图像获取与表示课件

图像获取与表示图像获取与表示是计算机视觉和图像处理中的关键步骤它涉及获取图像数据并将其转换为计算机可以理解和处理的形式课程大纲图像获取图像表示

1.

2.12图像传感器、成像原理、颜色模型、色深、分辨率像素与颜色表示、数字图像的采样与量化图像压缩图像处理基础

3.

4.34有损压缩与无损压缩、常图像增强、滤波、边缘检见图像格式测、形态学操作、图像分割课程目标理解图像获取图像处理基础掌握常见图像格式了解图像传感器类型、成像原理，并学习图像增强、滤波、边缘检测等基深入了解、、等格式的编JPEG GIFPNG掌握像素与颜色表示方法本图像处理技术码原理和特点图像获取图像获取是图像处理的第一步，将现实世界中的场景转换为计算机可以处理的数字图像图像获取的过程包括光线照射目标物体、传感器捕捉光线信息并将其转换为数字信号，最后将数字信号存储为图像文件图像获取方法多种多样，常用的方法包括使用数码相机、扫描仪、医疗影像设备等图像获取的质量会影响后续图像处理的效果，因此选择合适的图像获取方法至关重要图像传感器简介光电转换传感器传感器CCD CMOS将光信号转换为电信号使用电荷耦合器件，将光信号存储在使用互补金属氧化物半导体技术，每电荷井中，然后逐行读取个像素独立处理信号，更易于集成成像原理光线照射物体1光线照射到物体表面反射与散射2光线被反射和散射镜头聚焦3镜头将光线汇聚到图像传感器传感器接收4传感器将光信号转换为电信号数字图像生成5电信号被数字化，形成图像成像过程包含多个步骤首先，光线照射到物体表面，然后被反射和散射接着，镜头将这些光线汇聚到图像传感器上最后，传感器将光信号转换为电信号，并将其数字化，从而生成数字图像光线与物质的相互作用反射光线照射到物体表面，部分光线被反射回来，形成我们看到的物体的颜色和形状折射光线从一种介质进入另一种介质时，传播方向发生改变，形成折射现象吸收物体吸收了部分光线，剩余的光线被反射或透射，形成我们看到物体的颜色透射光线穿过透明或半透明物体，形成我们看到物体的透明度和颜色像素与颜色表示像素颜色表示像素是数字图像的基本单元，它代表颜色通常使用不同的颜色模型来表示图像中的一个点，并以数字形式存储，例如模型使用红、绿、蓝三种RGB颜色信息颜色来表示所有颜色灰度图像彩色图像灰度图像只包含亮度信息，每个像素彩色图像使用多个颜色通道来表示颜值代表灰度级，从黑色到白色色，每个通道对应一种颜色，例如模型中的红、绿、蓝通道RGB灰度图像灰度图像仅包含亮度信息，每个像素用一个值表示其亮度通常用到的整数表示，表示黑色，表示白色02550255，中间值代表不同的灰度级别灰度图像广泛应用于图像处理领域，比如图像增强、边缘检测、特征提取等它们也常用于医疗图像、遥感图像和机器视觉等颜色模型RGB三原色模型颜色混合应用场景颜色模型是基于三种基本颜色红通过混合不同比例的红、绿、蓝三原颜色模型广泛应用于计算机显示器RGB RGB色（）、绿色（）和蓝色（色，可以生成各种各样的颜色、电视机、扫描仪等设备Red Green）Blue其他颜色模型CMYKCMYK颜色模型采用青色Cyan HSV、品红色Magenta、黄色HSV颜色模型采用色调Hue、HSLYellow和黑色Key四种颜料饱和度Saturation和明度CIELABHSL颜色模型使用色调Hue、Value三个属性描述颜色主要应用于印刷行业，基于减饱和度Saturation和亮度CIELAB颜色模型是一种设备无色原理Lightness三个属性来描述颜关的颜色模型，用于描述人眼更符合人类对颜色的感知，方色感知的颜色便艺术家和设计师使用与HSV相似，更适合用于网页广泛应用于色彩管理、图像处设计和图像处理理和视觉研究中颜色模型比较不同的颜色模型在图像处理中扮演着重要角色它们具有不同的优势，适用场景也各不相同31RGB CMYK最常见，适用于显示器和打印机适用于印刷，使用青色、洋红色、黄色和黑色24HSV Lab基于色调、饱和度和明度接近人类视觉感知选择合适的颜色模型可以提高图像处理效率和效果色深与颜色深度色深颜色深度每个像素存储的位数图像可以表示的颜色总数用于表示每个像素的颜色信息取决于色深和颜色模型图像分辨率图像分辨率是指图像中像素的多少，通常用像素点数量表示高分辨率图像具有更多像素，细节更丰富，图像质量更高，但文件尺寸也更大分辨率解释像素720p1280x720像素1080p1920x1080像素4K3840x2160像素8K7680x4320数字图像的采样与量化采样1将连续信号转换为离散信号量化2将离散信号的值映射到有限个离散级别编码3将量化后的值存储或传输采样和量化是将模拟图像转换为数字图像的关键步骤采样过程将连续的图像信号转换为离散的像素值量化过程将每个像素的值映射到有限个离散级别，从而将像素值存储在计算机中采样定理与量化误差采样定理量化误差采样定理指出，为了准确地重建原始信号，采样频率必须量化是将连续信号转换为离散信号的过程量化过程会引大于信号最高频率的两倍如果采样频率过低，就会导致入误差，因为离散值无法完全准确地表示原始信号量化混叠现象，导致信号失真误差会影响图像的细节和颜色有损压缩与无损压缩无损压缩有损压缩应用场景123原始数据可以完全恢复数据在压缩过程中会丢失部分数据无损压缩适用于需要完全还原压缩算法通过去除数据冗余来，无法完全恢复原始数据通数据的场景，如文本文件、数减少存储空间，例如使用运行过去除人类视觉感知不敏感的据库有损压缩适用于图像、长度编码（）对重复像素进信息来压缩数据，例如颜色细音频和视频，可以显著降低文RLE行压缩节和边缘细节件大小编码原理JPEG压缩过程1使用离散余弦变换（）将图像数据转换为频率系数JPEG DCT量化2根据人眼对不同频率成分的敏感程度，对频率系数进行量化，舍弃部分信息以降低数据量编码3对量化后的系数进行熵编码，进一步压缩数据，最终生成文件JPEG编码原理GIF颜色索引1使用调色板，减少颜色数量压缩方法2采用算法，压缩重复数据LZW帧动画3存储一系列图像，逐帧播放动画编码原理主要依赖于三种关键技术颜色索引，压缩方法和帧动画GIF颜色索引技术通过使用调色板来减少图像中颜色的数量，从而降低存储空间算法通过压缩重复数据来进一步压缩图LZW像大小帧动画则是指存储一系列图像，并以一定的频率播放，从而形成动态图像编码原理PNG压缩算法1无损压缩数据结构2图像数据颜色模型3RGB或索引颜色压缩方法4LZ77算法PNG编码原理基于无损压缩技术它通过LZ77算法压缩图像数据，并将数据存储在文件头中PNG文件包含图像数据、颜色模型信息和压缩算法信息它还支持透明度和伽玛校正等功能文件格式对比图像处理基础图像类型图像表示图像处理算法通常用于处理图像数据存储在二维矩阵中灰度、彩色和二进制图像，每个像素包含颜色信息图像操作应用领域图像处理包括增强、复原、图像处理在医学影像、计算分割、分析和压缩等操作机视觉、遥感等领域应用广泛图像增强提高对比度降低噪声

1.

2.12增强图像的细节，使其更容易辨认消除图像中的随机干扰，提高图像的清晰度锐化边缘校正颜色

3.

4.34突出图像的边缘细节，使图像更清晰调整图像的颜色平衡，使其更加自然直方图均衡化直方图分析图像直方图显示每个灰度值的像素数量，反映图像亮度分布.均衡化过程将灰度值映射到新的范围，使直方图更均匀分布，提高对比度.均衡化效果改善图像对比度，使细节更加清晰，增强图像的可视性.滤波器平滑滤波锐化滤波平滑滤波器用于减少图像噪锐化滤波器用于增强图像边声，模糊图像细节缘和细节，提高图像清晰度边缘检测滤波高通滤波边缘检测滤波器用于识别图高通滤波器可以保留图像的像中的边缘，突出轮廓高频信息，增强边缘细节图像金字塔图像金字塔是一种多尺度图像表示方法它通过对原始图像进行连续降采样和模糊操作，生成一系列尺寸逐渐减小的图像图像金字塔可以用于图像匹配、目标检测、图像融合等任务在图像匹配中，金字塔可以帮助找到不同尺度下的匹配点在目标检测中，金字塔可以帮助检测不同大小的目标边缘检测边缘定义1图像中灰度值发生显著变化的区域，通常对应物体边界或纹理变化边缘检测算子2使用各种算子来检测图像中的边缘，例如Sobel算子、Canny算子等边缘提取步骤3•噪声去除•梯度计算•边缘阈值化•边缘跟踪形态学操作膨胀腐蚀开运算闭运算膨胀操作会增大目标区域，腐蚀操作会缩小目标区域，开运算先腐蚀后膨胀，可以闭运算先膨胀后腐蚀，可以在图像中将前景物体扩张将前景物体收缩去除图像中的小噪声填充图像中的孔洞图像分割基于阈值的分割1根据像素值设定阈值，将图像分为两类或多类边缘检测2利用图像边缘信息进行分割，将边缘区域视为分割边界区域生长3从图像中选取种子点，根据预定义的规则扩展区域，将相似区域合并实例演示本节课将通过实际例子展示图像获取与表示的应用我们会演示如何利用图像传感器获取图像，以及如何使用各种图像处理技术对图像进行增强、分割和压缩等操作通过这些例子，您可以更加直观地理解图像获取与表示过程，并学习如何将这些知识应用到实际问题中小结与展望课程总结未来方向本课程介绍了图像获取与表示的原理和技术从图像传感图像领域不断发展，未来我们将探索更多先进技术，例如器到数字图像的表示，再到图像压缩和处理，我们对图像深度学习、计算机视觉等，推动图像处理和分析的应用更的本质和处理方法有了更深入的理解加广泛和深入。