图像采集与处理-C1
CCD图像采集程序
在采集图像之前，我们首先要知道摄像头输出信号的特性。
目前的模拟摄像头一般都是PAL制式的，输出的信号由复合同步信号，复合消隐信号和视频信号。
其中的视频信号才是真正的图像信号，对于黑白摄像头，图像越黑，电压越低，图像越白，电压越高。
而复合同步信号是控制电视机的电子枪对电子的偏转的，复合消隐信号是在图像换行和换场时电子枪回扫时不发射电子。
由于人眼看到的图像大于等于24Hz 时人才不会觉得图像闪烁，所以PAL制式输出的图像是25Hz，即每秒钟有25幅画面，说的专业点就是每秒25帧，其中每一帧有625行。
但由于在早期电子技术还不发达时，电源不稳定，容易对电视信号进行干扰，而交流电源是50Hz所以，为了和电网兼容，同时由于25Hz时图像不稳定，所以后来工程师们把一副图像分成两场显示，对于一幅画面，一共有625行，但是电子枪先扫描奇数场1，3，5.....，然后再扫描2,4,6.....，所以这样的话，一副图像就变成了隔行扫描，每秒钟就有50场了。
下面就说说图像采集方案，方法有多种，但我使用的方案是在行终端中读取AD采样的灰度值，在场同步中交换图像采集和处理缓存指针，并对图像进行处理，然后控制小车，在主函数中只有初始化和键盘扫描和串口输出函数。
这样做效率比较高，而且可以把调试和图像采集处理分开，变成起来比较方便。
大家遇到的还有一个很棘手的问题可能是AD采样频率该设置多大呢？建议大家先通过PLLL超频，然后把AD时钟频率设置的高点才行。
采集流程详解通过上面的内容如果你对PAL 制式信号了然于心，那么就可以开始图像的采集了，PAL 输出的信号有复合同步信号，复合消隐信号和视频信号。
那么我们首先就是要从这三种信号中分理出复合同步信号，复合消隐信号和视频信号，以便我们对AD 采样到的值进行存储，从而形成一幅画面。
我们使用的是LM1881 视频同步分离器件分离出行场同步，奇偶场信号后，就把他们接到单片机的外部中断口，产生中断，在中断服务程序中对AD 采集到的数据进行图像存储，从而形成一个二维数组的数字图像。
图像处理课后答案
2.DPI、CCD、LPI、Binary Image 的中文及含义。 答：DPI：dot per inch 打印分辨率，每英寸所打印的点数或线数，用来表示打印机打印 分辨率。这是衡量打印机打印精度的主要参数之一。
//求亮度 for(g=sum=0;g<256;g++) sum+=g*hist[g]; brightness=1.0*sum/imgSize;
//求对比度 for(g=sum=0;g<256;g++) sum+=(g-brightness)*(g-brightness)*hist[g]; contrast=sqrt(sum/imgSize);
15.如何认识高斯模糊和高斯平滑以及尺度等概念？ 答：高斯模糊是指根据高斯曲线为像素加权，有选择地模糊图像。 高斯平滑是指在做滤波处理时按高斯函数来构造模板，进而除去图像噪声。 尺度，即高斯函数中所用的 ó，其意义为模板的覆盖范围。
16.图象平滑的直观依据是什么？不同的平滑方法是如何看待噪音？并使用了何种改进以尽 量降低其对边缘的模糊？对于平滑的快速性和边缘保持，你有何见解？
均值滤波 Average Filter 对于一个滑动窗口内的各象素的灰度级求平均值、用该均值 来代替窗口中心象素的原灰度级。
区别：1）中值滤波计算复杂度非常高(因为排序)，执行速度慢，滤波前后图像的亮度 发生改变(但非常接近)，不容易造成图像模糊，具有非常好的抗噪性能，中值滤波能够在 抑制随机噪声的同时不使边缘模糊。2）均值滤波执行速度快，滤波前后图像的亮度不变， 容易造成图像模糊，实质上在求平均值的过程中，噪声的灰度值也代入了均值中，从而向 周围扩散，导致图像模糊，边缘不清晰。
生物医学图像处理技术的研究与应用
生物医学图像处理技术的研究与应用近年来，生物医学图像处理技术在医学领域中的应用越来越广泛。
这些技术已经成为了完美的工具，为医生提供了一个更直观，更可靠，更有效的手段，以便于进行疾病的诊断和治疗。
生物医学图像处理技术与实际临床应用之间的交流和适应问题越来越受到人们的关注。
这篇文章主要介绍了生物医学图像处理技术的研究和应用，并探讨了这些技术的未来发展潜力。
一、生物医学图像处理技术的研究生物医学图像处理技术包括了如下几个方面：图像采集、图像重建、图像分割、特征提取与处理等。
1. 图像采集图像采集是生物医学图像处理技术的开端。
目前，常规的图像采集设备主要包括计算机断层扫描（CT）、磁共振成像（MRI）、超声成像（US）、放射性核素成像（SPECT）和正电子发射断层扫描（PET）。
这些设备可以采集人体的各种器官和组织的结构和功能信息，如CT可以采集人体骨骼、肌肉和内脏器官等组织结构信息，MRI可以采集人体脑部、脊髓和大血管等组织结构和功能信息。
2. 图像重建图像重建是将采集的生物医学图像数据转化为可视化图片的过程。
常见的图像重建算法包括透视投影算法、反投影算法、傅里叶变换算法、小波变换算法等。
图像重建技术不仅能使医生更加直观地分析生物医学图像，而且还能帮助医生更准确地判断病情和规划治疗方案。
3. 图像分割图像分割是指对采集的生物医学图像进行处理，把相同或者不同部位的像素区分开来的过程。
在生物医学图像处理技术中，准确的图像分割非常重要，可以为后续特征提取和诊断提供关键性的信息。
目前，常见的生物医学图像分割技术包括了基于阈值的分割、基于区域增长算法的分割、基于边缘检测的分割、基于形态学的分割等。
4. 特征提取与处理特征提取与处理是对生物医学图像分析的重要环节，主要是通过分析图像的特征信息，提取出生物医学图像的特有的特征，如纹理、形状和灰度特征，以便于更快、更准确地识别和分析生物医学图像。
在特征提取与处理的过程中，选取适当的特征参数和合适的处理方法不仅能大大提高生物医学图像的分析效率，而且还能得到更准确的诊断结论。
信息技术《图像信息的采集与加工》教案
信息技术《图像信息的采集与加工》教案信息技术《图像信息的采集与加工》教案在平凡的学习、工作、生活中，大家对书信都不陌生吧，书信一般包括称呼、问候语、正文、祝语、署名、日期六个局部。
那么你知道一篇好的书信该怎么写吗？以下是为大家收集的信息技术《图像信息的采集与加工》教案，仅供参考，大家一起来看看吧。
1、能说出图像大小、色调等的修改方法，能够独立操作图层的切换、合并等。
2、通过观察教师演示、小组合作等方法，提高合作交流的能力以及能对艺术图像的客观分析和评价。
3、通过对数字化图像加工处理的操作，能运用信息技术为学习、生活和工作效劳。
【重点】图像处理的根本技能。
【难点】图层概念的理解及图层中对象的操作。
(一)导入新课教师通过多媒体展示两组图片，一组是原版的照片，另外一组是经过加工合成的图片，请学生欣赏这两组图片。
然后提问，“如果我们想要制作精美的合成图片，首先我们得有素材，那么获取素材的途径有哪些呢?”预设学生答复准确。
继续提问学生：这些图片是如何合成的呢?顺势展开本节课的学习。
(二)新课讲授任务一：剪切图像并合成作品教师引导学生操作第一步，新建空白图像;第二步，教师演示剪切图片的操作，教师边演示边讲解三种抠图的`使用，以及讲解其他抠图工具的使用，请学生三种不同工具的使用条件。
并答复：三种抠图工具的使用条件?请学生归纳总结上述问题的答案。
【矩形—一整块矩形区域，魔棒—图像和背景色色差明显，磁性套索—图像边界清晰】预设学生可能答复几乎接近正确答案，老师可以点评学生答复下列问题非常积极踊跃，归纳总结能力很强，但是不够全面。
教师进行补充讲解。
之后，请学生自行在电脑上进行操作。
教师引导对图层的命名、图像的尺寸和移动的操作，请学生同桌之间互相探讨完成，限制5分钟。
时间结束，请学生说明操作命令。
全部演示讲解完，设置任务，请学生以信息技术小组为单位，限时10分钟，使用准备好的素材完成剪切图像并合成作品。
时间结束后，利用多媒体展示学生的作品，并进行互相评价，请优秀小组代表答复具体的操作步骤。
基于DSP机器视觉的道路图像采集和处理系统设计
同 时提 出 了道路 图像 处理 算 法流 程 以及 具 体 的程 序框 架 ，最终 在软 件 集 成 开发 环 境 ＣＣＳ中生 成 应 用程 序 以及 Ｐ １ 动程序 ，在 多次试验 中取得 了不错 的效 果 。 Ｃ 驱
关 键 词 ： 图像 采 集 ； 图 像 处 理 ；ＤＳ Ｐ；Ｐ 总 线 Ｃ１
码 芯片 Ｓ Ａ １Ａ 完成 Ａ Ｄ 转换 ，Ｓ Ａ １ Ａ允许 四路 模 Ａ ７１ ／ Ａ ７１ 拟视 频 输入 ，具有 两 个 模 拟处 理 通道 ，可 以对 摄 像 头输
据 通过 Ｃ Ｄ数字 相机 输入 的模 拟 图像信 号 ，经视频 解码 Ｃ 芯 片转 换 成数 字信 号 ，由 Ｃ Ｌ （ ｏ ｌｘ Ｐ ｏｒｍｍａ ｌ Ｐ Ｄ Ｃ ｍｐｅ ｒｇａ ｂｅ Ｌ ｇｃ Ｄ ｖｃ ） 控 制 经 过 ＦＦ 输 入 Ｄ Ｐ进 行 图 像 的增 ｏ ｉ ｅｉｅ ＩＯ Ｓ 强 、去 噪 、边缘 检测 等 ，为实 现 实 时地将 原 始 图像 和 处
Ｓ Ａ ＤＡ Ｄ 和 Ｆ Ｔ Ｎ Ｒ Ｗ 两 种 工 作 模 式 。 按 照 Ｃ Ｉ ６ １格 ＣＲ ０ 式 ，Ｙ ＵＶ 图 像 分 辨 率 为 ７ ０ｘ ７ ， 当 按 行 输 出 时 ， ２ ５ ６ Ｓ Ａ １Ａ 输 出 数 据 流 大 小 为 ：７ ０ ｌ ＝ ４ ０ ｉ 因 为 Ａ ７１ ２ ｘ ６ １４ ｂｔ 。
Ｉ
｛
ＣＬ 控 器 ＰＤ 制
— ］ｒ —１ 一
儿
Ｉ址 换 功 存Ｉ 地 切 码、能 Ｉ 储 译等 帧）
ｉ ｊ
｝ —Ｃ — 广 —Ｐ — 一 １ — —
ｌ 显不及后 期处理 ） （ １
用此 开发 过 程检 测新 算法 的可行 性 ，可 以进行 图像 增强 去 噪 、视频 压缩 、边缘检 测 、视 觉定 位等算 法 的研 究 。
物理实验技术中图像处理的技巧与注意事项
物理实验技术中图像处理的技巧与注意事项在物理实验中，图像处理技术被广泛应用于数据采集、分析以及实验结果的展示中。
良好的图像处理能够提高实验数据的准确性和可靠性，并给实验结果的呈现带来更多的信息和视觉效果。
本文将介绍一些物理实验中图像处理的技巧与注意事项。
一、图像采集与处理的准备工作在进行物理实验之前，需要进行图像采集与处理的准备工作。
首先，选择合适的图像采集设备，如数码相机或高速相机等。
其次，要设置合适的摄像参数，包括曝光时间、白平衡、对焦等。
在进行图像处理时，还需要选择合适的图像处理软件，如Photoshop、ImageJ等。
二、图像采集与处理的技巧1. 标定图像尺度：在使用图像进行测量时，需要确定图像中的物理尺度。
一种简单的方法是在实验中放置一个已知尺寸的标尺或物体，通过测量标尺或物体在图像中的像素尺寸，可以得到像素与物理尺寸的转换关系。
2. 图像去噪：在一些实验条件不理想的情况下，图像中可能会存在噪声。
为了减少噪声的影响，可以使用图像处理软件中的降噪滤波算法，如中值滤波、均值滤波等。
对于一些特定类型的噪声，还可以采用适应性滤波算法进行去噪处理。
3. 图像增强：为了提高图像的清晰度和对比度，可以使用图像处理软件中的增强功能。
例如，可以调整图像的亮度、对比度、色彩等参数，以达到更好的视觉效果。
4. 图像分割：在一些实验中，需要对图像进行分割，提取感兴趣的目标物体。
常见的分割方法包括阈值分割、边缘检测、区域生长等。
通过图像分割，可以对实验结果进行精确的量化分析。
5. 图像配准：在一些需要比较差异图像的实验中，需要对图像进行配准，使得它们具有相同的尺度和方向。
常见的图像配准方法包括基于特征点匹配的配准和基于图像变换的配准。
三、图像采集与处理的注意事项1. 光照条件的控制：光照条件对图像采集有很大的影响，因此需要对实验环境的光照进行控制。
避免强烈的直射光以及背光情况，尽量保持均匀的光照条件。
2. 采样率与分辨率的选择：在进行图像采集时，需要选择适当的采样率和分辨率。
图像处理技术综述
图像处理技术综述图像处理技术是应用于计算机视觉、计算机图形学、人工智能等领域的一种技术，用于改善或增强图像的质量、可视性、信息含量或拟合特定需求。
在当今信息技术快速发展的时代，图像处理技术已被越来越广泛地应用于医学、军事、安全监控、遥感、交通、广告等领域。
一、图像处理的基本流程1、获取图像首先需要获得图像，其方式很多。
例如，用专业摄像机或手机或扫描仪捕获图像。
另外，从互联网或其他共享资源中获取的图像也可以作为处理对象。
2、预处理图像在采集到图像数据后，需要对图像进行预处理。
这主要是为了去除噪声和畸变，以便更好地处理图像数据。
一些常见的操作包括滤波、均衡化、归一化和旋转等。
3、分割图像将图像分成若干个区域，通过分析这些区域来获取有用的信息。
分割可以基于颜色、亮度、纹理、图像特征、形状等进行。
4、提取特征提取图像中的特征是使用智能算法和其他技术来描述图像中重要的信息。
这些特征可以是纹理、边缘、角点或其他模式，并且可以用来判断图片是否满足特定要求。
5、抽取结构信息对于一些需要对图像进行量化和分析的应用，可以从图像中提取出具有代表性的结构信息。
应用某些算法，通过获取的特征和结构信息来分析图像。
根据分析的结果，可以识别物体、建立模型、人机交互等等。
图像滤波是一种常用的基本方法，它主要用于去除图像中的噪声。
常见的滤波方法有平均滤波、高斯滤波、中值滤波等。
图像增强技术是指通过算法将低质量的图像improved以获得更高质量的图像，例如提高对比度、清晰度、亮度等。
图像压缩是将数字图像压缩到尽可能小的空间，使其更容易存储和传输。
最常用的压缩方式是JPEG和PNG。
图像分割是将图像分割成不同的部分，每个部分对应相应的特征，这些部分组成面向目标识别和跟踪的区域。
常用而有效的算法包括K均值聚类、分水岭算法等。
特征提取是将图像中的信息抽象化作为特定可识别模式。
从图像中提取特征通常需要使用泛函分析和模式识别技术。
6、目标识别目标识别即在图像中找到和辨识特定目标，它应用于许多领域，例如医疗图像识别、移动机器人、军事目标等重要领域。
图像处理常见问题解析与解决方案
图像处理常见问题解析与解决方案图像处理是现代科技中一个重要的领域，它涉及到从图像获取、处理、分析到图像识别等多个方面。
然而，在实践中，我们经常会遇到一些常见问题，如图像噪声、图像失真、图像分割等。
本文将对几个常见的图像处理问题进行解析，并提供相应的解决方案。
1. 图像噪声图像噪声是指在图像采集、传输或处理过程中引入的随机干扰信号。
常见的图像噪声类型包括高斯噪声、椒盐噪声和周期性噪声等。
对于图像噪声的处理，可以采用以下解决方案：(1) 均值滤波均值滤波是一种简单的滤波方法，它通过取邻域像素的平均值来减小噪声的影响。
然而，均值滤波容易导致图像细节的丢失。
(2) 中值滤波中值滤波是一种非线性滤波方法，它通过对邻域像素进行排序并取中值来减小噪声的影响。
相比均值滤波，中值滤波能更好地保留图像细节。
(3) 小波去噪小波去噪是一种基于小波变换的图像降噪方法，它通过对小波系数进行阈值处理来减小噪声的影响。
小波去噪能有效地去除图像中的噪声，并保持图像细节。
2. 图像失真图像失真是指在图像图像传输、压缩或复制等过程中导致图像质量下降的问题。
常见的图像失真类型包括模糊、锐化和颜色偏移等。
对于图像失真的处理，可以采用以下解决方案：(1) 图像复原图像复原是一种通过数学模型重建原始图像的方法，它通过对图像进行模型建立和参数估计来恢复图像的细节和清晰度。
常用的图像复原方法包括最小二乘法、马尔科夫随机场和贝叶斯推断等。
(2) 锐化滤波锐化滤波是一种用于增强图像边缘和细节的滤波方法，它通过选择合适的卷积核来加强图像的轮廓。
常用的锐化滤波方法包括拉普拉斯滤波和Sobel滤波等。
(3) 色彩校正色彩校正是一种用于解决图像颜色偏移问题的方法，它通过调整图像的色彩分布来改善图像的视觉效果。
常用的色彩校正方法包括直方图均衡化和灰度世界算法等。
3. 图像分割图像分割是指将图像划分为不同的区域或对象的过程。
它在图像识别、目标检测和目标跟踪等领域具有重要应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
联系方式
选课学生发送下列信息给老师： 780117@ 姓名： 学号： 联系方式： Email, QQ，电话 导师： 研究方向：
QQ群：74523960
图像处理与计算机视觉概述
基本概念 图像处理和计算机视觉的应用 图像处理和计算机视觉系统的体系结构
图像采集与处理
主讲：于元隆 副教授
Email: 780117@ QQ群：74523960
课程介绍
本课程主要讲授图像处理和计算机视觉领域的基本理论 和技术，包括图像预处理、视觉特征提取、图像分割、 目标检测、物体识别、目标跟踪、3D视觉等；同时， 介绍目前国际上该领域前沿的研究方向和成果。
什么是数字图像？
数字图像是由二维像素组成，每一个像素具有一个特 定的位置(x,y)和幅值f(x,y)。 数字图像在计算机中通常用矩阵来表达。
图像与视频
静态图像：用图像函数f(x,y)来表示，即一张静止的 图片。 动态图像（视频）：用图像函数f(x,y,t)来表示，即 沿着时间序列产生的一组图片。
水稻种子自动分析系统：计算粒重、粒形、杂质等
图像处理、计算机视觉和机器视觉的关系
本课程将主要讲授图像处理和计算机视觉领域的基础 理论和技术。
图像处理与计算机视觉概述
基本概念 图像处理和计算机视觉的应用 图像处理和计算机视觉系统的体系结构
图像处理和计算机视觉的应用
1. 图像增强
图像处理和计算机视觉的应用
所需背景知识： （1）数学：高等数学、线性代数、概率统计与随机过程 （2）编程：Visual C++, Matlab
课程考核方式
项目 平时作业 (Assignments) 百分比 40%
内容
内容：4次；编程作业。 要求：个人完成。
文献综述 (Term paper)
课程项目 (Project)
20%
采样间隔 (Sampling Interval)
图像采样与图像质量的关系
图像采样与图像质量的关系
图像量化
图像量化：给每一个像素的图像数值f(x,y) 用一个离 散的数字（灰度值）来表示。
图像量化
大部分数字图像处理设备都采用K个等间隔的量化方式。 对于灰度图像而言，每个像素的亮度用一个数值来表 示，该数值范围通常在0到255之间，0表示黑，255表 示白，其它值表示处于黑白之间的灰度。 彩色图像可以用红、绿、蓝(RGB)三元组二维矩阵来 表示。通常三元组的每个数值也是0到255之间，0表 示相应的基色在该像素中没有，而255表示相应的基色 在该像素中取得最大值。
图像处理与计算机视觉的相关领域
图像处理与计算机视觉的系统组成
1. 图像采集系统： 模拟信号：模拟摄像机+图像采集卡
数字信号：数字摄像机（接口：USB，1394，网络）
图像处理与计算机视觉的系统组成
2. 信息处理与分析系统：
数字图像处理基础知识
图像采样与量化 数字图像的表示和存储 数字图像的质量 像素间的一些基本关系
2. 人脸检测
图像处理和计算机视觉的应用
2. 人脸检测
图像处理和计算机视觉的应用
3. 视频字幕识别
图像处理和计算机视觉的应用
4. 姿态与动作识别
图像处理和计算机视觉的应用
5. 基于图像的互联网搜索 (Google)
图像处理和计算机视觉的应用
5. 基于图像的互联网搜索 (Google)
计算机视觉是指用摄像机和计算机来复制人类感知和 理解视觉信息的能力。 主要目的：通过对于视觉信息的获取、处理、分析理 解，从而产生相应的行为决策。 视觉信息：由一幅静止图像、多幅静止图像、或者一 组视频提供的信息。
机器人视觉导航
什么是机器视觉？
机器视觉用来泛指实现基于图像的自动检测、控制和 分析的相关技术和方法。 主要目的：实现工业生产过程中基于图像的自动化和 智能化。
数字图像的质量：层次
数字图像的质量：对比度
对比度：是指一幅图像中灰度反差的大小
对比度＝最大亮度 / 最小亮度
数字图像的质量：清晰度
与清晰度相关的因素：
亮度 对比度 尺寸大小 颜色饱和度
影响清晰度的因素：亮度
影响清晰度的因素：对比度
影响清晰度的因素：尺寸大小
影响清晰度的因素：颜色饱和度
数字图像处理基础知识
图像采样与量化 数字图像的质量 数字图像的表示和存储 像素间的一些基本关系
数字图像的表示
二维离散的亮度函数：f(x,y) (x,y)说明图像像素的空间坐标 函数值 f 代表了在点 (x,y) 处的像素灰度值。
二维矩阵： A[m,n] m,n 代表图像的宽和高 矩阵元素 a(i, j) 的值表示图像在第 i 行、第 j 列的像 素灰度值。 RGB彩色图像的矩阵表示： 三维矩阵A[m,n,3]
基本概念
什么是图像、数字图像？ 什么是数字图像处理？ 什么是计算机视觉？ 什么是机器视觉？ 图像处理、计算机视觉和机器视觉的关系
什么是图像？
定义：二维函数f(x,y)，其中，x，y是空间坐标， f(x,y) 是点(x,y)的幅值。 灰度图像是一个二维灰度（亮度）函数 f(x,y)。 彩色图像由三个（如RGB，HSV）二维灰度（亮度） 函数 f(x,y) 组成。
参考资料
重要的国际期刊：
IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI) International Journal of Computer Vision IEEE Transactions on Image Processing IEEE Transactions on Circuits and Systems for Video Technology Vision Research IEEE Transactions on Medical Imaging IEEE Transactions on System, Man and Cybernetics, Part B IEEE Transactions on Autonomous Mental Development IEEE Transactions on System, Man and Cybernetics, Part A IEEE Transactions on Robotics Pattern Recognition
自选一个领域，阅读该领域国际上成熟的、 以及最新的研究文献，写一篇综述文章。 要求：主要参考英文文献。个人完成。
自选一个课题，设计并且编程实现。 内容：项目题目与摘要 (Topic & Abstract) 项目实施 (Design & Programming) 项目最终设计报告撰写 (Final Report) 项目演示与宣讲 (Presentation) 要求：个人或者2人团队完成。
参考资料
重要的国际会议：
IEEE International Conference on Computer Vision and Pattern Recognition (CVPR) International Conference on Computer Vision (ICCV) European Conference on Computer Vision (ECCV) IEEE International Conference on Robotics and Automation (ICRA) IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) IEEE International Conference on Pattern Recognition (ICPR)
什么是数字图像处理？
数字图像处理是将模拟的图像信号转换为数字的图像 信号并用计算机对其进行处理的过程。 主要目的： （1）改善图像质量，例如，去除噪声、图像增强。 （2）提取图像中的特征信息，例如，边界、纹理。 （3）进行图像编码和压缩，以便图像的存储和传输。
什么是计算机视觉？
256×256×256种颜色
图像量化与图像质量的关系
伪轮廓 (False Contour)
伪轮廓 (False Contour)
数字图像处理基础知识
图像采样与量化 数字图像的质量 数字图像的表示和存储 像素间的一些基本关系
数字图像的质量：层次
灰度级：表示像素明暗程度的整数量。 例如：像素的量化范围为0～255，就称该图像为256个 灰度级的图像。 层次：表示图像实际拥有的灰度级的数量。 图像数据的实际层次越多，视觉效果就越好。
图像的采样和量化
大多数传感器的输出是连续电压 为了产生一幅数字图像，需要把连续的感知数据转化 为数字形式 包括两种处理：取样和量化 取样：图像空间坐标(x,y)的数字化 量化：图像函数值f(x,y)的数字化
图像采样
图像采样：一个连续图像在每个采样点处被数字化。 每个采样点对应于数字化图像的一个像素。 确定水平和垂直方向上的像素个数N和M。
数字图像的存储格式来自 图像描述信息：如图像的高度和宽度等信息 图像数据：顺序存放的连续数据 BMP（Bitmap）格式 1. 位图文件头 2. 位图信息头 3. 调色板 4. 图像数据