图像处理的基本知识
图像处理的基础知识
图像处理的基础知识随着科技的飞速发展，图像处理在我们的生活中变得越来越普遍。
无论是在社交媒体上发布照片，还是在医学诊断中使用CT扫描，图像处理技术都在起到重要的作用。
那么，什么是图像处理？它又包括哪些基础知识？本文将为您揭秘。
图像处理是指对数字图像进行操作和改进的过程，其目的是获得更好的图像质量或从图像中提取出特定的信息。
而这个过程主要涉及三个方面：图像获取、图像增强和图像分析。
首先，图像获取是指通过摄像头、扫描仪或其他设备获取图像。
在获取图像的过程中，我们需要考虑到光线、传感器的质量、图像的分辨率等因素。
光线的强弱和角度会直接影响图像的清晰度和色彩鲜明度。
传感器的质量决定了图像的噪声水平和细节表现能力。
而图像的分辨率则决定了图像中所包含的信息量大小。
其次，图像增强是指通过调整图像的亮度、对比度、色彩平衡等参数来改善图像的质量。
这是在保持图像的真实性的前提下，尽可能地使图像更接近于我们所期望的结果。
例如，在一张夜晚拍摄的照片中，由于环境光线的不足，图像可能过暗。
此时，我们可以通过增加图像的亮度和对比度来增强图像的可见度。
图像增强的另一个重要应用是去除图像中的噪声。
噪声是在图像获取过程中引入的不希望出现的随机信号，它会使得图像模糊不清或者细节不清晰。
通过滤波方法，我们可以有效地去除图像中的噪声，以获得更清晰、更细节丰富的图像。
最后，图像分析是将对图像中的内容进行解释，通过对图像中的特征进行提取和识别来给予相应的判断和决策。
图像分析可以应用于许多领域，如医学、安全监控、机器视觉等。
以医学图像为例，通过图像分析可以帮助医生诊断病情。
医生可以通过CT扫描的图像分析，获得患者脑部的详细结构图像，以更好地了解病情和制定治疗方案。
图像处理还包括多个分支领域，如图像压缩、图像恢复和图像合成等。
图像压缩是指减少图像文件的存储空间，以便更好地存储和传输图像。
图像恢复是指通过对破坏或损坏的图像进行处理，尽可能地使其恢复到原始状态。
3.3.1图像处理基本知识18页PPT
图像的获取
• （1）从光盘中获取 • （2）从网上获取 • （3）利用扫描仪获取 • （4）用数字相机获取 • （5）从屏幕上截取
学生练习
• 1、打开“纸牌”游戏画面 • 2、利用“PrtScr”键截取屏幕 • 3、打开photoshop软件，新
静态图像的两种表现形式
• 位图 • 矢量图
位图
• 它可以人工绘制或用某一种技术方法获取后输入 到计算机中。在计算机中的一幅位图图像我们可 以理解为一个矩阵，该矩阵由若干个排列成行、 列的点构成，
• 这些点被称为像素。像素是构 • 成位图图像的最小单位，它记 • 录了图像中每一点上颜色、亮 • 度等参数信息。 • 编辑软件：Adobe Photoshop 图3-2 位图的放大效果
更多精品资源请访问
docin/sanshengshiyuan doc88/sanshenglu
3.3.1图像处理基本知识
基本概念
• 图形与图像 • 位图与矢量图 • 分辨率 • 颜色
这张图是不是图像？
这张图是不是图像？
图形
图像
它们的区别在哪里？
图形与图像
• 图形：一般指用计算机绘制的由简单的点、直 线、曲线、圆、方框等基本元素组成。其灰度 与色彩描述相对地说比较简单。
图形与图像
• 图像：利用数码相机、 扫描仪等输入设备获 取的实际景物的映像。 通常具有丰富的灰度 和色彩层次。
适合表现层次和色彩比较丰富的图像，它所需的磁盘存储空间较大
矢量图
• 是一组指令的集合，通过这些指令的描述， 可以构成一幅图的所有点、直线、曲线、 矩形和椭圆等的位置、大小、形状、和颜 色。矢量图与显示和打印的分辨率无关， 如果对矢量图进行放大、缩小、旋转、拉 伸，并不会影响图形的清晰度和光滑度。
图像处理的基本知识
2.3 色料三原色
色料三原色由黄色、品色、青色组成。从白色光中去掉色光三原色(RGB)中 的任何一种就会得到一种色料三原色。任两种RGB颜色相重叠部分的颜色即为色料三 原色的组成原色,即色料三原色中的任何一种颜色都是由任意两种色光三原色相加而 成的。由于缺少了色光三原色中的一种基色,因此习惯上又称色料三原色为减色三原 色。
H色度, 取值范围0°-360°； S饱和度, 取值范围0-1/100； I亮度, 取值范围0-1/100；
色相环, 0°-红, 120°-绿, 240°-蓝
图中的色相环描述了色相和饱和度两个参数。色相由角度表示, 它反
映了该彩色最接近什么样的光谱波长。一般假定0°表示的颜色为红色, 120°
的为绿色, 240°的为蓝色。0°到240°的色相覆盖了所有可见光谱的彩色,
第三章 图像处理的基本概念
1 人眼的视觉原理 2 颜色基础 3 图像模型 4 图像数字化 5 灰度直方图 6 图像处理算法形式 7 图像的数据结构及特征
1 人眼的视觉原理
1.1 人眼的构造 1.2 图像的形成 1.3 视觉范围和分辨力 1.4 视觉适应性和对比灵敏度 1.5 亮度感觉 1.6 马赫带效应 1.7
相当准确地预测许多彩色现象，也能满足色度学的基本定律。
2 颜色基础
2.1 色彩的产生 2.2 色光三原色 2.3 色料三原色 2.4
2.1 பைடு நூலகம்彩的产生
一般人眼感受到的光有三种: 直射光、反射光和投射光 直射光: 发光物体产生的光直接刺激人眼产生光感。如日光、照明光、显象管荧 光屏发出的光等。 投射光: 发光物体产生的光照射到透明或半透明物体上，通过物体投射过来的光。 例如，玻璃是透明体，滤色片、电影胶片是半透明体。 反射光: 发光物体所产生的光照射到其他物体上,被其他物体反射而发出的光称为 反射光。 物体之所以呈现出不同的颜色,就是由于物体反射(或透射)了可见光谱中的不同成 分,同时又吸收了其余的成分,从而使人眼产生了不同的彩色感觉。 一般来说,某一物体的颜色是该物体在特定光源照射下所反射(或透射)的
图像处理基础知识
中国. 中国.中学政治教学网崇尚互联共享
一. 图像概述
图像深度
描述图中每个像素数据所占的二进制位数， 描述图中每个像素数据所占的二进制位数，它决定了图像中可 出现的最大灰度等级数或最多颜色数。 出现的最大灰度等级数或最多颜色数。
颜色类型
三个基色分量， （1）真彩色：图中的每个像素值都分成 R、G、B 三个基色分量，每 真彩色： 个分量直接决定其基色的强度，合成的颜色称为真彩色。 个分量直接决定其基色的强度，合成的颜色称为真彩色。一般用 R:G:B=8:8:8共24位的图像深度表示24位真彩色。 R:G:B=8:8:8共24位的图像深度表示24位真彩色。 位的图像深度表示24位真彩色
2.图像属性 2.图像属性
①分辨率 ③颜色类型 ②图像深度 ④显示深度
中国. 中国.中学政治教学网崇尚互联共享
一. 图像概述
分辨率
确定屏幕上显示图像区域的大小， （1）显示分辨率 ：确定屏幕上显示图像区域的大小，以每行拥有的 像素点数×屏幕显示行数来表示。 像素点数×屏幕显示行数来表示。
f (1,1) f (2,1) F = ... f ( M ,1)
... ... ... ... f ( M ,2) ...
f (1,2)
f (1, N ) f (2, N ) ... f ( M , N )
图像处理 01 基础知识
HSB模式
LAB模式
RGB模式
图5-2 PhotoShop中的四种颜色模式图示
CMYK模式
计算机中的颜色模式- RGB
所谓RGB颜色模式，就是用红（R）、绿（G）、蓝（B）三种基本颜色 来表示任意彩色光。
计算机中的颜色模式- HSB
HSB颜色模式实际上是依据人眼的视觉特征，用颜色的三要素亮度、色 相、饱和度来描述颜色的基本特征，如图5-3。
1）索引模式 索引模式最多使用256种颜色，当图像被转换为索引模式时，通常会构建一 个调色板存放并索引图像中的颜色。 2）灰度模式 灰度模式最多使用256级灰度来表现图像，图像中的每个像素有一个0（黑 色）到255（白色）之间的亮度值，如图5-5上半部所示。灰度值也可以用黑色 油墨覆盖的百分比来表示（0%表示白色，100%表示黑色）。
位图与矢量图
1. 位图图像
位图是用矩阵形式表示的一种数字图像，矩阵中的元素称为像素，每一个 像素对应图像中的一个点，像素的值对应该点的灰度等级或颜色，所有像素的 矩阵排列构成了整幅图像。
位图与矢量图
1. 位图图像
图像文件保存的是组成位图的各像素点的颜色信息，颜色的种类越多，图 像文件越大。在将图像文件放大、缩小和旋转时，会产生失真。
4）扫描分辨率：是指每英寸扫描所得到的点，单位也是dpi。它表示一台扫 描仪输入图像的细微程度，数值越大，表示被扫描的图像转化为数字化图像越 逼真，扫描仪质量也越好。
图像的主要参数
2、颜色深度 位图图像中各像素的颜色信息是用二进制数据来描述的，二进制的位数就
是位图图像的颜色深度。颜色深度决定了图像中可以出现的颜色的最大个数。 目前，颜色深度有1、4、8、16、24和32几种。当图像的颜色深度≥24时， 则称这种表示为真彩色。 3、颜色模式
图像处理 知识点总结
图像处理知识点总结图像处理是一门涉及到数字图像和计算机图像的处理与分析技术的学科，它在工程、科学、医学、艺术和其他领域中都有着广泛的应用。
图像处理技术在计算机视觉、模式识别、图像合成、图像压缩、图像分割、图像识别等领域起着至关重要的作用。
本文将从基础概念、图像获取、图像增强、图像压缩、图像分割、图像识别等方面对图像处理的相关知识点进行总结。
一、基础概念1.1 图像的定义图像是一种用于表示事物或场景的视觉信息，通常以数字形式存在，是由大量的像素点组成的。
每个像素点记录了图像中某个点的亮度和颜色信息。
1.2 图像的表示图像可以使用灰度图或彩色图来表示。
灰度图是由单一颜色通道来表示图像的，通常用于黑白图像或需要简化处理的图像。
而彩色图需要使用多个颜色通道来表示图像的色彩信息。
1.3 像素像素是图像的最小单元，每个像素点都有自己的坐标和像素值。
在灰度图中，像素值代表了该点的亮度，而在彩色图中，像素值则包含了红、绿、蓝三个通道的信息。
1.4 图像尺寸图像的尺寸是指图像的长和宽，通常用像素来表示。
图像的尺寸决定了图像的清晰度和细节。
1.5 图像的坐标系图像的坐标系通常以左上角为原点，x轴向右递增，y轴向下递增。
在一些图像处理库中，图像的坐标系以左下角为原点，x轴向右递增，y轴向上递增。
1.6 数字图像数字图像是指使用数字方式表示的图像，它可以使用0和1的二进制来表示黑白图像，或者使用多个颜色通道的数值来表示彩色图像。
数字图像可以在计算机上进行处理和存储。
二、图像获取2.1 图像采集图像的获取通常是通过摄像机、扫描仪、卫星遥感等设备进行采集。
在图像采集过程中，需要注意光照、环境等因素对图像质量的影响。
2.2 数字化数字化是将模拟信号转换成数字信号的过程，通常将模拟图像通过采样、量化和编码等步骤转换成数字图像。
2.3 图像格式图像格式是指存储图像数据的方式。
常见的图像格式有JPEG、PNG、BMP、GIF等。
不同的格式对图像数据的存储方式、压缩方式、颜色深度等均有不同。
图形图像处理基础知识与实践
图形图像处理基础知识与实践一、概述图形图像处理图形图像处理是一项涉及数字图像的技术，通过使用计算机算法对图像进行处理和改变的过程。
这项技术广泛应用于计算机视觉、数字艺术、医学影像、遥感图像和图像和视频压缩等领域。
本文将介绍图形图像处理的基础知识和实践应用。
二、图形图像处理的基本原理1. 图像的表示和存储：图像通常使用像素矩阵来表示，每个像素包含图像中的一个点的颜色和亮度信息。
图像可以以不同的格式存储，如位图、矢量图和压缩图像。
2. 空间域和频域处理：图形图像处理可以通过在空间域（像素级别）或频域（频率级别）上进行操作来改变图像。
空间域处理通常包括图像增强、滤波和几何变换等方法，而频域处理则涉及傅里叶变换和频谱分析等技术。
三、图像增强和滤波1. 直方图均衡化：直方图均衡化是一种常用的图像增强方法，它通过重新分配图像像素的亮度来改变图像的对比度和亮度分布。
2. 图像平滑：图像平滑可以通过应用低通滤波器来减少图像中的噪声和细节。
常用的平滑滤波器包括均值滤波和中值滤波。
3. 锐化和边缘检测：为了增强图像的细节和边缘特征，可以使用锐化和边缘检测算法。
常用的算法包括拉普拉斯锐化和Sobel算子。
四、几何变换和图像配准1. 缩放和旋转：通过缩放和旋转操作，可以改变图像的大小和方向。
这些操作对于图像的对比度增强、目标检测和图像配准非常重要。
2. 平移和投影变换：平移和投影变换用于对图像进行空间位移和透视变换。
这些变换可以用于纠正图像畸变、视角校正和图像合成等应用。
3. 图像配准：图像配准是将多个图像对齐以进行进一步的分析和处理。
常用的图像配准方法包括特征匹配、互信息和形状匹配等。
五、数字图像处理与计算机视觉1. 特征提取和描述：图像的特征提取和描述对于图像识别和目标检测非常重要。
常用的特征包括边缘、角点和纹理等。
2. 目标检测和识别：图像处理可以应用于目标检测和识别，如人脸识别、车牌识别和物体识别等。
常用的方法包括模板匹配、级联分类器和卷积神经网络等。
从零开始学习图像处理掌握算法与实践技巧
从零开始学习图像处理掌握算法与实践技巧图像处理是计算机科学领域一个重要的研究领域，涉及到对数字图像进行获取、处理、分析和解释等一系列操作，已经在各个领域中得到了广泛的应用。
无论是在图像传感器、图像处理器还是图像识别领域，掌握图像处理的基本算法与实践技巧是至关重要的。
本文将从零开始，介绍图像处理的基础知识，重点讲解算法与实践技巧，帮助读者建立起图像处理的知识体系，提高自己的图像处理能力。
一、图像处理基础知识1.1 数字图像的基本概念数字图像是由离散的像素点组成的二维阵列，每个像素点表示图像中的一个小区域。
了解数字图像的基本概念是进行图像处理的基础。
1.2 图像获取与表示图像可以通过传感器获取，然后经过采样和量化处理后，得到数字化的图像。
图像采样和量化的过程会影响图像质量，因此需要注意合理选择采样率和量化位数。
1.3 图像灰度变换通常情况下，图像的灰度是由0至255之间的整数表示的。
图像灰度变换可以通过伽马变换、直方图均衡化等方法来增强图像的对比度和亮度，使得图像更易于分析和处理。
二、图像处理算法2.1 图像滤波算法图像滤波是一种常用的图像处理算法，可以通过线性滤波、非线性滤波等方法进行。
常见的线性滤波算法有均值滤波、高斯滤波等；而非线性滤波算法有中值滤波、双边滤波等。
2.2 图像边缘检测算法图像边缘检测是指通过对图像进行一系列运算，来突出物体边缘的过程。
常见的边缘检测算法有Sobel算子、Canny算子等。
边缘检测可以有效地提取图像中的边缘信息，用于后续的图像分析和识别。
2.3 图像分割算法图像分割是将图像划分为若干个互不重叠的区域的过程。
常用的图像分割算法有基于阈值的分割、区域生长等。
图像分割可以帮助我们将图像中的目标物体提取出来，有助于对图像进行进一步的分析和识别。
三、图像处理实践技巧3.1 图像库的使用在进行图像处理实践时，可以利用各种图像处理库来简化开发过程，常见的图像处理库有OpenCV、PIL等。
- 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)。
中的任何一种就会得到一种色料三原色。任两种RGB颜色相重叠部分的颜色
即为色料三原色的组成原色,即色料三原色中的任何一种颜色都是由任意两种 色光三原色相加而成的。由于缺少了色光三原色中的一种基色,因此习惯上又
称色料三原色为减色三原色。
红(R,Red)、绿(G,Green)、蓝(B,Blue)三种基色等量相加得到的。白色以外
的任何一种颜色都可以由这三种基色以不同比例叠加模拟出来,模拟出来的 彩色与原色所引起的人的彩色视觉是相同的,因此,称红、绿、蓝这三种颜
色为加色三原色,又称为色光三原色，在电子学中称为三基色。 计算机显示器显示色彩缤纷的图像是通过彩色图形适配器将图像的
物柱往比较敏感，所以，夜晚所观察到的景物只有黑白、浓淡之分， 而看不清它们的颜色差别。由于夜晚的视觉过程主要由杆状细胞完成，
所以杆状视觉又称夜视觉。
第三章 图像处理的基本概念 1.2 图像的形成
人眼在观察景物时，光线通过角膜、前室水状液、水晶体、后室 玻璃体，成像在视网膜的黄斑区周围。视网膜上的光敏细胞感受到强弱不 同的光刺激，产生强度不同的电脉冲，并经神经纤维传送到视神经中枢， 由于不同位置的光敏细胞产生了和该处光的强弱成比例的电脉冲，所以， 大脑中便形成了一幅景物的感觉。
1.5 亮度感觉
1.6 马赫带效应 1.7 视觉模型
第三章 图像处理的基本概念 1.1 人眼的构造 •外层
由角膜和巩膜组成。角膜是光线的 入口。巩膜保护整个眼球。
•中间层
虹膜和脉络膜组成。虹膜中的瞳 孔用来控制进入眼睛的光通量大小。 人种不同，其颜色也各异。瞳孔后 面的水晶体如同一个变焦距透镜， 使景像始终聚焦于黄斑区。
•内层
视网膜。其表面有大量的感光细胞。 这些感光细胞按照形状分为可以两 类：锥状细胞和杆状细胞。
第三章 图像处理的基本概念 •锥状细胞
每只眼睛中大约有600万到700万个锥状细胞，集中分布在视轴和视 网膜相交点附近的黄斑区内。每个锥状细胞都连接一个神经末梢，因此， 黄斑区对光有较高的分辨力，能充分识别图像的细节。锥状细胞既可以 分辨光的强弱，也可以辨别色彩。白天视觉过程主要靠锥状细胞来完成， 所以锥状机觉又称白昼视觉。 按感光化学特性，锥状细胞有三种，它们分别对红、绿、蓝颜色敏 感，因此红绿蓝称为人类视觉的三基色。 三种锥状细胞的光谱敏感曲线如下：
z 蓝(Blu e) 品红(Mag en ta)
青(Cy an) O 红(Red )
x
绿(Green) 黄(Yellow) y
RGB模型单位立方体
第三章 图像处理的基本概念
•CMY(K)模型
RGB模式是显示器上的颜色模式,而在图像印刷中却是用CMYK 4色印
刷模式来确定颜色的。是指通过混合青(Cyan)、品红(Magenta)、黄(Yellow)
如前所述，视网膜中有三种视锥细胞，具有不同的光谱特性，峰值吸 收分别在光谱的红、绿、蓝区域， 由此得到下图彩色视觉模型：
绿色ω x,ω y)
g2
神 经 信 号
－
黄绿色视谱感受器e1 LOG
d1
H1(ω x,ω y)
g1
黄色视谱感受器e3 LOG
－
Σ
d3
H3(ω x,ω y)
•黑白视觉模型
大量实验和理论研究表明，眼睛对光强度的非线性响应呈对数型， 并且发生在视觉系统的开始附近（亦就是视觉信号在锥状及杆状细胞空 间上发生相互作用之前）。由此得出人眼黑白视觉的简单对数模型如下 图：
神经信号
光接收器
对数
线性系统
人眼黑白视觉简单对数模型
第三章 图像处理的基本概念 •彩色视觉模型
第三章 图像处理的基本概念 1.4 视觉适应性和对比灵敏度
•暗适应性 从亮环境进入暗环境的适应能力，约为30s。人眼之所以有暗适应性，原 因有二：一是暗环境中瞳孔放大,进入眼睛的光通量增加；二是杆状细胞 代替了锥状细胞工作，杆状细胞对低照度景物更为敏感。 •亮适应性 只有几秒钟。原因在于锥状细胞的恢复时间远少于杆状细胞。 •人眼的亮度适应性是人眼通过改变其整个灵敏度来实现的。 •图像对比度C1：图像中最大亮度Bmax与最小亮度Bmin之比：
和度（S））分开。
H色度，取值范围0°-360°； S饱和度，取值范围0-1/100；
I亮度，取值范围0-1/100；
色相环，0°-红，120°-绿， 240°-蓝
第三章 图像处理的基本概念
图中的色相环描述了色相和饱和度两个参数。色相由角度表示， 它反映了该彩色最接近什么样的光谱波长。一般假定0°表示的颜色为
第三章 图像处理的基本概念 2.4 常见的色彩模型
常见的色彩模型有RGB模型、CMYK模型、HSV模型、YIQ模型等。每
种模型都有它自己的特点和适用范围,它们可以根据需要相互转换。
•RGB模型
这是最常见的色彩模型，由R(红)、G(绿)、B(蓝)三个分量组成，三维空 间中的三个轴分别与红、绿、蓝三基色相对应.原点对应于黑色，离原点最远
来的光。例如，玻璃是透明体，滤色片、电影胶片是半透明体。
反射光：发光物体所产生的光照射到其他物体上,被其他物体反射而发出 的光称为反射光。
物体之所以呈现出不同的颜色,就是由于物体反射(或透射)了可见光谱中的
不同成分,同时又吸收了其余的成分,从而使人眼产生了不同的彩色感觉。 一般来说,某一物体的颜色是该物体在特定光源照射下所反射(或透射)的
红色， 120°的为绿色， 240°的为蓝色。0°到240°的色相覆盖了所
有可见光谱的彩色，在240°到300°之间为人眼可见的非光谱色（紫 色）。 饱和度是指一个颜色的鲜明程度，饱和度越高，颜色越深， 如深红，深绿。饱和度参数是色环的原点（圆心）到彩色点的半径的长 度。由色相环可以看出，环的边界上纯的或饱和的颜色， 其饱和度值 为1。在中心是中性（灰色）阴影， 饱和度为0。
C1
•相对对比度
Bmax Bmin
Cr
Bmax Bmin Bmin
第三章 图像处理的基本概念 1.5 亮度感觉
•人眼对亮度差别的感觉取决于相对亮度的变化。 令ΔS为亮度感觉的变
化 ， ΔB为亮度变化 ，则：
S K
积分后得亮度感觉为：
B B
S K InB K 0
上式表明亮度感觉与亮度的自然对数成线性关系。
红、绿、蓝三个基色光分别转换为三个相应的电信号,再经过适当的处理
传送到相应的电子枪上,通过CRT转换成按比例相加的彩色光,从而使计算
机显示器上显示出与原景物颜色一样的彩色图像。如果用放大镜仔细观 察会看到计算机显示器上有很多红、绿、蓝的荧光点,所以,显示器显示彩
色图像是通过色光三原色原理实现的。
第三章 图像处理的基本概念 2.3 色料三原色
①重现图像的亮度不必等于实际图像的亮度，只要保持两者的对比度
不变，就能给人以真实的感觉； ②人眼不能感觉出来的亮度差别在重现图像时不必精确地复制出来。
第三章 图像处理的基本概念 1.6 马赫带（Mach ）效应
对于一幅亮度阶跃变化的竖条灰度梯度图像，其每一竖条宽度内光强均
匀分布，且相邻竖条之间的强度差为常数。然而，人眼看起来每一竖条内右
很宽，所以总的视觉范围很宽。
第三章 图像处理的基本概念 •分辨力
人眼的分辨力是指人眼在一定距离上能区分开相邻两点的能力，可以用能 区分开的最小视角θ的倒数来描述，如下图所示： d l
上图中，d表示能区分的两点间的最小距离，l为眼睛和这两点 连线的垂直距离。 人眼分辨力和环境照度、被观察对象的相对对比度等因素有关。
2 颜色基础
2.1 色彩的产生
2.2 色光三原色 2.3 色料三原色 2.4 常见的色彩模型
第三章 图像处理的基本概念 2.1 色彩的产生
一般人眼感受到的光有三种：直射光、反射光和投射光
直射光：发光物体产生的光直接刺激人眼产生光感。如日光、照明光、显
象管荧光屏发出的光等。 投射光：发光物体产生的光照射到透明或半透明物体上，通过物体投射过
下图表示了主观感觉同亮度 的关系曲线。实线表示人眼能感觉的亮度范围。
第三章 图像处理的基本概念
第三章 图像处理的基本概念
•人眼黑白亮度感觉的相对性： 人眼在适应某一平均亮度后，黑、白感觉对应的亮度范围较小；随着平 均亮度的降低，黑白感觉的亮度范围变窄。 • 黑白亮度感觉相对性在图像传输与重现方面的意义：
d1 loge1
d 2 log
e2 e1
d3 log
e3 e1
最后，信号d1、d2、d3分别经线性系统H1、H2、H3输出g1、g2、g3， 提供给大脑感受彩色。 信号d2和d3与彩色光的色度有关，而d1则正比于它的亮度。这个模 型相当准确地预测许多彩色现象，也能满足色度学的基本定律。
第三章 图像处理的基本概念
第三章 图像处理的基本概念 1.3 视觉范围和分辨力 •视觉范围
人眼所能感觉到的亮度范围，从10-4cd/m2 到104cd/m2。 注：cd—坎德拉，光通量。 人眼并不能同时感受这样宽的亮度范 围。事实上，在人眼适应了某一平均的亮 度环境以后，它所能感受的亮度范围要小 得多。当平均亮度适中时，能分辨的亮度 上、下限之比为1000：1。而当平均亮度 较低时，该比值只有10:1。即使是客观上 相同的亮度，当平均亮度不同时，主观感 觉的亮度也不相同。人眼的明暗感觉是相 对的，但由于人眼能适应的平均亮度范围
g3
+
彩色视觉模型
第三章 图像处理的基本概念
该模型中，e1、e2、e3代表视网膜中三个具有s1(λ)、 s2(λ)、 s3(λ) 谱灵敏度的感受器，其输出分别为：
e1 c( )s1 ( )d e2 c( )s2 ( )d
e3 c( )s3 ( )d