 1024 = 256 kb
?
數(shù)字圖像處理的實(shí)質(zhì)：
通過對(duì)數(shù)字圖像中像素?cái)?shù)據(jù)的判斷，依據(jù)處理或識(shí)別要求，最后逐個(gè)修改像素的灰度值。
?
數(shù)字圖像的數(shù)據(jù)以矩陣形式排列
一幅M*N個(gè)像素的數(shù)字圖像，其像素灰度值的排列實(shí)際形成了一個(gè)M行N列的矩陣F，數(shù)字圖像中的像素與矩陣元素是一 一對(duì)應(yīng)的
矩陣可用二維數(shù)組來表示
一個(gè)M*N像素的矩陣，在算法語言中，可以用一個(gè)M*N的二維數(shù)組來表示。
?
此后對(duì)像素的處理就代之以對(duì)數(shù)組元素的處理，很容易用計(jì)算機(jī)來實(shí)現(xiàn)。
如何用高級(jí)語言實(shí)現(xiàn)圖像處理？
在圖像處理中，一般都是順序完成對(duì)整幅畫面的存取和處理操作的，具有代表性的是以光柵掃描方式——逐行逐列存取與處理。
若數(shù)字圖像的大小為M*N（width*height）個(gè)像素，數(shù)組元素灰度值為 f（x，y），則C語言處理程序的基本框架為：
?
?
從程序顯而易見，計(jì)算機(jī)處理數(shù)字圖像是從每個(gè)像素點(diǎn)逐個(gè)處理。
?
圖像二值化流程：
二值化處理的程序（一個(gè)CVI例子程序）
?
?
程序逐個(gè)判斷像素點(diǎn)的pixel_value > Th ? 如果為true 設(shè)置此像素點(diǎn)的灰度值為255，為false設(shè)置此像素點(diǎn)的灰度值為0，由此處理后的圖像會(huì)呈現(xiàn)黑白鮮明的對(duì)比。
?
處理結(jié)果：
?
圖像處理的方法多種多樣，從實(shí)現(xiàn)處理的過程看有兩類：空域處理 和 頻域處理。
空域：即空間域，指灰度圖像本身，圖像是一種灰度在二維空間變化的信息。
空域處理：對(duì)源圖像像素的灰度值直接運(yùn)算，生成新的圖像，被操作者是像素的灰度值。
?
空域處理可分為以下幾種方式：
點(diǎn)處理
區(qū)域處理
迭代處理
跟蹤處理
?
點(diǎn)處理：是指輸出像素值僅取決于對(duì)應(yīng)輸入像素的像素值。
若輸入像素灰度值為f(x,y)，
輸出像素灰度值為g(x,y),
則g(x,y) = ▲f(x,y) ，
▲代表某種函數(shù)關(guān)系式。
點(diǎn)處理的典型用途：
調(diào)整圖像的灰度分布，如灰度變換（線性、非線性）和灰度修正；
圖像的二值化；
圖像反色；
?
點(diǎn)處理方法的優(yōu)點(diǎn)：
可用LUT方法快速實(shí)現(xiàn)；
?
區(qū)域處理——領(lǐng)域處理
算法：
根據(jù)輸入圖像某像素f(x,y)的一個(gè)小領(lǐng)域N(f(x,y))的像素值，按某種函數(shù)關(guān)系▲得到輸出像素g(x,y)的值，即g(x,y)=▲(N(f(x,y)))
?
區(qū)域處理中的領(lǐng)（區(qū)）域的形狀
領(lǐng)域N(f(x,y))的形狀是多種多樣的；實(shí)用中多采用以像素(x,y)為中心的矩形對(duì)稱領(lǐng)域如3*3、5*5等
領(lǐng)域越大，計(jì)算量越大，若圖像大小為M*N,領(lǐng)域?yàn)镵*L，則領(lǐng)域處理時(shí)總計(jì)算量為M*N*K*L。
?
領(lǐng)域處理的用途
圖像的平滑（濾波）
圖像的銳化（增強(qiáng)）
圖像的形態(tài)學(xué)處理等
?
迭代處理：
迭代是指反復(fù)進(jìn)行某種處理運(yùn)算。
迭代處理多用于圖像細(xì)化、圖像增強(qiáng)、圖像平滑及邊緣探測(cè)等方面。
跟蹤處理：
跟蹤處理一般用于圖像邊界、邊緣的提取，以便進(jìn)行圖像的分割、識(shí)別及特征參數(shù)的計(jì)算。
邊緣提取的原理在于判斷目標(biāo)里外兩像素點(diǎn)灰度值差，若差大于某個(gè)特定值即可斷定這個(gè)像素點(diǎn)的位置為目標(biāo)邊緣。
?
圖像處理方法二：頻域處理
為什么要采用頻域處理？
灰度圖像的邊緣、線條——高頻成分
其余部分灰度值改變不大——低頻成分
?
觀察圖像的高頻和低頻成分。因此采用頻率分析——變換方法有利于對(duì)圖像進(jìn)行特征提取及圖像增強(qiáng)的處理。
?
圖像在頻域上處理的一般過程：
頻域處理是建里在修改圖像傅里葉變換基礎(chǔ)之上的——增強(qiáng)感興趣的頻率分量，然后將修改后的傅里葉變換直再做逆傅里葉變換，以得到增強(qiáng)的圖像，一般過程：
作者為CSDN博主aaaaabin
?End?
聲明：部分內(nèi)容來源于網(wǎng)絡(luò)，僅供讀者學(xué)習(xí)、交流之目的。文章版權(quán)歸原作者所有。如有不妥，請(qǐng)聯(lián)系刪除。