数字图像处理与分析基础第三章基础知识
数字图像处理基本知识
数字图像处理基本知识1、数字图像：数字图像，又称为数码图像或数位图像，是二维图像用有限数字数值像素的表示。
数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。
2、数字图像处理包括内容：图像数字化；图像变换；图像增强；图像恢复；图像压缩编码；图像分割；图像分析与描述；图像的识别分类。
3、数字图像处理系统包括部分：输入（采集）；存储；输出（显示）；通信；图像处理与分析。
4、从“模拟图像”到“数字图像”要经过的步骤有：图像信息的获取；图像信息的存储；图像信息处理；图像信息的传输；图像信息的输出和显示。
5、数字图像1600x1200什么意思？灰度一般取值范围0~255，其含义是什么？数字图像1600x1200表示空间分辨率为1600x1200像素；灰度范围0~255指示图像的256阶灰阶，就是通过不同程度的灰色来来表示图像的明暗关系，8bit的灰度分辨率。
6、图像的数字化包括哪两个过程？它们对数字化图像质量有何影响？采样：采样是将空间上连续的图像变换成离散的点，采样频率越高，还原的图像越真实。
量化：量化是将采样出来的像素点转换成离散的数量值，一幅数字图像中不同灰度值得个数称为灰度等级，级数越大，图像越是清晰。
7、数字化图像的数据量与哪些因素有关？图像分辨率；采样率；采样值。
8、什么是灰度直方图？它有哪些应用？从灰度直方图中你可可以获得哪些信息？灰度直方图反映的是一幅图像中各灰度级像素出现的频率之间的它可以用于：判断图像量化是否恰当；确定图像二值化的阈值；计算图像中物体的面积；计算图像信息量。
从灰度直方图中你可可以获得：- 暗图像对应的直方图组成成分几种在灰度值较小的左边一侧- 明亮的图像的直方图则倾向于灰度值较大的右边一侧- 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9、什么是点处理？你所学算法中哪些属于点处理？在局部处理中，输出值仅与像素灰度有关的处理称为点处理。
(完整版)数字图像处理知识点总结
数字图像处理知识点总结第一章导论1.图像：对客观对象的一种相似性的生动性的描述或写真。
2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字）。
3.图像处理：对图像进行一系列操作，以到达预期目的的技术。
4.图像处理三个层次：狭义图像处理、图像分析和图像理解。
5.图像处理五个模块：采集、显示、存储、通信、处理和分析。
第二章数字图像处理的基本概念6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0<i(x，y)<∞，反射分量0<r(x，y)<1.7.图像数字化：将一幅画面转化成计算机能处理的形式——数字图像的过程。
它包括采样和量化两个过程。
像素的位置和灰度就是像素的属性。
8.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。
采样方式:有缝、无缝和重叠。
9.将像素灰度转换成离散的整数值的过程叫量化。
10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。
11.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。
12.采样间隔对图像质量的影响：一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；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。
13.量化等级对图像质量的影响：量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。
但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。
例如对细节比较丰富的图像数字化。
14.数字化器组成：1)采样孔：保证单独观测特定的像素而不受其它部分的影响。
2)图像扫描机构：使采样孔按预先确定的方式在图像上移动。
数字图像处理的基础知识
数字图像处理的基础知识数字图像处理是一种以计算机为基础的处理图像的技术。
它的核心是数字信号处理技术，其中包括数字滤波、傅里叶变换、数字图像处理等等。
数字图像处理主要是针对图像进行数字信号处理和计算机算法处理，从而得到使图像更加美观、清晰，同时也可对其进行各种分析和处理。
数字图像处理的基础知识包括图像的获取、表示和处理。
在此，我们将分别阐述这些基础知识。
一、图像的获取图像的获取方式有很多种，包括摄影、扫描、数码相机等等。
这些方式都可以将图像转化为数字信号，以便于计算机的处理。
在数字相机中，传感器采集光线信息并将其转化为电信号，再经过模数转换后保存在内存卡中。
而在扫描仪中，可以通过光线照射样品，然后采集样品的反射信息，保存成数字图像的形式。
二、图像的表示图像可以用矩阵的形式进行表示，其中每个矩阵的元素都对应图像中的一个像素点。
这个像素值可以代表颜色、灰度和亮度等信息。
将图像信息存储成数字矩阵的方式称为栅格画。
在黑白影像中，每个像素点只有黑和白两种颜色，每个像素点都用1或0表示。
在彩色图像中，每个像素中则由红绿蓝三原色按一定比例混合而成的颜色值来表示，并用数值表示。
这些数值也可以是整数或浮点数等形式。
另外，还有图像的压缩技术。
图像压缩通常包括有损压缩和无损压缩。
有损压缩会使压缩的图像失去一些细节，但能帮助减少图像的尺寸。
无损压缩则不会丢失图像的任何信息。
常见的无损压缩格式为PNG、BMP、TIFF等，常见的有损压缩格式为JPEG、GIF等。
三、图像的处理图像的处理包括预处理、增强、分割、检测和识别等等。
其中预处理指图像的去噪、灰度平衡、色彩校正等，以利用后续处理。
增强指通过调整图像的对比度、亮度等等，使图像更加清晰、唯美。
分割技术可以将图像分为多个区域，每个区域有独特的特征。
例如，我们可以用分割技术将人体和背景分开。
检测技术用于在图像中找到我们感兴趣的点，例如在医学图像中检测肿瘤。
识别技术允许计算机对图像中的对象进行分类，例如人脸识别技术和指纹识别技术等等。
数字图像处理知识点总结
数字图像处理知识点总结第二章：数字图像处理的基本概念2.3 图像数字化数字化是将一幅画面转化成计算机能处理的数字图像的过程。
包括：采样和量化。
2.3.1、2.3.2采样与量化1.采样：将空间上连续的图像变换成离散点。
（采样间隔、采样孔径）2.量化：采样后的图像被分割成空间上离散的像素，但是灰度是连续的，量化就是将像素灰度转换成离散的整数值。
一幅数字图像中不同灰度值的个数称为灰度级。
二值图像是灰度级只有两级的。
（通常是0和1）存储一幅大小为M×N、灰度级数为G的图像所需的存储空间：（bit）2.3.3像素数、量化参数与数字化所得到的数字图像间的关系1.一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时会出现国际棋盘效应。
采样间隔越小，所的图像像素数越多，空间分辨率高，图像质量好，但是数据量大。
2.量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大。
量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓，质量变差，但数据量小。
2.4 图像灰度直方图2.4.1定义灰度直方图是反映一幅图像中各灰度级像素出现的频率，反映灰度分布情况。
2.4.2性质（1）只能反映灰度分布，丢失像素位置信息（2）一幅图像对应唯一灰度直方图，反之不一定。
（3）一幅图像分成多个区域，多个区域的直方图之和是原图像的直方图。
2.4.3应用（1）判断图像量化是否恰当（2）确定图像二值化的阈值（3）物体部分灰度值比其他部分灰度值大的时候可以统计图像中物体面积。
（4）计算图像信息量（熵）2.5图像处理算法的形式2.5.1基本功能形式（1）单幅->单幅（2）多幅->单幅（3）多幅/单幅->数字或符号2.5.2图像处理的几种具体算法形式（1）局部处理（邻域，如4-邻域，8-邻域）（移动平均平滑法、空间域锐化等）（2）迭代处理反复对图像进行某种运算直到满足给定条件。
（3）跟踪处理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。
《数字图像处理基础》课件
数字图像的表示与存 储方式
讨论数字图像的表示方法，包 括二进制表示、向量图像和光 栅图像等。
第三章：数字图像预处理
1
图像增强
2
探讨图像增强的方法和技术，如直方图
均衡化、增强对比度等。
3
图像边缘检测
4
介绍常用的边缘检测算法，如Sobel、滤波
解释图像滤波的概念和作用，介绍常用 的滤波器及其应用。
《数字图像处理基础》 PPT课件
数字图像处理基础PPT课件将帮助您深入了解数字图像处理的原理、方法和应 用。通过本课程，您将掌握数字图像处理领域的基本概念和技巧，为将来的 进一步学习和应用打下坚实的基础。
第一章：数字图像处理概述
数字图像处理介绍
了解数字图像处理的定义和基本原理，并掌握其在各个领域中的应用。
第五章：数字图像特征提取与识别
图像特征提取
介绍图像特征提取的目的和方 法，如灰度共生矩阵和尺度不 变特征变换（SIFT）。
模板匹配
解释模板匹配的原理和应用， 讨论常见的模板匹配算法。
目标检测
探讨目标检测的技术和方法， 如基于特征的方法和深度学习 方法。
第六章：数字图像处理算法优化
1
图像处理算法优化的意义
图像二值化
讲解图像二值化的原理和算法，介绍基 于阈值的二值化方法。
第四章：数字图像分割
图像分割概述
解释图像分割的概念和作用，并 探讨常见的图像分割方法。
基于边缘分割
介绍基于边缘检测的图像分割方 法，包括Canny边缘检测和Sobel 边缘检测。
基于区域分割
讨论基于区域的图像分割方法， 如区域生长和分水岭算法。
数字图像技术趋势
讨论数字图像处理技术的趋势，如增强现实和虚拟现实的发展。
数字图像处理及分析基础-讲义
1.1.2图像信息的分类
三类
➢ 符号信息 ➢ 景物信息 ➢ 情绪信息
第一章 数字图像处理的基本概念
图像信息——(1)符号信息
一般是用文字、符号、图形等表示的具体的或 抽象的事物。
➢ 电路图、机械图、打印的文件等，一般用二值图像 表示。
➢ 地图中也包含大量符号，但需要关注颜色信息，因 为它们都有确定的物理含义，如蓝色一般表示湿地。
第一章 数字图像处理的基本概念
2、计算机图像处理技术
1946年第一台电子计算机 60年代，第三代计算机
➢ JPL ➢ 图像增强和图像复原
70年代
➢ 遥感和医学图片 ➢ Rosenfeld ，1976
80年代
➢ 3D图像获取设备以及分析系统
90年代
➢ 人类生活和社会发展的各个方面
第一章 数字图像处理的基本概念
基本方法
➢ 模拟图像处理 ➢ 数字图像处理
第一章 数字图像处理的基本概念
1、模拟图像处理
包括光学图像处理和电子图像处理（电子光学处理） 光学方法是图像处理发展的起源 光学处理具有处理速度快、信息量大、分辨率高、经
济等优点。 模拟图像处理的缺点是精度差、灵活性差，器件具有
专用性，并且缺乏判断分析能力，不具备非线性处理 能力。 趋势：将光学处理和计算机相结合的方法，如利用光 学方法对图像进行傅立叶变换，再用计算机对频谱分 析。
将采样时测量的灰度值转化成整数表示。 模数转换器(ADC)
➢ 将电压值转化成一个整数。
一幅图像的数字表示，即数字图像f(x,y),
f(x,y)以及x、y都是整数。
第一章 数字图像处理的基本概念
几个重要概念
1、处理：让某个事物受到一个过程的作用 2、过程（ process ）：指能导致某个所期望目标的
(完整版)数字图像处理第三章答案
3.1 a 为正常数的指数式ear -2对于构造灰度平滑变换函数是非常有用的。
由这个基本函数开始，构造具有下图形状的变换函数。
所示的常数是输入参数，并且提出的变换必须包含这些参数的特定形式（为了答案曲线中的L 0不是所要求的参数）。
解：由（a ）图所示，设e ar A r T -=2)(,则 在r=0时，T(r)=A 在r=L 0时，T(r)=A/2 联立，解得L L a 0693.002ln 22≈=则C rLC D r T s e K+--==-)1)(()(22由（b ）图所示，可以由(a)图翻转得到，所以（b ）图的表达式 s=)1()(220693.0rLB r T e --=（c ）图是（b ）图沿y 轴平移得到，所以（c ）图的表达式CrL C D r T s e K+--==-)1)(()(2203.19 (a)在3.6.2节中谈到，分布在图像背景上的孤立的亮和暗的像素团块，当它们小于中值滤波器区域的一半时，经过中值滤波器处理后会被滤除（被其邻值同化）。
假定滤波器尺寸为n n ⨯,n 为奇数，解释这种现象的原因？个像素小于或者等于ξ，其它的大于或等于ξ。
当其中孤立的亮或者有群集点包含过滤屏蔽的极端情况下，没有足够的在其中任何一个集群点等于中值。
如果在区域的中心点是一个群集点，它将被设置为中位数值，而背景的阴影将“淘汰”出集群。
这一结论适用于当集群区域包含积分少集群的最大规模的较极端情况下。
（b ）考虑一副有不同像素团块的图像，假设在一个团块的所有点都比背景凉或者暗（但不是同时既比背景亮又比背景暗），并且每个团块的尺寸不大于22n 。
试求当n 符合什么条件时，有一个或多个这样的团块像（a ）中所说的那样被分离出来？答：在A 的结论下，我们考虑的团块的像素个数不可能超过2)1(2-n，两个相近的或亮或暗的团块不可能同时出现在相邻的位置。
在这个n n ⨯的网格里，两个团块的最小距离至少大于)1(2-n ，也就是说至少在对角线的区域分开跨越（n-1）个像素在对角线上。
数字图像处理各章要求必做题及参考答案
−a
v
−a
v
∫ ( ) =
2E v
⎡ ⎢⎣
0 −a
e− jux − e jux
sin v(x + a)dx⎤⎥⎦
∫ =
−4 jE v
⎡ ⎢⎣
0 −a
sin
ux
sin
v(
x
+
a)dx
⎤ ⎥⎦
( ) = 4 jE (u sin va − v sin ua) v u2 − v2
3
第三章要求 1. 了解图像的几何变换； 2. 了解图像的离散傅立叶变换，掌握其重要性质； 3. 了解变换的一般表示形式； 4. 了解图像的离散余弦变换的原理 ； 5. 掌握图像的离散沃尔什－哈达玛变换； 6. 了解 K-L 变换的原理。
4 4
4 4
4⎥⎥ 4⎥
⎢⎣1 4 4 1⎥⎦
⎢⎣4 4 1 1⎥⎦
⎢⎣4 4 4 4⎥⎦
解答：
由H2 =
1 ⎡1 2 ⎢⎣1
1⎤ -1⎥⎦
和H
2
N
=
1 ⎡HN 2 ⎢⎣HN
HN -H N
⎤ ⎥⎦
得
⎡1 1 1 1 ⎤
H4
=
1 2
⎢⎢1 ⎢1
-1 1
1 -1
-1⎥⎥ -1⎥
⎢⎣1
-1
-1
1
⎥ ⎦
⎡10 0 0 −6⎤
X = ⎡⎣x1
x 2
x3 ⎤⎦T 的协方差矩阵 CX 。
解答：
⎧⎡1⎤ ⎡1⎤ ⎡1⎤⎫ ⎡3⎤
∑ 根据式 mx
=
1 M
M
xk
k =1
得 mX
=
1 3
- 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)。
9
数字图像处理与分析基础
人类视觉机制今后的研究方向
从基础研究逐步转到和图像相关的视觉综合化、 体系化的研究。
搞清决定图像质量的主观因素，做出其总的结构模 型； 找出人脑真正接收信息的容量，大脑有效接收图像 的显示方式； 弄清图像信源和信宿的结构，建立起包括人的因素 在内的信息论； 研究视觉和其它感觉的相乘作用，即视觉和其它感 觉的互相影响； 开发自组织作用的综合研究，进一步建立发展“思 考过程”； 研究视觉和行为的关系。
ISBN7-5084-2930-3 新世纪电子信息与自动化系列课程改革教材
数字图像处理与分析基础
第三章 图像处理基础知识
黄爱民 安向京 骆力
中国水利水电出版社
1
第三章 图像处理基础知识
1、图像处理的视觉基础 2、图像的数学模型 3、图像质量评价 4、对设计图像处理系统的影响
2
数字图像处理与分析基础
HL1(Wx,Wy)
蓝色视锥感受 器
HE3(Wx,Wy) 非线性网络
+
线性系统
HL3(Wx,Wy)
43
数字图像处理与分析基础
3.1.3色度学
3个基本颜色——红（R, red）、绿(G, green)和蓝( B, blue) 国际照明委员会（CIE），1931年规定3种 基本色的波长为R:700nm, G:546.1nm, B:435.8nm。
C()为入射光谱的能量分布函数
40
数字图像处理与分析基础
彩色信息融合
e1、e2、e3经对数传传递后合并为d1、d2、d3输出：
d1 log(e1 ) d 2 log(e2 ) log(e1 ) log(e2 / e1 ) d3 log(e3 ) log(e1 ) log(e3 / e1 )
3、视觉的时空频率分析
影响图像锐度的主要因素。视觉神经具有的Mach效应 和Roca—Sulzer微分效应，中枢神经的Craik-Obrien积分 效应等是视觉信息处理的基础，因此可以将视觉特性 和图像处理结合起来研究。 空间分辨力
人眼对空间景物细节的分辨能力有限，对黑白图像约为一度。
时间分辨力
39
数字图像处理与分析基础
பைடு நூலகம் 彩色响应
在图3-16模型中，e1、e2、e3代表视网膜三个 具有S1()、S2()、S3()谱灵敏度的感受器， 其输出分别为
e1 C ( ) S1 ( ) d e2 C ( ) S 2 ( ) d e3 C ( ) S3 ( ) d
5
数字图像处理与分析基础
2、画面组成和视觉心理
“”视野——指眼球不动时所能见到的范围
如果把注视点作为中心，可见的范围上方约65。，下方 约75。，左右视角约为104。 (现在的电视画面约占7。~8。)， 但视力好的部位仅限于中央2。~3。左右。
为了适应大的画面和立体景象的机理，眼球必须 转动使视线移动。
复杂型细胞
对直线和边界的运动方向敏感， 低级超复杂型细胞检测直线和边界的长度、 宽度， 而高级超复杂型细胞可以检测曲线和边缘曲 度等
21
数字图像处理与分析基础
3、 视觉特性
亮度适应与鉴别 分辨力 对比灵敏度 同时对比效应 阈值效应和掩盖效应 视觉运动特性 视觉空间频率特性 视觉时间频率特性
22
输入图像 Ii(x,y) 光学系统 H(x, y) 输出图像 Io(x,y)
图3-13 线性光学系统
o (x , y ) H (x , y ) i (x , y )
H ( x , y )
o ( x , y ) i ( x , y )
光学系统的调制传递函数MTF
32
30
数字图像处理与分析基础
空间频率/cdeg-1
（8）视觉时间频率特性
视 0.01 觉 阈 值 0.1
1
2
5
10
20
50 Hz
时间频率/Hz
33 图3-11 时间频率特性 数字图像处理与分析基础
3.1.2 视觉的简单数学模型
亮度视觉模型 彩色视觉模型
34
数字图像处理与分析基础
1、亮度视觉模型
35
数字图像处理与分析基础
简单的黑白视觉对数模型
光接受器 对数 线性系统 神经信号
图3-143 黑白视觉对数模型
Io ( x, y) K1 log[K2 K3Ii ( x, y)]
36
数字图像处理与分析基础
视觉信息的融合
LOG …… LOG LOG LOG LOG …… LOG 感受器 an a1 a0 网膜信号
a1
a2 an -4 图3-15 侧抑制结构
37
数字图像处理与分析基础
-2 号数
加权因子
黑白视觉扩展模型
|H1(Wx,Wy)| out |H2(Wx,Wy)| |H3(Wx,Wy)|
in
H1(Wx,Wy) 光感受器 线性系统
H2(Wx,Wy) H3(Wx,Wy)
线性系统
非线性网络
38
线性系统
3.1图像处理的视觉基础
视觉生理/视觉特性/视觉模型 视觉基础/视觉应用 它们与图像研究的关系见图3-1。
3
数字图像处理与分析基础
图3-1 视觉研究与图像的关系
视觉研究
基础研究
应用研究
视觉心理现象法则 （心理学）
视环境的改善和视机能应用 （照明工程学、人类工程学） 图像改善和评价（图像工程）
心 理 测 定
数字图像处理与分析基础
图3-5主观亮度感受特性
23
数字图像处理与分析基础
（2）分辨力
在不同的亮度适应级，人眼的分辨力不同，如图3-6所示，I 是背景光强，I是光强的变化，
log(I / I)
称为韦伯比，表示光强分辨力
图3-6光强分辨力的典型韦伯比
24
数字图像处理与分析基础
（3）对比灵敏度
I/I
I
I+I
2%
具有恒定背景的对比灵敏度
强度I
25
数字图像处理与分析基础
（4）同时对比效应
心理学实验表明，人眼感受到的亮度不是光强 的简单函数，如马赫带效应和同时对比效应。
I/I
I0
I+I
I
2%
具有可变背景的对比灵敏度
26
强度I
数字图像处理与分析基础
马赫带效应图3-7
27
数字图像处理与分析基础
对立体图像的景深分辨力等
8
数字图像处理与分析基础
4、视觉生理和模型的研究
视觉生理
指视觉信息的产生部分——视细胞(图像信息 感受器)和其它神经细胞以及大脑高级中枢 的神经系统的信息产生、传输和处理的机理 插入单个细胞的微小电极， 侧抑制现象、马赫效应等 对大脑高级神经中枢的“思考过程” 才刚 起步。
100 光 吸 收 特 性 % 80 60 40 蓝 绿 红
20
0
波长（nm) 400 450 500 550 600 650 700
19
数字图像处理与分析基础
（3）视觉信息的传递
眼球内 眼球外
20
数字图像处理与分析基础
（4）视觉信息的加工处理
简单型细胞
检测图像的明暗边界和线条的位置和方向，
对静止部分减少时间分辨率，而对活动部分减少空 间分辨率，可以达到数据压缩的效果。
幅度分辨力
人眼对景物亮度层次的分辨力也有限，过小的亮度 差别无法分辨。
对彩色图像的色调和饱和度的分辨力
人的视觉对彩色细节的分辨力要比亮度细节差，在 国际无线电咨询委员会（ITU-R，原CCIR）601标准 中，就利用了这种特性，将色差信号的空间分辨率 减半，仍可以得到非常好的图像质量。
13
数字图像处理与分析基础
图3-3 视锥细胞和视杆细胞在视网膜上的分布
锥状（cone）视觉：白昼视觉，色彩； 杆状（rod）视觉：夜视觉，低照度敏感。
14
数字图像处理与分析基础
2、眼睛中图像的形成
成像的几何原理 视觉信息的产生 视觉信息的传递 视觉信息的加工处理
15
数字图像处理与分析基础
（1）成像的几何原理
同时对比效应图3-8
28
数字图像处理与分析基础
（5）视觉阈值效应和掩盖效应
视觉阈值
正好可以被看到的刺激（干扰或失真）值， 它是一个统计值，在图像质量的主观评价中 有广泛的应用。
“掩盖效应 视觉阈值随图像内容的变化而变化，在 平坦区阈值低，对失真也敏感；在边缘 和纹理区，视觉存在掩盖效应，对失真 不敏感。
数字图像处理与分析基础
2、彩色视觉模型
Thomas—Young三色假说
绿色视锥感受 器 e
2
LOG
+ -
d2
H2(Wx,Wy)
g2 神 经 信 号
黄绿色视锥感 受器 e
1
LOG
LOG +
d1 d3
H1(Wx,Wy)
线性系统 H3(Wx,Wy)
g1 g3
蓝色视锥感受 器 e3
图3-16 彩色视觉模型
41
数字图像处理与分析基础
色谱灵敏度曲线
相 对 1.0 灵 敏 度 0.5
S3()
S2()
S1()
0
450
500
550
600
650
波 长 （ nm ）
图3-17 根据Konig数据得到的视网膜锥状细胞的 色谱灵敏度曲线
42
数字图像处理与分析基础
图3-19 彩色视觉扩展型模型
绿色视锥感受 器 HE2(Wx,Wy) 黄绿色视锥感 受器 HE1(Wx,Wy) 非线性网络 非线性网络 + HL2(Wx,Wy) 神 经 信 号