数字图像处理复习总结(武汉大学)
数字图像处理学习总结
数字图像处理学习总结这个学期学习了数字图像处理这门课程，主要学习了图像的点运算、几何变换、空间域图像增强、频率域图像增强、形态学图像处理、图像分割（边缘检测）、纹理方向等方面的知识。
（1） 图像的点运算。
○1灰度直方图 灰度直方图描述了一幅图像的灰度级统计信息，一般用于图像分割和图像灰度变换等的处理过程中。
从数学角度来说，图像直方图描述图像各个灰度级的统计特征，它是图像灰度级的函数，统计一幅图像中各个灰度级出现的次数或频率。
从图形上来说，灰度直方图是一个二维图，横坐标为图像中各个像素的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或频率。
○2直方图的均衡化 直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。
从人眼视觉特性来考虑，一幅图像的直方图如果是均匀分布的，即Ps(s)=k(归一化时k=1)时，该图像色调给人的感觉比较协调。
因此将原图像直方图通过T(r)调整为均匀分布的直方图，这样修正后的图像能满足人眼视觉要求。
因为归一化假定()1()()r P s d s p r dr==两边积分得0()()rr s T r p r dr ==⎰上式表明，当变换函数为r 的累积直方图函数时，能达到直方图均衡化的目的。
对于离散的数字图像，用频率来代替概率,则变换函数T (rk)的离散形式可表示为:直方图均衡化的步骤：（1）求原直方图。
()H s [0,255]s ∈ （2）求累加值（原直方图） ()F s （3）将累加值乘以255 （4）变换(,)((,))()I i j F I i j r T r →→○3直方图规定化 直方图规定化增强处理的步骤如下： ①对原始图像作直方图均衡化处理；②按照希望得到的图像的灰度概率密度函数p z(z)，求得变换函数G(z)； ③用步骤①得到的灰度级s 作逆变换z= G-1(s)。
经过以上处理得到的图像的灰度级将具有规定的概率密度函数p z(z)。
(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。
数字图像处理复习总结
数字图像处理复习总结1.数字图像的三要素(理解):采样：确定像素的空间分布⽅式（采样间隔，栅格）；采样间隔的稀疏表现为空间分辨率的⼤⼩,空间分辨率的⼤⼩是影响图像质量的⼀个重要因素。
像素的空间分布⽅式通常隐含为等间距的矩形“栅格”⽅式，但这不是唯⼀的。
量化：确定像素的值（灰度值，⾊彩值）；像素的值域取决于量化的过程（即量化级的个数）。
对应：确定像素值到真实灰度或⾊彩的对应关系。
2.位率：为表⽰每⼀个像素所使⽤的数据位数。
3.量化级数：如8位对应256个灰度级或⾊彩值（理解）。
4.分辨率dpi（dots per inch，像素点个数/ 英⼨），300dpi表⽰300×300dpi，1inch=25.4mm；例如：⼀张A4（210mm×297mm）幅⾯的照⽚，若⽤中等分辨率（300dpi基本上是可以接受的最低分辨率）的扫描仪按真彩扫描，其数据量为：共有（300×210/25.4）×（300×297/25.4）个像素，每个像素占3个字节，其数据量为26M字节。
5.视频：帧/秒，对PAL，NTSC等隔⾏扫描的制式，1帧=2场；帧：⼀幅实际的图像；场：实际实现过程中表达的⼀幅。
6.带宽：Mbits/S，或Mbytes/S：数字视频的数据量以及需要的传输带宽就更⼤。
7.“图像”数字化设备（核⼼器件：光电转换器件：CCD，CMOS）数码照相机；扫描仪；普通扫描仪；胶⽚扫描仪；指纹传感器；数字化输⼊仪。
8.数字图像处理设备：通⽤计算机，DSP单板图像处理系统，FPGA单板图像处理系统。
9.图像显⽰设备（印象）：暂时显⽰设备：CRT显⽰器；电视机；液晶监视器；等离⼦体监视器永久显⽰设备：针式打印机；激光打印机；喷墨打印机10.彩⾊模型：RGB；（多应⽤于图像显⽰，图像数字化）HSI（与描述⾊彩相关的应⽤：绘画，⾊彩检测）：H：⾊相，⾊调；S：饱和度：饱和度值越⾼，⾊彩的纯度越⾼，⾊彩本⾝越纯净；I：亮度。
数字图像处理复习总结(武汉大学)
第一章导论1.图像图像是对客观存在的物体的一种相似性的、生动的写真或描述。
2.图像的分类根据人眼的视觉特性：可见图像和不可见图像；根据波段数：单波段（每个点只有一个亮度值），多波段（每个点具有多个特性），超波段(每个点具有几十几百个特性)。
根据空间坐标和亮度的连续性：模拟图像，数字图像；3.图像处理模拟图像处理：利用光学，照相方法对模拟图像的处理；数字图像处理：利用计算机对数字图像进行系列操作，从而获得某种预期的结果的技术。
4.数字图像处理的内容它是研究图像的获取、传输、存储、变换、显示、理解与综合利用的一门崭新学科。
根据抽象程度不同可分为三个层次：狭义图像处理、图像分析和图像理解。
具体而言,包括：图像的数字化，图像变换，图像增强，图像的恢复与重建，图像编码，图像分割，二值图像处理与形状分析，纹理分析，图像识别5.数字图像处理系统采集，显示，存储，通信，主机，图像处理软件6.数字图像处理的特点精度高：对于一幅图像而言，数字化时不管是用4比特、8比特还是其它比特表示，只需改变计算机中程序的参数，处理方法不变。
所以从原理上讲不管对多高精度的数字图像进行处理都是可能的。
而在模拟图像处理中，要想使精度提高一个数量级，就必须对装置进行大幅度改进。
再现性好：不管是什么数字图像，均用数组或数组集合表示。
在传送和复制图像时，只在计算机内部进行处理，这样数据就不会丢失或遭破坏，保持了完好的再现性。
而在模拟图像处理过程中，就会因为各种干扰因素而无法保持图像的再现性通用性，灵活性强：对可见图像和不可见光图像（如X光图像、热红外图像和超声波图像等），尽管这些图像生成体系中的设备规模和精度各不相同，但当把这些图像数字化后，对于计算机来说，都可同样进行处理，这就是数字处理图像的通用性。
第二章数字图像处理的基本概念1.图像数字化图像数字化是将一幅画面转化成计算机能处理的形式——数字图像的过程。
具体说来，就是把一幅图画分割成一个个小区域（像元或像素），并将各小区域灰度用整数来表示，形成一幅点阵式的数字图像。
数字图像处理期末复习总结
第一节 数字图像处理概述/第二节 数字图像处理的获取、显示和表示（只有概念，无计算） 1、图像的数字化过程：将一幅图像从原来的形式转换为数字形式的处理过程。
图像的数字化过程包括扫描、采样、量化。
①扫描：对一幅图像内给定位置的寻址。
（被寻址的最小单元：像素） ②采样：在一幅图像的每个像素位置上测量灰度值。
（采样的两个重要参数：采样间隔和采样孔径）③量化：将测量的灰度值用一个整数表示。
2、数字图像处理技术所涉及的图像类型：（1位）二值图像、（8位）灰度图像、（24位）彩色图像、索引图像。
（24位）彩色图像区别颜色特性的三个因素：色相（或色度）、饱和度、亮度。
①色相（或色度）：是从物体反射或透过物体传播的颜色。
在 0 到 360 度的标准色轮上，色相是按位置度量的。
在通常的使用中，色相是由颜色名称标识的，比如红、橙或绿色。
②饱和度：有时也称色品，是指颜色的强度或纯度。
饱和度表示色相中灰成分所占的比例，用从 0%（灰色）到 100%（完全饱和）的百分比来度量。
在标准色轮上，从中心向边缘饱和度是递增的。
③亮度：是颜色的相对明暗程度。
通常用从 0%（黑）到 100%（白）的百分比来度量。
第三节 灰度直方图1、灰度直方图的定义：是灰度级的函数，描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。
横坐标是灰度级，纵坐标是灰度级出现的频率(像素个数)。
2、灰度直方图的数学表达式：（一幅连续图像的直方图是其面积函数的导数的负值）3、灰度直方图的性质：①不表示图像的空间信息；②任一特定图像都有唯一直方图，但反之并不成立（即一个直方图不只对应一个图像）；③归一化灰度直方图和面积函数可得到图像的概率密度函数PDF 和累积分布函数CDF ；④直方图的可相加性；⑤利用轮廓线可以求面积（灰度级D1定义的轮廓线） 4、直方图均衡化：利用点运算使一幅输入图像转换为在每一灰度级上都有相同像素点数的输出图像(即输出的直方图是平的)直方图匹配：对一幅图像进行变换，使其直方图与另一幅图像的直方图相匹配或与特定函数形式的直方图相匹配。
数字图像处理复习个人总结(转载)
数字图像处理个人复习总结-By AlieR从引言先说起吧。
这门课叫数字图像处理，所以它的内容无外乎数字和图像这两个部分，引言中首先就解释了什么是图像，记得上课时小熊还说过图像和图象的区别（虽然我认为这纯属抠字眼），不带人字旁的‘象’是未经人类加工的画面，带人字的就是经过人类加工的，而书面的说法则是对客观存在物体的一种相似性的模仿与描述，一个图像，要么是照片这样的，用画面来记录（模仿）一个具体的东西，要么是函数图形那样的，用画面来说明（描述）一种关系。
而数字，我觉得有必要在这里解释一下什么是数字化，比如说有一条曲线段，你把它放在坐标轴上，每1厘米取一个点，记下它的坐标位置（X,Y），取n个点后，你的纸上会记下n个坐标，那么，恭喜你，你完成了对这个曲线段的采样（取点）和数字化（记下坐标）。
所以说，所谓的数字化，就是把东西切成一片一片，然后把每一片换成数字保存下来仅此而已。
所以，数字图像处理，就是把一张图分成一个一个小块，每一块用一个数字来表示，然后再处理这一堆数字的过程，这前半段就叫图像数字化。
详细说说这个图像数字化，它分为两个部分，一个是采样，这和之前对曲线段的采样没有任何实质上的不同，干的事情都是一样的，把连续的东西（图像）象切豆腐一样分成一块一块的小块，这每一块学名叫像素（pixel），专业点的说法叫离散采样点，不管叫什么，总之它就是那样的。
把一张图分了多少块，就叫多少分辨率，用分的行数和列数的乘积来表示，每单位长度的图像被分成的块数就是采样密度，这没什么难以理解的。
第二个部分是量化，我们把图像切了豆腐并不算完，因为我还要把这每一小块豆腐上的图像用一个数字表示，一般是这块豆腐上的颜色值，但你知道，这有些困难，我们一般切图像都切成方形的网格，不管我们把图像切的多么碎，都很难让每一块豆腐头上只顶单独一种颜色，除非图像整体就是有棱有角泾渭分明的，不信，你试试日本国旗，看看你能不能把小鬼子的旗子用方格切成碎片使每一个碎片上都只有一种颜色。
数字图像处理知识点总结
定小于任何其他排列形式.
矢量量化原理
第7章
矢量量化的编码就是根据一定的失真测度 在码书搜索出与输入矢量失真最小的码字的索引。
用Canny算子进行边缘检测的主要步骤
① 用高斯滤波器平滑图像 第9章
② 计算滤波后图像梯度的幅值和方向
③ 对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的局 部极大值点，把其它非局部极大值点置零以得到得到细化的边 缘 ④ 用双阈值算法检测和连接边缘，使用两个阈值T1和T2(T1>T2)， T1用来找到每条线段，T2用来在这些线段的两个方向上延伸寻 找边缘的断裂处，并连接这些边缘。
背景差分法 如何利用多幅运动图像构造一个 第9章 基准图像
• 找出多幅对应像素点灰度值变化在一定阈值范围内的部 分为基准图像，可通过检测图像序列相邻两帧之间的变 化，保留对应像素点灰度值变化在一定阈值范围内的部 分，再与下一帧的图像对比，重复上述过程，最终取得 基准图像。
• I=imread(‘原图像名.tif’); % 读入原图像,tif格式 • whos I • imshow(I) % 显示图像I的基本信息 % 显示图像
自动阈值 迭代式阈值选择算法的基本思想
第9章
• 开始时选择一个阈值作为初始估计值，然后按某种策略 不断地改进这一估计值，直到满足给定的准则为止。在 迭代过程中，关键之处在于选择什么样的阈值改进策略， 好的阈值的改进策略应该具备两个特征，一是能够快速 收敛，二是在每一个迭代过程中，新产生阈值优于上一 次的阈值。
• title(‘原图像’);
• %对原图像进行屏幕控制；显示直方图均衡化后 的图像 • figure；imshow(J); • %给直方图均衡化后的图像加标题名 • title(‘直方图均衡化后的图像’) ;
《数字图像处理》复习重点总结(杂)
出 //非几何变换：原图灰度为 f(x,y),g(x,y)=T[f(x,y)], 没有位置变化，灰度值变换 R=T(r),R,r∈(0~255)//
3 模板运算、应用（★）：所谓模板就是一个系数矩阵（必须为奇数列）；模板大小：经常是奇数；模板系
数: 矩阵的元素 w1 w2 w3 w4 w5 w6 w7 w8 w9。对于某图象的子图像：z1 z2 z3 z4 z5 z6 z7 z8 z9z5 的模板运
第三章：图像变换 1 图像变换、基本运算方法：加减法：C(x,y) = A(x,y) ±B(x,y) 乘法：C(x,y) = A(x,y) * B(x,y) //求反：g(x,y) = 255 - f(x,y) 异或：g(x,y) = f(x,y) ⊕ h(x,y) 或：g(x,y) = f(x,y) ∪ h(x,y)与：g(x,y) = f(x,y) ∩ h(x,y) //
腐蚀；定义：B • S =（B ⊕ S）⊗ S；结果：1）填充对象内细小空洞 2）连接邻近对象 3）在不明显改变面 积前提下,平滑对象的边缘
第六章：图像特征提取与识别 1 表示方法： ①链码,定义：1）链码是一种边界的编码表示法。2）用边界的方向作为编码依据。为简化边 界的描述。一般描述的是边界点集。②区域骨架 ,概念,反映什么特性骨架：中轴线。设:R 是一个区域,B 为 R 的边界点,对于 R 中的点 p,找 p 在 B 上“最近”的邻居。如果 p 有多于一个的邻居,称它属于 R 的中轴（骨架） 2 边界特性： ①形状数（★）形状数定义：最小差分链码。 要会算：差分链码,最小差分链码。 差分链
第五章：图像分割 1 图像分割的定义和五大特性 // 令集合 R 代表整个图像区域,对 R 的分割可看作将 R 分成 N 个满足一下五 个条件的非空子集（子区域）R1,R2…RN: ①完备性: i=1 到 N 对 Ri 求和=R②独立性（各子区互不重叠）： i,j,i≠j,有 Ri∩Rj= ③单一性（同子区具有某些相同特性）：对 i=1,2…N,有 P(Ri)=TRUE ④互斥性（不 同子区具有某些不同特性）：对 i≠j,有 P(Ri∪Rj)=FALSE ⑤连通性（同子区像素具有连通性）：对 i=1,2,...,N, Ri 是连通的区域 // 对图像的划分满足以上定义,则 Ri（i-1,2,3…n）就称为 R 的分割。 // 2 边缘检测：（★）边缘连接,模板运算的概念,和锐化模板有区别,Huff 变换。// 基于边缘检测的霍夫变换 的原理：把直线上点的坐标变换到过点的直线的系数域,通过利用共线和直线相交的关系,使直线的提取问题 转化为计数问题。 3 阈值分割：通过取灰度门限对图像像素进行分类,该方法基于：（1）同一分割区域内由灰度值相近的像素 点组成；（2）目标物和背景、不同目标物之间的灰度值有明显差异,可通过取门限区分。 // 4 区域生长（★）：// 根据所用邻域方式和相似性准则的不同,区域生长法可以分为简单生长（像素+像素）、 质心生长法（区域+像素）和混合生长法（区域+区域）//①简单生长法：按时限确定的相似性准则,生长点 （种子点为第一生长点）接收（合并）其邻域（比如 4 邻域）的像素点,该区域生长。接收后的像素点成为 成长点,其值取种子点的值。重复该过程,直到不能生长为止,到此该区域生成。简单生长法的相似性准则为： |f(m,n)-f(s,t)|<T1, 其中 f(s,t)为种子(s,t)处的灰度值,f(m,n)为（s,t)邻域点（m,n)的灰度值,T1 为相似门限。F(s,t) 始终取种子点的值,因此这种方法对种子点的依赖性强 // ②质心生长法：相似性准则变为：|f(m,n)-f(s,t)|<T2, 这里的 f(s,t)(带上划线)是已生长区域内所有像素（所有生长点）的灰度平均值。即用已生成区域的像素灰度 均值（类似质心）作为基准,这样就可以客服简单生长法中过分依赖种子点的缺陷。 // √5 数学形态学方法： 1) 腐蚀：定义：E = B ⊗ S = { x,y | Sxy⊆ B}；结果：使二值图像减小一圈；算法：·用 3x3 的结构元素,扫描 图像的每一个像素；·用结构元素与其覆盖的二值图像做“与”操作；·如果都为 1,结果图像该像素为 1。否则 为 0。2）膨胀：定义：E = B ⊕ S = { x,y | Sxy∩B ≠Ф}；结果：使二值图像扩大一圈；算法：·用 3x3 的结构 元素,扫描图像的每一个像素；·用结构元素与其覆盖的二值图像做“与”操作； ·如果都为 0,结果图像该像素 为 0。否则为 1。3）开运算：思路：先腐蚀,再膨胀；定义：B o S = （B ⊗ S）⊕ S；结果：1）消除细小对 象 2）在细小粘连处分离对象 3）在不改变形状的前提下,平滑对象的边缘。4）闭运算：思路：先膨胀、再
- 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)。
第一章导论1.图像图像是对客观存在的物体的一种相似性的、生动的写真或描述。
2.图像的分类根据人眼的视觉特性：可见图像和不可见图像；根据波段数：单波段（每个点只有一个亮度值），多波段（每个点具有多个特性），超波段(每个点具有几十几百个特性)。
根据空间坐标和亮度的连续性：模拟图像，数字图像；3.图像处理模拟图像处理：利用光学，照相方法对模拟图像的处理；数字图像处理：利用计算机对数字图像进行系列操作，从而获得某种预期的结果的技术。
4.数字图像处理的内容它是研究图像的获取、传输、存储、变换、显示、理解与综合利用的一门崭新学科。
根据抽象程度不同可分为三个层次：狭义图像处理、图像分析和图像理解。
具体而言,包括：图像的数字化，图像变换，图像增强，图像的恢复与重建，图像编码，图像分割，二值图像处理与形状分析，纹理分析，图像识别5.数字图像处理系统采集，显示，存储，通信，主机，图像处理软件6.数字图像处理的特点精度高：对于一幅图像而言，数字化时不管是用4比特、8比特还是其它比特表示，只需改变计算机中程序的参数，处理方法不变。
所以从原理上讲不管对多高精度的数字图像进行处理都是可能的。
而在模拟图像处理中，要想使精度提高一个数量级，就必须对装置进行大幅度改进。
再现性好：不管是什么数字图像，均用数组或数组集合表示。
在传送和复制图像时，只在计算机内部进行处理，这样数据就不会丢失或遭破坏，保持了完好的再现性。
而在模拟图像处理过程中，就会因为各种干扰因素而无法保持图像的再现性通用性，灵活性强：对可见图像和不可见光图像（如X光图像、热红外图像和超声波图像等），尽管这些图像生成体系中的设备规模和精度各不相同，但当把这些图像数字化后，对于计算机来说，都可同样进行处理，这就是数字处理图像的通用性。
第二章数字图像处理的基本概念1.图像数字化图像数字化是将一幅画面转化成计算机能处理的形式——数字图像的过程。
具体说来，就是把一幅图画分割成一个个小区域（像元或像素），并将各小区域灰度用整数来表示，形成一幅点阵式的数字图像。
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。
2.采样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、无缝和重迭3.量化经采样图像被分割成空间上离散的像素，但其灰度是连续的，还不能用计算机进行处理。
将像素灰度转换成离散的整数值的过程叫量化。
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。
4.灰度级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）。
一幅数字图像中不同灰度级的个数称为灰度级数，用G表示。
灰度级数就代表一幅数字图像的层次。
图像数据的实际层次越多视觉效果就越好。
5.黑白图像图像的每个像素只能是黑或白，没有中间的过渡，故又称为二值图像。
二值图像的像素值为0或1。
6.灰度图像灰度图像是指灰度级数大于2的图像。
但它不包含彩色信息。
7.彩色图像彩色图像是指每个像素由R、G、B分量构成的图像，其中R、B、G是由不同的灰度级来描述。
8.量化参数数字化方式可分为均匀采样、量化和非均匀采样、量化。
所谓“均匀”，指的是采样、量化为等间隔方式。
图像数字化一般采用均匀采样和均匀量化方式。
非均匀采样是根据图象细节的丰富程度改变采样间距。
细节丰富的地方，采样间距小，否则间距大。
非均匀量化是对图像层次少的区域采用间隔大量化，而对图像层次丰富的区域采用间隔小量化。
9.图像的质量平均亮度对比度：是指一幅图象中灰度反差的大小。
对比度=最大亮度/最小亮度。
清晰度：由图像边缘灰度变化的速度来描述。
分解力或分辨率：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。
10.数字化器A．采样孔：保证单独观测特定的像素而不受其它部分的影响。
B．图像扫描机构：使采样孔按预先确定的方式在图像上移动。
C．光传感器：通过采样孔测量图像的每一个像素的亮度。
D．量化器：将传感器输出的连续量转化为整数值。
E．输出存储体：将像素灰度值存储起来。
它可以是固态存储器，或磁盘等。
11. 灰度直方图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。
以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。
它是图像的一个重要特征，反映了图像灰度分布的情况。
12.灰度直方图的性质(1)灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像素的位置信息。
(2)一幅图像对应唯一的灰度直方图，反之不成立。
不同的图像可对应相同的直方图。
(3)一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。
13. 直方图的应用（1）用于判断图像量化是否恰当（2）用于确定图像二值化的阈值（3）当物体灰度值比其他部分灰度值大时，可利用直方图统计图像中物体的面积。
（4）计算图像信息量（熵）（5）利用直方图分析图像的特征（6）利用直方图进行图像增强14. 图像处理的基本功能单幅图像→单幅图像：影像缩放和增强等多幅图像→单幅图像：图像拼接与彩色合成等单（或多）幅图像→数字或符号等15. 图像处理的几种具体算法（1）局部处理：对输入图像IP（i,j）处理时，某一输出像素JP(i,j)值由输入图像像素（i,j)及其邻域N(IP(i,j))中的像素值确定。
这种处理称为局部处理。
邻域：对于任一像素（i，j），该像素周围的像素构成的集合{（i+p,j+q），p、q取合适的整数}，叫做该像素的邻域。
（2）点处理在局部处理中，当输出值JP(i,j)仅与IP(i,j)有关，则称为点处理。
（3）大局处理在局部处理中，输出像素JP(i,j)的值取决于输入图像大范围或全部像素的值，这种处理称为大局处理。
（4）迭代处理反复对图像进行某种运算直至满足给定的条件，从而得到输出图像的处理形式称为迭代处理。
（5）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，进行规定的处理，然后决定是继续处理下面的像素，还是终止处理。
这种处理形式称为跟踪处理。
（6）位置不变处理和位置可变处理输出像素JP(i，j)的值的计算方法与像素的位置(i，j)无关的处理称为位置不变处理或位移不变处理。
随位置不同计算方法也不同的处理称为位置可变处理或位移可变处理。
（7）窗口处理和模板处理对图像的处理，一般采用对整个画面进行处理，但也有只对画面中特定的部分进行处理的情况。
这种处理方式的代表有窗口处理和模板处理。
单独对图像中选定的矩形区域内的像素进行处理的方式叫做窗口处理。
希望单独处理任意形状的区域时，可采用模板处理。
模板：任意形状的区域；模板平面：一个和处理图像相同大小的二维数组，用来存储模板信息。
一般是一幅二值图像；模板处理：边参照模板平面边对图象进行某种操作。
若模板成矩形区域，则与窗口处理具有相同的效果，但窗口处理与模板处理不同之处是后者必须设置一个模板平面。
16. 图像的数据结构（1）组合方式：组合方式是一个字长存放多个像素灰度值的方式。
它能起到节省内存的作用，但导致计算量增加，使处理程序复杂。
（2）比特面方式按比特位存取像素，即将所有像素的相同比特位用一个二维数组表示，形成比特面。
n个比特位的灰度图像采用比特面方式存取就有n个比特面。
这种结构能充分利用内存空间，便于比特面之间的逻辑运算，但对灰度图像处理耗时多。
（3）分层结构由原始图像开始依次构成像素数愈来愈少的一幅幅图像，就能使数据表示具有分层性，其代表有锥形(金字塔)结构。
锥形结构是对2k×2k个像素形成的图像，看成是分辨率不同的k+1幅图像的层次集合，即20×20→2k×2k。
但20×20不具有反映输入图像的信息。
从输入图像I0开始，依序产生像素数纵横都按1/2递减的一幅一幅的图像I1，I2，…I k。
此时，作为图像I i的各像素的值，就是它前一个图像I i-1的相应的2×2像素的平均值(一般采用平均值，但也可以采用能表示2×2像素的性质的某个值)确定。
处理具有这种结构的数据时，首先对像素数少的图像进行处理，然后根据需要，进到下面的像素数多的图像的对应位置，使用较丰富的信息进行处理。
同只对原始图像进行处理的场合相比，这种先对粗图像进行处理，并限定应该仔细进行处理的范围，再进行精处理的方法，可使处理的效率得到提高。
（4）树结构对于如图所示的一幅二值图像的行、列接连不断地二等分，如果图像被分割部分中的全体像素都变成具有相同的特征时，这一部分则不再分割。
用这种方法，可以把图像用树结构(4叉树)表示。
这可以用在特征提取和信息压缩等方面。
（5）多重图像数据存储在获取的彩色图像（红、绿、兰）或多波段图像中，每个像素包含着多个图像的信息。
对这类图像数据的处理，以多谱图像为例，有下列三种存储方式：①逐波段存储，分波段处理时采用；②逐行存储，行扫描记录设备采用；③逐像素存储，用于分类。
17 图像文件格式按不同的方式进行组织或存储数字图像像素的灰度，就得到不同格式的图像文件。
图像文件按其格式的不同具有相应的扩展名。
常见的图像文件格式按扩展名分为：RAW格式、BMP 格式、TGA格式、PCX格式、GIF格式、TIFF格式等。
（1）RAW格式它是将像素按行列号顺序存储在文件中。
这种文件只含有图像像素数据，不含有信息头，因此，在读图像时，需要事先知道图像大小（矩阵大小）。
它是最简单的一种图像文件格式。
（2）2.BMP格式由以下四个部分组成14字节的文件头；40字节的信息头；调色板定义；位图数据。
对于2色位图，用1位就可以表示该像素的颜色，因此一个字节可以表示8个像素；对于16色位图，用4位可以表示一个像素的颜色，所以1个字节可以表示2个像素；对于256色位图，一个字节刚好表示一个像素；对于真彩色图，3个字节才能表示1个像素18. 图像的特征自然特征①光谱特征②几何特征③时相特征人工特征①直方图特征②灰度边缘特征③线、角点、纹理特征图像的特征有很多，按提取特征的范围大小又可分为：①点特征：仅由各个像素就能决定的性质。
如单色图像中的灰度值、彩色图像中的红(R)、绿(G)、蓝(B)成分的值。
②局部特征：在小邻域内所具有的性质，如线和边缘的强度、方向、密度和统计量(平均值、方差等)等。