一、图像的数字化1.类比声音信号的数字化过程图像数字化与声音数字化原理同源均是将连续模拟信号转换为离散数字信号核心包含三个步骤取样Sampling将时间上连续的模拟信号转换为时间上离散的信号量化Quantization即模数转换将每个样本的模拟幅值转换为离散数字量通常用 8 位或 16 位整数表示编码Encoding将所有样本的二进制代码按规则组织并进行数据压缩最终输出数字信号2.图像数字化的完整流程彩色图像的数字化链路模拟图像 → 扫描 → 分色分解为R/G/B三通道 → 各通道独立采样 → 各通道独立量化 → 数字图像扫描按顺序读取二维平面上的连续光学信号分色将入射的彩色光分解为红、绿、蓝三个单色通道灰度图像可省略分色步骤直接进入采样与量化环节3.数字化核心采样、量化、编码图像数字化本质是完成空间维度离散化采样与灰度维度离散化量化最终编码为数字矩阵。图像数字化过程中非常重要的两个量采样间隔量化位数1采样空间离散化定义将连续的图像平面划分为均匀网格每个网格对应一个像素完成空间坐标的离散化数学表示数字化后的图像可表示为二维矩阵f(m,n)f(m,n)f(m,n)每个元素对应一个像素的灰度值2量化灰度离散化定义将每个像素的连续灰度幅值映射为有限个离散的灰度等级整数值工业标准8 位量化对应 256 级灰度是最通用的灰度量化方案3编码将离散化后的像素灰度值按指定格式组织为二进制数据可进一步压缩存储最终形成数字图像文件。4.采样间隔对图像质量的影响采样间隔决定图像的空间分辨率采样间隔越大像素总数越少空间分辨率越低图像细节模糊、整体质量差采样间隔越小像素总数越多空间分辨率越高图像细节清晰、质量好但数据量同步增大示例同一幅图像从 256×256 分辨率递减至 8×8 时像素块逐渐增大画面细节完全丢失5.量化等级对图像质量的影响量化等级决定图像的灰度分辨率量化等级越多图像灰度层次越丰富灰度过渡越平滑质量越好但数据量越大量化等级越少图像灰度层次欠缺灰度过渡处会出现假轮廓现象质量变差但数据量更小示例灰度级数从 256 逐级减少为 64、16、8、4、2 时图像从平滑过渡逐渐变为色块分明的二值图像6.非均匀采样与非均匀量化均匀采样 / 量化是通用方案针对特定场景可采用非均匀策略优化质量与数据量的平衡1非均匀采样策略在灰度变化尖锐、细节丰富的区域采用细密采样在灰度平滑区域采用粗糙采样目的在有限数据量下优先保留关键区域的细节信息2非均匀量化策略在边界附近分配较少灰度级将更多灰度级分配给灰度变化平缓的区域目的避免或减少平滑区域因量化粗糙产生的假轮廓现象3选型原则缓变图像适合粗采样、细量化细节丰富的图像适合细采样、粗量化注非均匀方案处理逻辑复杂实际工程场景中一般很少采用二、图像像素间的关系1.概述像素间的关系描述像素与像素之间的空间关联规则是图像滤波、分割、形态学处理等算法的基础。核心概念包括邻域、邻接性、连通性、区域、边界以及像素距离度量方法。2.邻域关系邻域描述单个中心像素周围的相邻像素集合以中心像素p(x,y)p(x,y)p(x,y)为基准分为三类邻域类型包含的像素坐标符号表示说明4 邻域上下左右 4 个像素 (x±1,y)、(x,y±1)N4§仅正交方向相邻D 邻域四个对角像素(x±1,y±1)ND§仅对角线方向相邻8 邻域4 邻域 D 邻域共 8 个周边像素N8§N8§N4§ND§3.邻接性邻接性是判断两个像素是否 “空间相邻且属性同类” 的规则需基于指定的像素值集合 V如二值图中目标像素值集合V{1}V\{1\}V{1}。14 邻接若像素 q 位于像素 p 的 4 邻域内且 p、q 的灰度值均属于集合 V则称 p 和 q 为 4 邻接。28 邻接若像素 q 位于像素 p 的 8 邻域内且 p、q 的灰度值均属于集合 V则称 p 和 q 为 8 邻接。3m 邻接混合邻接为解决 8 邻接的路径二义性问题提出满足以下任一条件即成立q 在 p 的 4 邻域中且二者值均属于 Vq 在 p 的 D 邻域中且 p 的 4 邻域与 q 的 4 邻域的交集不含属于 V 的像素。m 邻接实质当像素间同时存在 4 邻接和 8 邻接路径时优先采用 4 邻接屏蔽两个共享同一 4 邻接像素的对角像素之间的 8 邻接关系消除连通路径的二义性即为了让像素间的连接通路具有唯一性避免歧义。4.连通性1通路从像素$ p(x,y)到像素到像素到像素q(s,t)$的通路是满足邻接关系的像素序列其中序列中相邻像素两两邻接n 为通路的长度若首尾像素坐标相同则称为闭合通路。2连通区域若一个像素子集内的任意两个像素之间都存在一条完全由该集合内像素构成的通路则称该集合为连通集也称为一个区域。3不同邻接规则的差异同一幅二值图像采用不同邻接规则得到的连通区域数量不同4 邻接规则仅上下左右视为连通连通区域数量更多8 邻接规则对角像素也视为连通连通区域数量更少示例同一张二值图中4 邻接下统计得到 3 个连通区域8 邻接下仅统计得到 2 个连通区域4应用场景连通分量分析广泛应用于医学影像、工业检测、目标计数等场景可统计每个连通区域的像素数量实现目标分割、计数与特征提取。5.区域与边界1基本定义区域若像素子集 R 是连通集则称 R 为一个区域。边界轮廓区域中与背景像素直接相邻的像素集合构成区域的边界。2边界提取方法邻域判定法若一个目标像素的 8 邻域全部都是目标像素则该点为内部点删除所有内部点后剩余的目标像素即为边界点。形态学提取法使用 3×3 的结构元素对原图像进行腐蚀操作得到图像的内部点集合再用原图减去腐蚀后的图像差值结果即为图像的边界轮廓。6.像素之间的距离1距离度量的基本性质对于像素p(x,y)、q(s,t)、z(v,w)p(x,y)、q(s,t)、z(v,w)p(x,y)、q(s,t)、z(v,w)合法的距离度量函数 D 必须满足距离三要素非负性D(p,q)≥0D(p,q) \ge 0D(p,q)≥0当且仅当 p 与 q 为同一像素时D(p,q)0D(p,q) 0D(p,q)0对称性D(p,q)D(q,p)D(p,q) D(q,p)D(p,q)D(q,p)两点间距离与测量方向无关三角不等式D(p,z)≤D(p,q)D(q,z)D(p,z) \le D(p,q) D(q,z)D(p,z)≤D(p,q)D(q,z)两点间直连路径最短绕路不会缩短距离2三种常用像素距离度量① 欧式距离Euclidean Distance计算公式De(p,q)(x−s)2(y−t)2D_e(p,q) \sqrt{(x-s)^2 (y-t)^2}De​(p,q)(x−s)2(y−t)2​物理含义像素平面上两点间的直线距离符合几何直觉等距区域以中心像素为圆心、半径为 r 的圆形平面特点精度最高但包含开方运算计算开销大适合对距离精度要求高的特征匹配、目标检测场景② 城市街区距离D4 距离 / 曼哈顿距离计算公式D4(p,q)∣x−s∣∣y−t∣D_4(p,q) |x-s| |y-t|D4​(p,q)∣x−s∣∣y−t∣物理含义仅允许沿水平、垂直方向移动时的最短路径长度与 4 邻域移动规则完全对应等距区域以中心像素为中心的菱形十字形区域特点仅包含加减与绝对值运算计算速度快常与 4 邻接、4 连通分析搭配使用③ 棋盘距离D8 距离 / 切比雪夫距离计算公式D8(p,q)max⁡(∣x−s∣, ∣y−t∣)D_8(p,q) \max(|x-s|,\ |y-t|)D8​(p,q)max(∣x−s∣,∣y−t∣)物理含义允许沿水平、垂直、对角线方向移动时的最短路径长度与 8 邻域移动规则对应走斜线的步长代价与横竖方向一致等距区域以中心像素为中心的正方形区域特点仅需取最大值运算计算效率最高常与 8 邻接、8 连通分析搭配使用3计算示例对于横向差为 3、纵向差为 4 的两个像素欧式距离De32425D_e \sqrt{3^24^2} 5De​3242​5城市街区距离D4347D_4 34 7D4​347棋盘距离D8max⁡(3,4)4D_8 \max(3,4) 4D8​max(3,4)4​4对比总结距离类型对应邻接规则计算复杂度等距形状典型应用场景欧式距离无直接对应高圆形高精度距离匹配、特征点配准城市街区距离D44 邻接低菱形4 连通路径分析、快速距离变换棋盘距离D88 邻接最低正方形8 连通路径分析、形态学距离计算