数字图像处理基础
图像数字化技术
图像的数字化包括采样和量化两个过程
图像采样和量化
色度学基础与颜色模型
三基色原理
根据人眼的三基色吸收特性，人眼所感受到的颜色其实是三种基色按照不同比例的组合。则任一彩色C可表示为：
C = R（R）+ G（G）+ B（B）
人眼视觉的感受颜色可用色调（hue）、饱和度(saturation）和亮度（brightness）来表示。
颜色模型
各种表示颜色的方法，称做颜色模型。目前常用的颜色模型按用途可分为3类： 计算颜色模型、 视觉颜色模型和工业颜色模型
计算颜色模型
用于进行有关颜色的理论研究。 常见的RGB模型、CIE XYZ模型、 Lab模型等均属此类
视觉颜色模型
是指与人眼对颜色感知的视觉模型相似的模型，它主要用于色彩的理解。 常见的HSI模型、 HSV模型和HSL模型均属此类
工业颜色模型
侧重于实际应用， 包括彩色显示系统、 彩色传输系统及电视传输系统等。 工业颜色模型有如印刷中用的CMYK模型、 电视系统用的YUV模型、 用于彩色图像压缩的YCbCr模型等
RGB模型
HSI模型
利用颜色的三个属性色调H（hue）、饱和度S（saturation）和亮度I（intensity）组成一个表示颜色的圆柱体
RGB和HSI之间的转换
数字图像类型
数字图像可分为矢量(Vector)图和位图（Bitmap）， 位图也称为栅格图像。
矢量(Vector)图
矢量图用一系列计算机指令来表示一幅图， 如AutoCAD中的绘图语句。本质上是用数学(准确地说是几何学)公式描述一幅图像。
两个优点
一是文件数据量很小， 因只存储其数学公式； 二是图像质量与分辨率无关， 无论图像放大或缩小多少， 图像总是以显示设备允许的最大清晰度显示。
一个缺点
不易制作色调丰富或色彩变化太多的图像，也不易在不同的软件间交换文件。
位图（Bitmap）
位图由像素点来表示一幅图像。 每个像素具有颜色属性和位置属性。 位图又可分成线画稿(LineArt)、 灰度图像 (GrayScale)、 索引颜色图像(Index Color)和真彩色图像（True Color）
图像文件格式(自学)
图像文件：文件头+图像数据
文件头的内容由制作该图像文件的公司决定， 一般包括文件类型、 文件制作者、 制作时间、 版本号和文件大小、压缩方式等内容
BMP图像文件格式
TIF图像文件格式
GIF图像文件格式
PBM、 PGM、 PPM文件
PCX文件
JPEG图像格式
OpenCV编程简介
还是自学…
安装
build文件夹是编译好的OpenCV二进制文件， sources文件夹是OpenCV源代码文件。若需要特殊功能， 可自行进行编译
进行配置
测试程序
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
int main()
{
// read an image
cv∷Mat image= cv∷imread(“tiger.jpg”);
// create image window named “My Image”
cv∷namedWindow(“My Image”);
// show the image on window
cv∷imshow(“My Image”, image);
// wait key for 5000 ms
cv∷waitKey(5000);
return 1;
}
图像的算法运算
像素间的运算
图像的逻辑运算
学习要求
1）安装配置matlab或python或C++、OPENCV图像处理环境
2）图像的读、写、显示、存储操作
3）将彩色图像在不同颜色空间进行分量分离；将彩色图像转灰度图像
4）观察图像的算术和逻辑运算的结果（对于256色灰度图，请自行查阅当运算值超过[0,255]范围的处理办法，及[0,255]→[0,1]→[0,255]处理流程）