本文将介绍数字图像有关的属性、特征等。对各类型文件图像进行相应了解，对数字图像的数据结构、算法形式进行介绍，明白图像噪声与特征提取。

图像数字化是将一幅画面转化成计算机能处理的形式——数字图像的过程。

就是把一幅图画分割成如图的一个个小区域（像元或像素），并将各小区域灰度用整数来表示，形成一幅点阵式的数字图像。它包括采样和量化两个过程。

像素的属性=（位置，灰度/颜色）

数字图像用矩阵来描述：以一幅数字图像F左上角像素中心为坐标原点，一幅 m × n 的数字图像用矩阵表示为：

数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像

（1）黑白图像

（2）灰度图像 （3）彩色图像

采样：将空间上连续的图像变换成离散点的操作称为采样。 采样间隔和采样孔径的大小是两个很重要的参数。

当对图像进行实际的抽样时，怎样选择各抽样点的间隔是个非常重要的问题。图像包含何种程度的细微的深淡变化，取决于希望实际反映图像的程度(还原度)。

量化：将像素灰度转换成离散的整数值的过程。 一幅数字图像中不同灰度值的个数称为灰度级，用G表示。一般数字图像灰度级数 G 为 2 的整数幂，即 G = 2 𝑔 G = 2^𝑔 G=2g，g 为量化 bit 数。若一幅数字图像的量化灰度级数 G = 256 = 2 8 G = 256 = 2^8 G=256=28 级，灰度值范围0-255，常称为8bit量化。

图像数据量：一幅 M×N、灰度级数为 G 的图像所需的存储空间 M × N × g（bit）为图像数据量。

数字化方式可分为均匀采样、量化和非均匀采样、量化。

所谓“均匀”，指的是采样、量化为等间隔方式。图像数字化一般采用均匀采样和均匀量化方式。

非均匀采样是根据图象细节的丰富程度改变采样间距。细节丰富的地方，采样间距小，否则间距大。

非均匀量化是对图像层次少的区域采用间隔大量化，而对图像层次丰富的区域采用间隔小量化。

采用非均匀采样与量化，均会使问题复杂化，因此很少采用。

采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大; 采样间隔越大，所得图像像素数越少，空间分辨率低，质量差；

下图像素数从 256×256 递减至 8×8

量化等级越多，所得图像层次越丰富，灰度分辨率越高，质量越好，但数据量大；

量化等级越少，图像层次欠丰富，灰度分辨率低，质量变差，会出现假轮廓现象，但数据量小。

下图为采样间距相同时灰度级数从256逐次减少为64、16、8、4、2所得图像。

数字化器必须能够将图像划分为若干像素并分别给它们地址，能够度量每一像素的灰度并量化为整数，能够将这些整数写入存储设备。

A．采样孔：保证单独观测特定的像素而不受其它部分的影响。 B．图像扫描机构：使采样孔按预先确定的方式在图像上移动。 C．光传感器：通过采样孔测量图像的每一个像素的亮度。 D．量化器：将传感器输出的连续量转化为整数值。 E．输出存储体：将像素灰度值存储起来。它可以是固态存储器，或磁盘等。

常用的数字化器是扫描仪、数码相机和数码摄像机

按图像处理的输出形式，图像处理的基本功能可分为三种形式。 1）单幅图像 → 单幅图像

2）多幅图像 →单幅图像

3）单（或多）幅图像→ 数字或符号等

对于任一像素（i，j），该像素周围的像素构成的集合{（i+p，j+q），p、q取合适的整数}，叫做该像素的邻域。如图。

常用的邻域如图，分别表示中心像素的4-邻域、8-邻域。

对输入图像IP（i，j）处理时，某一输出像素JP(i，j)值由输入图 像像素（i，j)及其邻域N(IP(i，j))中的像素值确定。这种处理称为 局部处理。

局部处理的计算表达式为

例如 对一幅图象采用3×3模板进行卷积运算。

在局部处理中，当输出值JP(i，j)仅与IP(i，j)有关，则称为点 处理。

点处理的计算表达式为：

在局部处理中，输出像素JP(i，j)的值取决于输入图像大范围或全部像素的值，这种处理称为大局处理。

大局处理计算表达式为：

反复对图像进行某种运算直至满足给定的条件，从而得到输出图像的处理形式称为迭代处理。图像的细化处理过程如图：

选择满足适当条件的像素作为起始像素，检查输入图像和已 得到的输出结果，求出下一步应该处理的像素，进行规定的处理，然后决定是继续处理下面的像素，还是终止处理。这种处理形式称为跟踪处理

对图像的处理，一般采用对整个画面进行处理，但也有只对 画面中特定的部分进行处理的情况。这种处理方式的代表有窗口处理和模板处理。 单独对图像中选定的矩形区域内的像素进行处理的方式叫做窗口处理

希望单独处理任意形状的区域时，可采用模板处理。 模板：任意形状的区域；

模板平面：一个和处理图像相同大小的二维数组，用来存储模板信息。一般是一幅二值图像；

模板处理：边参照模板平面边对图象进行某种操作

若模板成矩形区域，则与窗口处理具有相同的效果，但窗口处理与模板处理不同之处是后者必须设置一个模板平面

①串行处理 后一像素输出结果依赖于前面像素处理的结果，并且只能依次处理各像素而不能同时对各像素进行相同处理的一种处理形式。

特点：用输入图像的第（i，j）像素邻域的像素值和输出图像（i，j）以前像素的处理结果计算输出图像（i，j）像素的值。 处理算法要按一定顺序进行。

②并行处理 对图像内的各像素同时进行相同形式运算的一种处理形式。

特点：输出图像像素（i，j）的值，只用输入图像的（i，j）像素的邻域像素进行计算。各输出值可以独立进行运算

从灰度直方图能获取图像哪些信息？

以灰度级为横坐标，频率为纵坐标，绘制频率同灰度级的关系图就是一幅灰度图像的直方图，它反映了一幅图像中各灰度级像素出现的频率与灰度级的关系和图像灰度分布的状况；灰度直方图只能反映图像的灰度的范围和分布情況，而不能反映图像像素的位置，即丢失了像素的位置信息。一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图；明亮图像的直方图倾向于灰度值较大的右边一侧，暗图像的直方图倾向于在灰度值较小的左边一侧，对比度较低的图像对应的直方图窄而集中于灰度级的中部，对比度高的图像对应的直方图分布范围很宽而且分布均匀，因此，直方图可以反映图像的清晰程度，当直方图分布均匀时，图像最清晰。

当直方图分布均匀时，图像最清晰

图像的特征有很多，按提取特征的范围大小又可分为：

①点特征 仅由各个像素就能决定的性质。如单色图像中的灰度值、彩色图像中的红®、绿(G)、蓝(B)成分的值。

②局部特征 在小邻域内所具有的性质，如线和边缘的强度、方向、密度和统计量(平均值、方差等)等。

③区域特征 在图像内的对象物 (一般是指与该区域外部有区别的具有一定性质的区域)内的点或者局部的特征分布，或者统计量，以及区域的几何特征(面积、形状)等。

④整体特征 整个图像作为一个区域看待时的统计性质和结构特征等

获取图像特征信息的操作称作特征提取。它作为模式识别、图像理解或信息量压缩的基础是很重要的。通过特征提取，可以获得特征构成的图像（称作特征图像）和特征参数。

把从图像提取的m个特征量 𝑦 1 ， 𝑦 2 ， … ， 𝑦 𝑚 𝑦_1 ，𝑦_2， …，𝑦_𝑚 y1​，y2​，…，ym​，用 m 维的向量 Y ＝ [ 𝑦 1 𝑦 2 … 𝑦 𝑚 ] 𝑡 Y＝[𝑦_1 𝑦_2 … 𝑦_𝑚]^𝑡 Y＝[y1​y2​…ym​]t 表示称为特征向量。另外，对应于各特征量的m维空间叫做特征空间。

①外部噪声。如天体放电干扰、电磁波从电源线窜入系统等产生的噪声。

②内部噪声。系统内部产生，主要包括四种：由光和电的基本性质引起的、机械运动产生的噪声、元器件噪声、系统内部电路噪声。

对灰度图像 f ( x ， y ) f(x，y) f(x，y) 来说，可看做二维亮度分布，则噪声可看做对亮度的干扰，用 n ( x ， y ) n(x，y) n(x，y) 表示。常用统计特征来描述噪声，如均值、方差（交流功率）、总功率等。

按噪声对影像的影响可分为加性噪声模型和乘性噪声模型两大类。设 f ( x ， y ) f(x，y) f(x，y) 为理想图像， n ( x ， y ) n(x，y) n(x，y) 为噪声， 实际输出图像为 g ( x ， y ) g(x，y) g(x，y)。

① 加性噪声，与图像光强大小无关 g ( x ， y ) = f ( x ， y ) + n ( x ， y ) g(x，y)= f(x，y)+ n(x，y) g(x，y)=f(x，y)+n(x，y)

② 乘性噪声，与图像光强大小相关，随亮度大小变化而变化。 g ( x ， y ) = f ( x ， y ) [ 1 + n ( x ， y ) ] g(x，y)=f(x，y)[1+ n(x，y)] g(x，y)=f(x，y)[1+n(x，y)]

①光电管噪声 ②摄像管噪声 ③前置放大器噪声 ④光学噪声

图像数字结构是指图像像素灰度值的存储方式，常用方式是将图像各像素灰度值用一维或二维数组相应的各元素加以存储。

此外，其他方式：

1.组合方式 2.比特面方式 3.分层结构 4.树结构 5.多重图像数据存储

方法：一个字长存放多个像素灰度值。

特点：节省内存，但计算量增加，处理程序复杂

将所有像素灰度的相同比特位用一个二维数组表示，形成比特面。n 个比特位表示的灰度图像按比特面方式存取，就得到 n 个比特面。

特点：能充分利用内存空间，便于进行比特面之间的运算，但对灰度图像处理耗时多。

锥形结构：对 2 k × 2 k 2^k×2^k 2k×2k 个像素形成的图像，依次构成分辨率下降的 k + 1 k+1 k+1 幅图像的层次集合。

方法：从原图像 I 0 I_0 I0​ 开始，依次产生行列像素数都变为1/2的一幅幅的图像 I 1 , I 2 , . . . , I k I_1, I_2, ..., I_k I1​,I2​,...,Ik​。此时，作为图像 I i I_i Ii​ 的各像素的值，就是它前一个图像 I ( i − 1 ) I_(i-1) I(​i−1)的相应的 2×2 像素的灰度的平均值。

优点：先对低分辨率图像进行处理，然后根据需要对高分辨率图像进行处理，可提高效率

对于如图所示的一幅二值图像的行、列接连不断地二等分，如果图像被分割部分中的全体像素都变成具有相同的特征时，这一部分则不再分割。

用这种方法，可以把图像用树结构(4叉树)表示。这可以用在特征提取和信息压缩等方面

对于彩色图像或多波段图像而言，每个像素包含着多个波段的信息。

存储方式有三种： （1）逐波段存储，分波段处理时采用。 （2）逐行存储，逐行扫描记录设备采用。 （3）逐像素存储，用于分类

按不同的方式进行组织或存储数字图像像素的灰度，就得到不同格式的图像文件。图像文件按其格式的不同具有相应的扩展名。常见的图像文件格式按扩展名分为：RAW格式、BMP格式、TGA格式、PCX格式、GIF格式、TIFF格式等。这些图像格式都大致包含下列特征：

（1）描述图像的高度、宽度以及各种物理特征的数据。 （2）彩色定义 （3）描述图像的位图数据体

下面只对BMP格式作较详细介绍，其他格式只做简介

它是将像素按行列号顺序存储在文件中。这种文件只含有图像像素数据，不含有信息头，因此，在读图像时，需要事先知道图像大小（矩阵大小）。它是最简单的一种图像文件格式。

由以下四个部分组成 1）14字节的文件头； 2）40字节的信息头； 3）8字节的颜色定义； 4）位图数据

a）位图是1，4，8位时，有调色板。

对于2色位图，用1位就可以表示该像素的颜色，因此一个字节可以表示8个像素；

对于16色位图，用4位可以表示一个像素的颜色，所以1个字节可以表示2个像素；

对于256色位图，一个字节刚好表示一个像素；

b） 位图是24位（真彩色）时，无调色板。

对于真彩色图，3个字节才能表示1个像素。

GIF图像是基于颜色列表的，最多支持8位。GIF 支持在一幅GIF文件中存放多幅彩色图像，并且 可以按照一定的顺序和时间间隔将多幅图像依次 读出并显示在屏幕上，这样就可以形成一种简单 的动画效果。 GIF一般有七个数据区组成：头文件、通用调色 板、位图数据区以及四个扩充区。

TIFF图像文件主要由三部分组成：文件头、标识 信息区和图像数据区