图像处理入门：基本概念

野性酷女 2023-06-14 10:39 80阅读 0赞

**数字图像：**每一个数字图像都是一个像素点矩阵，这个矩阵包含所有像素点的强度值

**像素点：**最小的图像单元，一张图像由好多的像素点组成。像素就是图像的尺寸

**位图：**也称点阵图，它是由许多点组成的，这些点称为像素。当许多不同颜色的点组合在一起后，便构成了一副完整的图像。 位图可以记录每一个点的数据信息，从而精确地制作色彩和色调变化丰富的图像。但是，由于位图图像与分辨率有关，它所包含的图像像素数目是一定的，若将图像放大到一定程度后，图像就会失真，边缘出现锯齿。

**灰度：**表示图像像素明暗程度的数值，也就是黑白图像中点的颜色深度，范围一般从0到255，白色为255 ，黑色为0。灰度值指的是单个像素点的亮度，灰度值越大表示越亮。灰度级表明图像中不同灰度的最大数量灰度级越大，图像的亮度范围越大。

**通道：**把图像分解成一个或多个颜色成分；①单通道：一个像素点只需一个数值表示，只能表示灰度，0为黑色； ②三通道：RGB模式，把图像分为红绿蓝三个通道，可以表示彩色，全0表示黑色；③四通道：在RGB基础上加上alpha通道，表示透明度，alpha=0表示全透明

**深度：**深度即位数（比特数）①位深：一个像素点所占的总位数，也叫像素深度、图像深度等，其中位深 = 通道数 × 每个通道所占位数 ②256色图：n位的像素点可以表示2^n种颜色，称2^n色图，n=8时为256色图 ③8位RGB与8位图：前者的位数指每个通道所占的位数，后者指整个像素点共占的位数，其中8位RGB是一个24位图，也称为真彩

**对比度：**指不同颜色之间的差别。对比度越大，不同颜色之间的反差越大，即所谓黑白分明，对比度过大，图像就会显得很刺眼。对比度越小，不同颜色之间的反差就越小。对比度=最大灰度值/最小灰度值

**亮度：**指照射在景物或图像上光线的明暗程度。图像亮度增加时，就会显得耀眼或刺眼，亮度越小时，图像就会显得灰暗。

**色相：**颜色，调整色相就是调整景物的颜色，例如，彩虹由红、橙、黄、绿、青、蓝、紫七色组成，那么它就有七种色相。顾名思义即各类色彩的相貌称谓，如大红、普蓝、柠檬黄等。色相是色彩的首要特征，是区别各种不同色彩的最准确的标准。事实上任何黑白灰以外的颜色都有色相的属性，而色相也就是由原色、间色和复色来构成的

**色调：**各种图像色彩模式下原色的明暗程度，级别范围从0到255，共256级色调。例如对灰度图像，当色调级别为255时，就是白色，当级别为0时，就是黑色，中间是各种程度不同的灰色。在RGB模式中，色调代表红、绿、蓝三种原色的明暗程度，对绿色就有淡绿、浅绿、深绿等不同的色调。

色调是指色彩外观的基本倾向。在明度、纯度、色相这三个要素中，某种因素起主导作有用，可以称之为某种色调

**饱和度：**指图像颜色的浓度。饱和度越高，颜色越饱满，即所谓的青翠欲滴的感觉。饱和度越低，颜色就会显得越陈旧、惨淡，饱和度为0时，图像就为灰度图像。可以通过调整电视机的饱和度来进一步理解饱和度的概念。

**频率：**灰度值变化剧烈程度的指标，是灰度在平面空间上的梯度。低频就是颜色缓慢地变化,也就是灰度缓慢地变化,就代表着那是连续渐变的一块区域,这部分就是低频。 高频就是频率变化快，即相邻区域之间灰度相差很大,这就是变化得快。图像中,一个影像与背景的边缘部位的频率高，即高频显示图像边缘。图像的细节处也是属于灰度值急剧变化的区域，正是因为灰度值的急剧变化，才会出现细节。另外噪声（即噪点）也是这样,在一个像素所在的位置,之所以是噪点,就是因为它与正常的点颜色不一样了，灰度有了快速地变化。固有“图像的低频是轮廓，高频是噪声和细节”。

**空域：**也叫空间域，即所说的像素域，在空域的处理就是在像素级的处理，如在像素级的图像叠加。通过傅立叶变换后，得到的是图像的频谱。表示图像的能量梯度。

**频域：** 也叫频率域，任何一个波形都可以分解成多个正弦波之和。每个正弦波都有自己的频率和振幅。所以任意一个波形信号有自己的频率和振幅的集合。频率域就是空间域经过傅立叶变换的信号

**图像分辨率：**每英寸图像内的像素点数。分辨率越高，像素的点密度越高，图像越逼真。

**空间分辨率：**图像中可辨别的最小细节的度量，如果一幅图像的尺寸为MxN，表明在成像时采集了MxN个样本，空间分辨率是MxN。

**灰度分辨率：**在灰度级中可分辨的最小变化，在数字图像处理教程中，灰度分辨率指的是色阶，色阶是表示图像亮度强弱的指数标准，也就是我们说的色彩指数。灰度分辨率指亮度，和颜色无关，但最亮的只有白色，最不亮的只有黑色。

**颜色空间(颜色模型)：**描述颜色的三维空间坐标系，一个颜色定义为颜色空间的一个点。

1.灰度模式：“灰度”模式可以表现出丰富的色调，但是也只能表现黑白图像。“灰度”模式图像中的像素是由8位的分辨率来记录的，能够表现出256种色调，从而使黑白图像表现的更完美。灰度模式的图像只有明暗值，没有色相和饱和度这两种颜色信息。其中，0%为黑色，100%为白色，K值是用来衡量黑色油墨用量的。使用黑白和灰度扫描仪产生的图像常以灰度模式显示。

2.位图模式：“位图”模式的图像又叫黑白图像，它用黑、白两种颜色值来表示图像中的像素。其中的每个像素都是用1 bit的位分辨率来记录色彩信息的，占用的存储空间较小，因此它要求的磁盘空间最少。位图模式只能制作出黑、白颜色对比强烈的图像。如果需要将一副彩色图像转换成黑白颜色的图像，必须先将其转换成“灰度”模式的图像，然后再转换成黑白模式的图像，即“位图”模式的图像。

![70][]

在OpenCV中，彩色图像使用OpenCV加载时是BGR模式。但是在Matplotlib中是RGB模式，所以彩色图像如果已经被OpenCV读取，那他将不会被Matplotlib正确显示。

![70 1][]

3.HSV颜色模型：也称六角锥体模型(Hexcone Model)。、这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。在HSV颜色空间中要比在BGR空间中更容易表示一个特定颜色。

![70 2][]

H参数表示色彩信息，即所处的光谱颜色的位置。该参数用一角度量来表示，红、绿、蓝分别纯度S为一比例值，范围从0到1，它表示成所选颜色的纯度和该颜色最大的纯度之间的比率。S=0时，只有灰度。相隔120度。互补色分别相差180度。

V表示色彩的明亮程度，范围从0到1。有一点要注意：它和光强度之间并没有直接的联系。（以下的HSI模型应该就是HSV模型）

![70 3][]

![70 4][]

![70 5][]![70 6][]

**图像描述：**

**![70 7][]**

**![70 8][]**

**![70 9][]**

**![70 10][]**

**距离度量：**描述图像中像素之间的距离。

欧几里得距离：距离点(i,j)小于或者等于某一值是以点(i,j)为原点的圆![70 11][]

城市街区(小区)距离：距离点(i,j)小于或者等于某一值是以点(i,j)为中心的菱形![70 12][]

棋盘距离距离：;距离点(i,j)小于或者等于某一值是以点(i,j)为中心的正方形![70 13][]

[70]: https://img-blog.csdn.net/20180518144345685?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 1]: https://img-blog.csdn.net/20180518144423864?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 2]: https://img-blog.csdn.net/20180601155544902?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 3]: https://img-blog.csdn.net/20180518144513491?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 4]: https://img-blog.csdn.net/20180518144543460?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 5]: https://img-blog.csdn.net/20180518144616798?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 6]: https://img-blog.csdn.net/20180518152330155?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 7]: https://img-blog.csdn.net/20180518153032941?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 8]: https://img-blog.csdn.net/20180518153052945?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 9]: https://img-blog.csdn.net/20180518153113654?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 10]: https://img-blog.csdn.net/20180518153201191?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 11]: https://img-blog.csdn.net/20180518154643595?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 12]: https://img-blog.csdn.net/20180518155119720?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 13]: https://img-blog.csdn.net/20180518155137804?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L01fWl9HX1k=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70