视觉感知要素——亮度适应和鉴别：

人眼对不同亮度的适应和鉴别能力：亮 -> 暗  适应；暗 -> 亮  适应

图像取样和量化

1、概念：

数字化坐标值称为取样

数字化幅度值称为量化     

 2、

坐标的数字化称为采样，幅度值的数字化称为量化。

对于取样：图像的取样率：单位距离的取样数目（在两个空间方向上）

对于量化：对于灰度级的量化

空间坐标的数字化——图像取样

强度的数字化——灰度级量化

3、图像取样和量化的步骤

模拟图像信号--》空间采样--》灰度级（强度）量化

公式化表达：--》--》

4、

        非均匀量化：频繁出现的灰度值范围,量化间隔取小一些,而对那些像素灰度值极少出现的范围,则量化间隔取大一些。（变化频繁，取小；变化不频繁，取大。）

数字图像的表示

1、L=2^k，称为k位图，其中L为灰度级。

2、存储一幅512×512，有256个灰度级的图像需要多少比特？

        答: 存储一幅大小为M×N，有2^k个不同灰度级的图像所用的Bit数为: b=M×N×k

因此，存储一幅512×512 ，有256个灰度级（k=8）的图像需要512×512×8=2097152(Bit)

 空间和灰度分辨率

空间分辨率：图像中可分辨的最小细节，主要由采样间隔值决定

采样间隔值越小，空间分辨率越高。（成反比）

实例：空间分辨率变化对图像视觉效果的影响

>> rose1 = imread("rose1.tif");
>> rose2 = rose1(1:10:1024,1:10:1024);
>> subplot(1,2,1),imshow(rose1);title("原图");
>> subplot(1,2,2),imshow(rose2);title("采样后的图");

小结：

图像的收缩与放大

1、图像的收缩—— 行、列删除

2、图像的放大——①创立新的象素位置；②给新象素赋灰度值

        最近邻域内插方法

        双线性内插方法

像素间的一些基本关系

1、邻域

 2、邻接性

相邻：位置相邻

邻接：位置和像素值都相同

（1）4邻接

（2）8邻接

（3）m邻接(混合邻接)：若像素p和q的灰度值均属于V中的元素，{①q在N4(p)中,或者②q在ND(p)中}且{集合N4(p)∩N4(q)没有V值的像素},则具有V值的像素p和q是m邻接的。

例题1：

两种邻接及其关系见下图所示，相似性准则为V={1}，

p与q： 4邻接，也8邻接；

q与r ：8邻接但非4邻接。

 例题2：

4、通路

5、连通性

距离的度量

1、定义

2、三种距离的关系

通过D4和D8的计算，可以大大减少运算量，以适应数字图像数据量很大的特点。

 图像处理的数学公式

1、矩阵操作

2、线性和非线性操作

3、算数操作

算术运算只涉及一个空间位置（象素）的运算；

2、减法：去除不需要的叠加性图案；检测两幅图像之间的差别，增强细节；计算物体边界的梯度（差分运算）

3、乘法：图象的局部显示

实例：

>> a1 = imread('rose1.tif');
>> h = zeros(1024,1024);
>> h(500:700,500:700) = 1;
>> a1 = im2double(a1);
>>  a2 = a1.*h;
>> subplot(1,3,1),imshow(a1);title("原图");
>> subplot(1,3,2),imshow(h);title("h");
>> subplot(1,3,3),imshow(a2);title("a2");

4、图像处理的逻辑操作：与、非、或 （像素灰度值作为二进制串处理）