数字图像处理基础知识总结
数字图像处理基础知识
处 ―量化处理：将f 映射到Z的处理；
理
基 ―Z的最大取值，确定像素的灰度级数Q= 2b，
础 如256。
知
识
第 二 章
数
字
图
Zi+1
像
处Z
理
基 Zi-1
础
黑
Qi+1
黑 色
色
灰
Q
色
灰
白
色
色
Qi-1
白
色
255
0
254
1
128
128
1
254
0
255
知 连续的 识 灰度值
量化值 （整数值）
从白到黑的 连续变化
基
M
础
知
识
N
第
二
章
数 取样点的选取
字 图
假定一幅图像取M N个样点
像 1) M，N一般为2的整数次幂；
处 理
2) M，N可以相等，也可以不等；
基 础
3) 对于M，N数值大小确实定：
知
M N大到满足采样定理，重建图像就不会
识 产生失真。
第 二 章
数 采样定理
字
图 像
如果信号所含的最高频率成份为fN，
础 – 实验结论
知 识
• 随着采样分辨率和灰度级的提高，主观质量也提高 • 对有大量细节的图像，质量对灰度级需求相应降低
第 二 章 数 字 图 像 处 理 基 础 知 识
第
二
章 数 字
1. 灰度层次
• 灰度层次：表示灰度级的数量
图 图像数据的实际层次越多视觉效果就越好。
像
处 理
256个层次的图像
数字图像处理基础知识
国际照明委员会(CIE)规定以 规定以700nm(红)、 国际照明委员会 规定以 红 、 546.1nm (绿)、435.8nm (蓝)三个色光为三基色。 三个色光为三基色。 绿 、 蓝 三个色光为三基色 又称为物理三基色。 又称为物理三基色。自然界的所有颜色都可以通 过选用这三基色按不同比例混合而成。 过选用这三基色按不同比例混合而成。 这三基色按不同比例混合而成 C = R(R) + G(G) + B(B)
反映了将图像信息进行离散化的程度， 反映了将图像信息进行离散化的程度，常用 灰度级来衡量
主观亮度
适应范围 夜视 昼视
－6
夜间阈值
－4
－2
0
2
4
光强的对数
人眼亮度感觉范围
总范围很宽（ ① 总范围很宽（ C = 108） 人眼适应某一环境亮度后， ② 人眼适应某一环境亮度后，范围限制 适当平均亮度下： 适当平均亮度下：C = 103 很低亮度下： 很低亮度下：C = 10
图象“ 图象“黑”/“白”（“亮”/“暗”）对比参 白 暗 数
眼睛中图像的形成
视网膜将图像反射在中央凹区域上， 视网膜将图像反射在中央凹区域上，由光接 收器的相应刺激作用产生感觉， 收器的相应刺激作用产生感觉，感觉把辐射 能转变为电脉冲， 能转变为电脉冲，最后由大脑进行解码
电信号 光信号 视觉细胞 视神经 视神经中枢 解码 图像
人眼视觉模型
每个图像由若干个像素点组成， 每个图像由若干个像素点组成，每个点均可看作一个 点光源，每个点光源就是一个冲激函数δ 点光源，每个点光源就是一个冲激函数δ(x,y)
任意一幅图像可以表示为： 任意一幅图像可以表示为：
人眼亮度感觉
闪光极限
人的视觉系统感觉到的亮度 (主观亮度 ：是进入人眼的 主观亮度)： 主观亮度 光强对数函数 人眼亮度感觉范围： 人眼亮度感觉范围：通过光 强对数衡量，一般为3－10 强对数衡量，一般为 人眼的亮度适应级： 人眼的亮度适应级：视觉系 统当前对光强的灵敏度级别
第2章 数字图象处基础(1-27)
Digital Image Processing
2.2 人的视觉特性
人的视觉模型
▓ ▓
点光源的表示函数
点源可以用 δ 函数表示，表示平面图像的二维 δ 函数 +∞ +∞ 为： ⎧ 1 y, ) x ∫ ∫−∞ δ (dxdy = −∞ ⎪ ⎪ ⎨ = = ⎧ ∞ y , x 0 0, ⎪δ ( y , ) = ⎨ x , 其他 ⎪ ⎩ 0 ⎩ 则任意一幅图像可表示为：
Digital Image Processing
2.2 人的视觉特性
人眼的构造与机理要点（续）
（ 3）视细胞： 视网膜上集中了大量视细胞，分为两类： 锥状细胞 ：明视细胞，在强光下检测亮度和颜色； 杆 (柱 )状细胞 ：暗视细胞，在弱光下检测亮度，无色彩感觉。 其中，每个锥状视细胞连接着一个视神经末梢，故分辨率高， 分辨细节、颜色；多个杆状视细胞连接着一个视神经末梢，故分辨 率低，仅分辨图的轮廓。 （4 ） 人眼成象过程：
2.4 数字图像表示形式和特点
▓ ▓
数字图像的矩阵表示 数字图像的矩阵 矩阵表示
O n
f (0,1) ⎡ f (0,0) ⎢ f (1,1) ⎢ f (1,0) , f (mn) = ⎢ ⋮ ⋮ ⎢ ⎣ f (M−1,0) f (M−1,1)
⋯ f (0, N−1) ⎤ ⎥ ⋯ f (1, N−1) ⎥ ⎥ ⋮ ⋮ ⎥ ⋯ f (M−1, N−1)⎦
Digital Image Processing
2.1 色度学基础
RGB模型：
在三维直角坐标系中，用相互垂直的三个坐标轴代表R、 G、B三个分量，并将R、G、B分别限定在[0,1]，则该单位正 方体就代表颜色空间，其中的一个点就代表一种颜色。如下图 方体就代表颜色空间，其中的一个点就代表一种颜色。 所示。 其中，r、g、b、c、m和y分别代表红色（red）、绿色 （green）、蓝色（blue）、青色（cyan）、品红（magenta） 和黄色（yellow）。
数字图像处理与分析
数字图像处理与分析数字图像处理与分析是一门涉及到数字信号处理、计算机科学、数学和物理学等多个领域的交叉学科。
它使用计算机对数字图像进行处理、分析和应用，既可以改善图像的质量，也可以提取出有用的信息并进行量化分析。
随着数字摄影技术的发展和计算机技术的普及，数字图像处理与分析在生产制造、医学、航空航天、气象地理等领域里得到了广泛的应用。
一、数字图像基础数字图像是由像素点组成的二维阵列，每个像素点代表一个灰度值或颜色值。
图像的分辨率取决于像素的数量，不同的颜色模式可以用不同的方式表示图像中像素的颜色。
灰度图像中每个像素用一个8位二进制数（称为灰度值）表示图像中的亮度，颜色图像则需要三个颜色通道来表示每个像素的颜色。
在数字图像中，可以通过使用图像处理算法来改善图像质量、增强图像细节、提取图像特征以及进行图像分析等处理。
二、图像处理算法图像处理算法是指将数字图像处理任务转换为数学运算的方法。
常见的图像处理算法包括：图像平滑、图像锐化、边缘检测、二值化、形态学处理、频域处理和特征提取等。
其中，图像平滑是为了平滑噪声和细节而进行的处理，图像锐化则是为了提高图像边缘的清晰度和对比度；边缘检测用于在图像中找到物体的边缘并提取有用信息；二值化将图像中的灰度值转换为黑白值，常用于目标检测；形态学处理可以用于填充、锐化、膨胀、腐蚀等操作；频域处理可以在频域中进行图像滤波、增强、去除噪声等处理；特征提取是从图像中提取有意义的信息，用于进一步分析和识别目标等。
三、图像分析图像分析是指使用图像处理算法自动或半自动地解释和理解图像。
图像分析的目的是将数字图像转换为可用于决策和控制的信息，常用于图像识别、目标检测和量化分析等领域。
图像识别可以通过对目标的特征进行匹配来实现，如通过比对目标的轮廓或纹理来进行分类。
目标检测可通过在图像中寻找符合目标特征的像素来实现，如寻找颜色、大小或形状等特征。
量化分析可通过对目标的特征数据进行统计和分析来实现，如测量目标大小、形状、颜色或纹理等。
考研数字图像处理知识点剖析
考研数字图像处理知识点剖析数字图像处理是计算机视觉和图像处理领域的一门重要课程，也是考研计算机专业的必考内容之一。
本文将对考研数字图像处理的知识点进行剖析，并对相关概念和算法进行介绍。
一、数字图像处理基础知识1. 图像的表示和数字化图像可以通过像素矩阵来表示，每个像素由一个灰度值或颜色值来描述。
数字化过程包括采样、量化和编码三个步骤。
2. 灰度变换灰度变换是指通过像素的灰度值进行变换，常见的灰度变换函数包括线性变换、非线性变换和直方图均衡化。
3. 空间域滤波空间域滤波是指通过改变像素的邻域内像素值来实现对图像的增强或去噪。
常见的空间域滤波方法有均值滤波、中值滤波和高斯滤波等。
二、数字图像处理基本算法1. 图像锐化与模糊图像锐化算法可以提高图像的边缘信息，常用算法包括一阶导数算子、Sobel算子和Laplacian算子。
而图像模糊算法可以降低图像的细节信息，常用算法有均值滤波和高斯滤波。
2. 图像分割图像分割是将图像划分成若干个具有独立意义的区域的过程，常见算法有阈值法、边缘检测法和区域生长法等。
3. 图像压缩图像压缩是通过减少图像数据的冗余来实现图像的存储和传输。
常用的压缩算法有无损压缩算法（如Huffman编码）和有损压缩算法（如JPEG压缩）。
4. 图像恢复图像恢复是通过数学模型和算法来恢复由于传感器噪声或其它原因引起的损坏的图像。
常见的图像恢复算法包括逆滤波、最小均方误差和非负约束等。
三、数字图像处理实际应用1. 医学图像处理数字图像处理在医学领域有着广泛的应用，如X光图像的增强和分割，磁共振图像的去噪和恢复等。
2. 视频编码与处理数字图像处理技术在视频编码和处理中起着重要作用，如H.264和HEVC等视频编码标准的实现，视频的剪辑和特效处理等。
3. 计算机视觉数字图像处理是计算机视觉的基础，通过图像处理算法实现物体检测、分割、跟踪等任务。
结语本文对考研数字图像处理的知识点进行了剖析，介绍了数字图像处理的基础知识、基本算法和实际应用。
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。
数字图像处理复习提纲
4. 图像分辨率的单位dpi表示单位长度（ ）上包含的像素数目。 A．米 B.厘米 C. 寸 D.英寸
5.一幅大小为16*16，灰度级为2的图像，像素点有（）个 A．256 B. 512 C. 1024
第2章 matlab软件 • 熟悉matlab界面：命令窗口、工作间、命令历史窗口、路
素少的灰度级，使灰度直方图均衡分布。
histeq,adapthisteq 2.直方图规定化：将直方图按照参考图像的直 方图进行均衡化
[hgram,x]=imhist(I1);
J=histeq(I,hgram) ; • 图像增强：突出有用的特征，便于分析和处理。
方法：直方图均衡化、图像平滑、图像锐化和伪彩色处理
• hold on/off
• grid on/off • 格式化：title，text, legend, label • 特殊字符：: \pi, \omega, \Theta, ^2
第4章 matlab工具箱 • 浏览工具箱：菜单栏-主页-？-image processing toolbox • 图像类型：RGB图像，索引图像，灰度图像，二值图像 • 各种图像的数据结构 • 图像的数据类型：uint8,uint16,double,im2double • 图像类型转换：rgb2gray; ind2rgb, rgb2ind; ind2gray,
• Fourier, DFT，FFT
• fft2, ifft2 • fftshift的作用 • 傅里叶变换的幅度谱和相位谱 • fft高频和低频滤波，字符识别 • 为什么引入DCT?保持傅里叶变换的功能有减少数据量。 • DCT主要用于图像压缩。
数字图像处理技术解析
数字图像处理技术解析第一章：数字图像处理基础知识数字图像处理是一门研究如何处理和操作数字图像的学科。
数字图像是离散的表示了光的强度和颜色分布的连续图像。
数字图像处理技术可以应用于许多领域，如医学影像、机器视觉、遥感图像等。
1.1 数字图像表示与存储数字图像可以使用像素（pixel）来表示，每个像素包含一定数量的位元（bit），用于表示图像的灰度值或颜色信息。
常见的像素表示方法有灰度图像和彩色图像。
在计算机中，数字图像可以以不同的方式进行存储，如位图存储、压缩存储等。
1.2 数字图像处理的基本操作数字图像处理的基本操作包括图像增强、图像恢复、图像压缩和图像分割等。
图像增强可以改善图像的质量，使其更适于人眼观察或用于其他应用。
图像恢复是指通过去除图像中的噪声、模糊等不良因素，使图像恢复到原始清晰状态。
图像压缩可以减少图像的存储空间和传输带宽。
图像分割是将图像分成几个具有独立特征的区域，用于目标检测、目标跟踪等应用。
第二章：数字图像增强技术数字图像增强技术可以提高图像的质量和信息内容，使其更适合进行后续处理或人眼观察。
常用的图像增强方法包括灰度变换、直方图均衡化和空域滤波等。
2.1 灰度变换灰度变换是通过对图像的灰度值进行变换，来改变图像的对比度和亮度。
常见的灰度变换方法包括线性变换、非线性变换和直方图匹配等。
线性变换通过对灰度值进行线性和平移变换，可改变图像的对比度和亮度。
非线性变换使用非线性函数对灰度值进行变换，如对数变换、反转变换等。
直方图匹配是将图像的直方图变换为期望直方图，以达到对比度和亮度的调整。
2.2 直方图均衡化直方图均衡化是一种常用的图像增强方法，可以通过对图像的直方图进行变换，使得图像的灰度分布更加均匀。
直方图均衡化可以增加图像的对比度，使得图像细节更加清晰。
该方法适用于灰度图像和彩色图像。
2.3 空域滤波空域滤波是一种基于像素的图像处理方法，通过对图像的局部像素进行加权平均或非线性操作，来改变图像的特征。
- 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)。
第一章数字图像处理概论*图像是对客观存在对象的一种相似性的、生动性的描述或写真。
*模拟图像空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像*数字图像空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。
是图像的数字表示，像素是其最小的单位。
*数字图像处理（Digital Image Processing）利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。
（计算机图像处理）*数字图像处理的特点（优势）（1）处理精度高，再现性好。
（2）易于控制处理效果。
（3）处理的多样性。
（4）图像数据量庞大。
（5）图像处理技术综合性强。
*数字图像处理的目的（1）提高图像的视感质量，以达到赏心悦目的目的a.去除图像中的噪声；b.改变图像的亮度、颜色；c.增强图像中的某些成份、抑制某些成份；d.对图像进行几何变换等，达到艺术效果；（2）提取图像中所包含的某些特征或特殊信息。
a.模式识别、计算机视觉的预处理（3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。
**数字图像处理的主要研究内容（1）图像的数字化a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理b.主要包括的是图像的采样与量化（2*）图像的增强a.加强图像的有用信息，消弱干扰和噪声（3）图像的恢复a.把退化、模糊了的图像复原。
模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。
（5）图像的重建a.由二维图像重建三维图像（如CT）（6）图像的分析a.对图像中的不同对象进行分割、分类、识别和描述、解释。
（7）图像分割与特征提取a.图像分割是指将一幅图像的区域根据分析对象进行分割。
b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。
（8）图像隐藏a.是指媒体信息的相互隐藏。
b.数字水印。
c.图像的信息伪装。
（9）图像通信**图像工程的三个层次图像理解（从图像到解释）-图像分析（从图像到数据）-图像处理（从图像到图像）1、抽象程度（高—低）2、数据量（小—大）3、语义（高层、中层、低层）4、操作对象（符号、目标、像素）*图像分析：图像分析主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述。
*图像理解：图像理解的重点是在图像分析的基础上，进一步研究图像中各个目标的性质和他们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行动。
图像处理：【图像输入——（图像处理<增强、复原、编码、压缩等>）——图像输出） 图像识别：【图像输入——（图像预处理<增强、复原>）——（图像分割）——（特征提取）——（图像分类）——类别、识别结果】图像理解：【图像输入——（图像预处理）——（图像描述）——（图像分析和理解）——图像解释】*数字图像处理的应用领域：通信：图象传输，电视电话等。
宇宙探测：星体图片处理。
遥感：地形、地质、矿藏探查，森林、水利、海洋、农业等资源调查，自然灾害预测，环境污染的监测，气象云图。
生物医学：CT ，X 射线成象，B 超，红外图象，显微图象。
工业生产： 产品质量检测，生产过程控制，CAD ，CAM 。
军事： 军事目标侦察，制导系统，警戒系统，自动火器控制，反伪装等。
公安： 现场照片，指纹，手迹，印章，人像等处理和鉴别。
档案： 过期的文字、图片档案的修复和处理。
机器人视觉娱乐： 电影特技，动画，广告，MTV 等*数字图像处理的发展动向（1）提高精度，提高处理速度（2）加强软件研究，开发新方法（3）加强边缘学科的研究工作（4）加强理论研究（5）图像处理领域的标准化问题第二章 数字图像处理基础*电磁辐射波：（1）在实际的图像处理应用中，最主要的图像来源于电磁辐射成像。
（2）电磁辐射波包括无线电波（1m-100km ）、微波(1mm-1m)、红外线(700nm-1mm)、可见光(400nm-700nm)、紫外线(10nm-400nm)、X 射线(1nm-10nm)、γ射线(0.001nm-1nm)。
（3）电磁辐射波的波谱范围很广，波长最长的是无线电波为2103⨯m ，其波长是可见光波长的几十亿倍；波长最短的是γ射线，波长为17-103⨯，其波长比可见光小几百万倍。
*太阳的电磁辐射波(1)太阳的电磁辐射波恰好主要占据整个可见光谱范围。
(2)可见光随波长的不同依次呈现出紫、蓝、绿、黄、橙(橘红)、红六种颜色，白光是由不同颜色的可见光线混合而成的。
(3)人从一个物体感受到的颜色是由物体反射的可见光的特性决定的，若一个物体反射的光在所有可见光波长范围内是平衡的，则对观察者来说显示的是白色；若一个物体只反射可见光谱中有限范围的光，则物体就呈现某种颜色。
*电磁波谱与可见光谱相关概念(1)仅有单一波长成份的光称为单色光，含有两种以上波长成份的光称为复合光，单色光和复合光都是有色彩的光。
三基色（红色、绿色、蓝色），三补色（黄色、品色、青色）。
(2)没有色彩的光称为消色光。
消色光就是观察者看到的黑白电视的光，所以消色指白色、黑色和各种深浅程度不同的灰色。
(3)消色光的属性仅有亮度或强度，通常用灰度级描述这种光的强度。
*简单的图像成像模型一幅图像可定义成一个二维函数f(x,y)。
由于幅值f 实质上反映了图像源的辐射能量，所以f(x,y)一定是非零且有限的，也即有： 0<f(x,y)<A0图像是由于光照射在景物上，并经其反射或透射作用于人眼的结果。
所以：f(x,y)可由两个分量来表征，一是照射到观察景物的光的总量，二是景物反射或透射的光的总量.设i(x,y)表示照射到观察景物表面(x,y)处的白光强度，r(x,y)表示观察景物表面(x,y)处的平均反射(或透射)系数，则有：f(x,y)=i(x,y)r(x,y)其中： 0 < i(x,y) < A1 (2.4)0（全吸收） ≤ r(x,y) ≤ 1（全反射）对于消色光图像(有些文献称其为单色光图像)，f(x,y)表示图像在坐标点(x,y)的灰度值l ，且： l=f(x,y) (2.5)这种只有灰度属性没有彩色属性的图像称为灰度图像。
由式(2.4)，显然有：min L ≤l ≤max L (2.6)区间],[max min L L 称为灰度的取值范围。
在实际中，一般取min L 的值为0，这样,灰度的取值范围就可表示成[0，max L ]。
*马赫带效应明暗交界处亮处更亮、暗处更暗的现象*图像的质量评价1、层次：实际的灰度级数2、清晰度：与亮度、对比度、尺寸、细微层次、饱和度等有关3、对比度：最小亮度最大亮度 *数字图像的表示当一幅图像的x 和y 坐标及幅值f 都为连续量时，称该图像为连续图像。
为了把连续图像转换成计算机可以接受的数字形式，必须先对连续的图像进行空间和幅值的离散化处理。
(1)图像的采样： 对图像的连续空间坐标x 和y 的离散化，必须满足二维采样定理，以确保无失真或有限失真的恢复图像，最大采样间隔由奈奎斯特定理确定；(2)图像灰度级的量化： 对图像函数的幅值 f 的离散化。
*均匀采样：对一幅二维连续图像f(x,y)的连续空间坐标x 和y 的均匀采样，实质上就是把二维图像平面在x 方向和y 方向分别进行等间距划分，从而把二维图像平面划分成M ×N 个网格，并使各网格中心点的位置与用一对实整数表示的笛卡尔坐标(I,j)相对应。
二维图像平面上所有网格中心点位置对应的有序实整数对的笛卡尔坐标的全体就构成了该幅图像的采样结果。
*均匀量化：对一幅二维连续图像f(x,y)的幅值f 的均匀量化，实质上就是将图像的灰度取值范围[0，max L ]划分成L 个等级（L 为正整数，max L =L-1），并将二维图像平面上M ×N 个网格的中心点的灰度值分别量化成与L 个等级中最接近的那个等级的值。
*数字图像的表示: 为了描述上的方便,本书仍用f(x,y)表示数字图像。
设x ∈[0，M-1]，y ∈[0，N-1]，f ∈[0，L-1]，则数字图像可表示成式(2.7)形式的一个M ×N 的二维数字阵列。
每个(x,y)对应数字图像中的一个基本单元，称其为图像元素(picture element)，简称为像素（pixel ）；且一般取M 、N 和灰度级L 为2的整次幂，即：M=2~m （2.8）N=2~n （2.9）k L 2 （2.10）这里，m 、n 和k 为正整数。
存储一幅M ×N 的数字图像，需要的存储位数为：b = M × N × k （bit ） （2.11）字节数为：B=b/8(byte)**空间分辨率(1)空间分辨率是图像中可分辨的最小细节，主要由采样间隔值决定。
(2**)一种常用的空间分辨率的定义*是单位距离内可分辨的最少黑白线对数目(单位是每毫米线对数)，比如每毫米80线对。
另外，当简单地把矩形数字化仪的尺寸看作是“单位距离”时，就可把一幅数字图像的阵列大小M ×N 称为该幅数字图像的空间分辨率。
(3)对于一个同样大小的景物来说，对其进行采样的空间分辨率越高，采样间隔就越小，景物中的细节越能更好地在数字化后的图像中反映出来，也即反应该景物的图像的质量就越高。
(4) 一幅数字图像的阵列大小（简称为图像大小）通常用M ×N 表示。
在景物大小不变的情况下，采样的空间分辨率越高，获得的图像阵列M ×N 就越大；反之，采样的空间分辨率越低，获得的图像阵列M ×N 就越小。
在空间分辨率不变的情况下，图像阵列M ×N 越大，图像的尺寸就越大；反之，图像阵列M ×N 越小，图像的尺寸就越小。
**采样数（1、2）、空间分辨率（3）变化对图像视觉效果的影响：（1）在图像的空间分辨率不变（这里指线对宽度不变）的情况下，采样越少，图像越小。
（2）在景物大小不变的情况下，图像阵列M*N 越小，图像的尺寸越小。
（3）随着空间分辨率的降低，图像中的细节信息在逐渐损失，棋盘格似的粗颗粒像素点变得越来越明显。
由此也说明，图像的空间分辨率越低，图像的视觉效果越差。
**灰度分辨率灰度级分辨率是指在灰度级别中可分辨的最小变化，通常把灰度级级数L 称为图像的灰度级分辨率。
**灰度分辨率变化对图像视觉效果的影响：随着灰度分辨率的降低，图像的细节信息在逐渐损失，伪轮廓信息在逐渐增加。
图中由于伪轮廓信息的积累，图像已显现出了木刻画的效果。
由此也说明：灰度分辨率越低，图像的视觉效果越差。
**灰度直方图图像的灰度直方图，是一种表示数字图像中各级灰度值及其出现频数的关系的函数。