(优选)医学图像处理第二章数字图像基础
合集下载
医学图像的处理与变换的基础知识
二维离散余弦变换
正变换：
N 1 N 1
C(,) a()a()
f
(x,
y)
cos[
(2 x1) 2N
的顺序是每一层面逐行逐个体素。例如，一个由64个层
片组成的长方形物体，每个层面有100 x l00个像素。其
体数据文件的排列顺序。
Header
y z
100 100 100 100
x
图3-15 长方体及具体数据集排列
100 100
第三节 医学图像的变换
medical image transforms
由于计算机的工作速度、存储空间是相对有限的，各种参 数都不能无限地提高。
不同量化级别对图像质量的影响
（a）
（b）
（c）
（d）
虚假轮廓
（e）
（f）
（g）
（h）
（a）原始图像(256级)； （b） 量化图像1(128级)； （c） 量化图像2(64级)； （d）量化图像3(32级)； （e） 量化图像4(16级)； （f） 量化图像5(8级) （g）量化图像6(4级)； （h） 量化图像7(2级)；
Zi＋ 1 Zi
Zi－ 1
qi＋ 1 qi－ 1
连 续 灰 度 值 量 化 值 (整 数 值 )
灰 度 标度
灰 度 量化
(a)
…
255 将连续图像的像素值分布
254 落在[Zi，Zi+1]范围内的点 128 的取值量化为qi+1，称之
127 为灰度值或灰阶(Gray
…
Level)。把真实值Z与量化
1 0
2 biPlanes 2 biBitCount
4 biCompressi on
医学图像处理技术：第二章 数字图像基础
2.1 视觉感知
光敏细胞在视网膜上的分布
分布沿视线关于中心凹对称。 在离视轴20度处，该区域没有光
敏细胞，称为盲点。 锥状细胞在视网膜中心（中央凹）
处最密。 杆状细胞从中心向外，离轴大约
20度处，密度逐渐增加，然后到 视网膜边缘处，密度逐渐下降。 成像主要在中央凹区域。
2.1 视觉感知
是图像物理坐标的实际值。
2.4 图像数字化
量化过程
aH 图 像 的 亮 度 范 围
aL
d64 d63
d3 d2 d1 d0 判决层
r63
111111
r2 r1 r0
量化层
000010 000001 000000
编码层
2.4 图像数字化
数字图像的表示
出于处理、存储以及取样硬件的考虑，M,N以及量化灰度 级的数目G应为2的整数次幂，即
M 2m
N 2N L 2k
假设离散灰度级是等间隔的，并且是区间[0,L-1]中的一
个整数。
灰度级的取值范围称为动态范围。
把占有灰度级全部有效段的图像称为高动态范围图像
存储数字图像所需的比特数为：b M N k 当一副图像有 2k 个灰度级时，称这幅图像为k比特图像。
2.4 图像数字化
1.亮度适应
人的视觉系统能适应的总体亮度范围是 很大的，从暗视觉门限到眩目极限 （强 闪光）之间的范围达1010 主观亮度是进 入眼睛的光强度的对数。 人眼并不能同时感受这样宽的亮度范围， 利用改变视觉灵敏度来完成这一变动的， 就是亮度适应现象。
人眼适应了某一个平均的亮度环境后， 所能够同时鉴别的亮度范围很小，这个 平均的亮度环境称为亮度适应级。
接性：
4邻接：如果q在N4( p)中，具有v中数值的两个像素p和q是4邻接的。 8邻接：如果q在N8 ( p)中，具有v中数值的两个像素p和q是8邻接的。 m邻接(混合邻接)：a)q在N4( p) 中，b)q在ND ( p中) ，且 N4( p) N4(q)
第2章 数字图象处基础(1-27)
光号 信 视胞 细 生理电信号 视经 神 视神经中枢 大成 脑像
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）。
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）。
医学图象处理题库及解答
d 2 x 2
0.2
0.014
进而算得
x 0.07 d
把视网膜的中央凹（黄斑）看作一个有次序的排列了 337000 个元素的方形传感器阵列，这个阵列可以表示为一个大小 580×580 的矩阵。假定每个阵元之间的间隙是相等的，那么在一个长为 1.5mm 的线上可以排列 580 个元素和 579 个间 隙。即每个元素和间隙的大小为
例如，第一个被处理的是第 2 行第 2 列像素，中值滤波后的灰度值为
g 2,2 median f (1,1), f (1,2), f (1,3), f (2,1), f (2,2), f (2,3), f (3,1), f (3,2), f (3,3) median{1,3,6,15,4,7,13,3,5} median{1,3,3,4,5,6,7,13,15} 5 1 3 15 5 13 4 因此，最终的结果为 3 4 6 4 9 11 6 8 6 3 5 7 6 1 4 5 5 4 。 4 5 6 7 4 5 7 7 3 11 14 13
灰度值 i 像素数 ni
0 16000
128 8000
255 16000
分析解答：总的象素点数为 40000，即图像大小为 200×200。足球的直径为 230mm，图像的面积为 230×230mm2。如果 已正方形网格离散化图像，那么，每个象素点大小为(230×230)/(200×200)=1.15×1.15，即象素间距离为 1.15mm。 8．在数字化一幅图像时，应注意哪几个方面的问题？ 简答：图像的数字化包括采样和量化两个过程。因此，可将图像的数字化过程中的问题归纳为下面两个问题： ①图像在空间上的离散化称为采样。也就是用空间上部分点的灰度值代表图像，这些点称为采样点。在进行采样时， 采样点间隔的大小选取要依据原图像中包含的细微浓淡变化来决定。一般，图像中细节越多，采样间隔应越小。 ②模拟图像经过采样后，在时间和空间上离散化为像素。但采样所得的像素值（即灰度值）仍是连续量。把采样后所 得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。一般来说，实用上一般都采用等间隔量化，对图 像中像素灰度值频繁出现的灰度值范围，量化间隔取小一些，而对那些像素灰度值极少出现的范围，则量化间隔取大 一些。 一般，当限定数字图像的大小时，为了得到质量较好的图像可采用如下原则： （1）对缓变的图像，应该粗采样，细量化，这样可以避免数字化后的图像出现假轮廓。 （2）对细节丰富的图像，应细采样，粗量化，这样可以避免数字化后的图像被模糊（混叠） 。 二、空间域增强，直方图变换、均衡、匹配 1．直方图变换 给定一幅图像，其概率密度为 pr r Ae 。r 为从 0 到 b 变化的灰度级变量，A 为归一化因子。完成直方图匹配变换
第二章 数字图像处理基础
主要内容
2.1 数字图像的表示 2.2 数字图像的采样与量化 2.3 人的视觉特性 2.4 光度学与色度学原理
第二章 数字图像处理基础
本章重点、难点
重点： 采样和量化 BMP图像文件格式 RGB颜色模型和HSI颜色模型 难点： 采样和量化的理解 BMP位图
2.1 数字图像
数字图像：f(x,y)，函数值对应于图像点的 亮度。称亮度图像。 注意：模拟图像与数字图像的区别 动态图像：f(x,y,t)
人眼成像过程
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。 人眼成像过程
图像的对比度和亮度
人眼的亮度感觉 图像 “黑”“白”(“亮”、“暗”)对比参数 对比度 : c=Bmax/Bmin 相对对比度:cr=(B-B0)/B0 人眼亮度感觉范围 总范围很宽 c = 108 人眼适应某一环境亮度后，范围限制 适当平均亮度下：c=103 很低亮度下：c=10
亮度
也称为灰度，它是颜色的明暗变化，常用 0 ％～ 100 ％ (由黑到白) 表示。以下三幅图是 不同亮度对比。
对比度
对比度(contrast)是亮度的局部变化，定义为物体亮 度的平均值与背景亮度的比值，是画面黑与白的比 值，也就是从黑到白的渐变层次。比值越大，从黑 到白的渐变层次就越多，从而色彩表现越丰富。人 眼对亮度的敏感性成对数关系。
同时对比度
人眼对某个区域感觉到的亮度不是简单 地取决于该区域的强度，背景亮度不同 时，人眼所感觉到的明暗程度也不同。
马赫带效应
马赫带(Mach Band)效应:边界处亮度对比加强
为什么我们要在暗室评片？
马赫带效应的出现，是因为人眼对于图像中不同 空间频率具有不同的灵敏度，而在空间频率突变处 就出现了 “欠调”或“过调”
2.1 数字图像的表示 2.2 数字图像的采样与量化 2.3 人的视觉特性 2.4 光度学与色度学原理
第二章 数字图像处理基础
本章重点、难点
重点： 采样和量化 BMP图像文件格式 RGB颜色模型和HSI颜色模型 难点： 采样和量化的理解 BMP位图
2.1 数字图像
数字图像：f(x,y)，函数值对应于图像点的 亮度。称亮度图像。 注意：模拟图像与数字图像的区别 动态图像：f(x,y,t)
人眼成像过程
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。 人眼成像过程
图像的对比度和亮度
人眼的亮度感觉 图像 “黑”“白”(“亮”、“暗”)对比参数 对比度 : c=Bmax/Bmin 相对对比度:cr=(B-B0)/B0 人眼亮度感觉范围 总范围很宽 c = 108 人眼适应某一环境亮度后，范围限制 适当平均亮度下：c=103 很低亮度下：c=10
亮度
也称为灰度，它是颜色的明暗变化，常用 0 ％～ 100 ％ (由黑到白) 表示。以下三幅图是 不同亮度对比。
对比度
对比度(contrast)是亮度的局部变化，定义为物体亮 度的平均值与背景亮度的比值，是画面黑与白的比 值，也就是从黑到白的渐变层次。比值越大，从黑 到白的渐变层次就越多，从而色彩表现越丰富。人 眼对亮度的敏感性成对数关系。
同时对比度
人眼对某个区域感觉到的亮度不是简单 地取决于该区域的强度，背景亮度不同 时，人眼所感觉到的明暗程度也不同。
马赫带效应
马赫带(Mach Band)效应:边界处亮度对比加强
为什么我们要在暗室评片？
马赫带效应的出现，是因为人眼对于图像中不同 空间频率具有不同的灵敏度，而在空间频率突变处 就出现了 “欠调”或“过调”
第2章数字图像处理基础
DWORD
biSize;
LONG
biWidth;
LONG
biHeight;
WORD
biPlanes;
WORD
biBitCount;
DWORD
biCompression;
DWORD
biSizeImage;
LONG
biXPelsPerMeter;
LONG
biYPelsPerMeter;
DWORD
biClrUsed;
} BITMAPFILEHEADER;
这个结构的长度是固定的，为14个字节（WORD为无符号16位二 进制整数，DWORD为无符号32位二进制整数）。
第二部分为位图信息头BITMAPINFOHEADER，也是一个结构，其定义如下：
typedef struct tagBITMAPINFOHEADER{
R、 G、 B 值。下面就2色、 16色、256 色和真彩色位图分别介绍。
对于2色位图，用1位就可以表示该像素的颜色（一般0表示 黑， 1表示白），所以一个字节可以表示8个像素。
对于16色位图，用4位可以表示一个像素的颜色，所以一个 字节可以表示2个像素。
对于256色位图，一个字节刚好可以表示1个像素。
下面两点请读者注意：
（1） 每一行的字节数必须是4的整数倍，如果不是，则需 要补齐。这在前面介绍biSizeImage时已经提到过。
（2） BMP文件的数据存放是从下到上，从左到右的。也 就是说， 从文件中最先读到的是图像最下面一行的左边第一个 像素， 然后是左边第二个像素， 接下来是倒数第二行左边第 一个像素， 左边第二个像素。依次类推， 最后得到的是最上 面一行的最右边的一个像素。
2.3.1 BMP图像文件格式
数字图像-医学图像处理 Part2：解答题和计算题
Part2：解答题和计算题2.1 图像处理基础一、简答题1、解释模拟图像和数字图像的概念。
(10分)模拟图像在水平与垂直方向上灰度变化都是连续的，因此有时又将模拟图像称之为连续图像( continuous image)数字图像是指把模拟图像分解成被称作像素的若干小离散点，并将各像素的颜色值用量化的离散值，即整数值来表示的图像。
因此，又将数字图像称为离散图像（discrete image)。
像素是组成数字图像的基本元素。
2、简述图像的采样和量化过程,并解释图像的空间分辨率和灰度分辨率的概念。
(10分) 空间采样将在空间上连续的图像转换成离散的采样点（即像素）集的操作。
由于图像是二维分布的信息，所以采样是在x轴和y轴两个方向上进行。
量化把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。
量化值一般用整数来表示。
考虑人眼的识别能力，目前非特殊用途的图像均为8bit量化，即用0~255描述“黑~白”。
空间分辨率(spatial resolution )：图像空间中可分辨的最小细节。
一般用单位长度上采样的像素数目或单位长度上的线对数目表示。
灰度分辨率(contrast resolution )：图像灰度级中可分辨的最小变化。
一般用灰度级或比特数表示。
3、在理想情况下获得一幅数字图像时，采样和量化间隔越小，图像的画面效果越好。
当一幅图像的数据量被限制在一个范围内时,如何考虑图像的采样和量化，使得图像的表现效果尽可能的好? (10 分)当限定数字图像的大小时, 为了得到质量较好的图像，一般可采用如下原则：①对缓变的图像，应该细量化，粗采样，以避免假轮廓②对细节丰富的图像，应细采样，粗量化，以避免模糊4、图像量化时，如果量化级别较少时会发生什么现象?为什么? (10分)如果量化级比较少，会出现伪轮廓现象。
原因：量化过程是将连续的颜色划分到有限个级别中，必然会导致颜色的信息缺失。
当量化级别数量级过小时，图像灰度分辨率就会降低，颜色层次就会欠丰富，不同的颜色之间过渡就会变得突然，所以可能会导致伪轮廓现象。
第二章数字图像处理基础
数字图像处理
第二章 数字图像处理基础
视觉感知要素 图像感知和获取 图像取样和量化 象素间的一些基本关系 线性和非线性操作
2.1 视觉感知要素
眼睛的构造: (人眼包含有三层膜)
眼角膜与巩膜外壳 脉络膜 (前面睫状体 虹膜 晶状体) 视网膜 (视网膜表面的分离光
接收器提供图案视觉, 分为锥状体、杆状体)
感觉的亮度区域不是简单的取决于强度，还与周围的背景有关
2.1 视觉感知要素
视觉错觉
光幻觉是人视觉系 统所特有的，迄今 还没有清楚的解释。 由于以上各种特殊 现象，在进行图像 处理时，应该采取 一些特殊的补偿措 施。
图和背景反转的图形
在错觉 中，眼 睛填上 了不存 在的信 息或错 误地感 知物体 的几何 特点。
2.1 视觉感知要素
辨别光强度变化的能力
典型实验
韦伯比
可辨别增I C量/的I 50%IC
图2.5 用于描述亮度辨别特性的基本实验
图2.6 作为强度函数的典型韦伯比
当背景光保持恒定时,改变其他光源亮度,从不能察觉到可以察觉间变化,一 般观察者可以辨别12到24级不同强度的变化.
低照明级别，亮度辨别(杆状体)较差;高照明级别，亮度辨别(锥状体)较好。
几何错觉图形
2.2 光和电磁波谱
电磁波谱可以用波长( )、频率( )或能量来描述
c 光速
E hv
h 普朗克常量
为波长, 为频率, E为电磁波能量
光速c 2.998 108 m/s 普朗克常数 h＝6.626068 ×10－34 m2 kg / s
2.2 光和电磁波谱
电磁波是能量的一种，任何有能量的物体，都会释放电磁波。
D8距离：D8(p,q)=max(|x-s|,|y-t|) (距离小于等于r的像素形成中心在（x,y）的方形)
第二章 数字图像处理基础
视觉感知要素 图像感知和获取 图像取样和量化 象素间的一些基本关系 线性和非线性操作
2.1 视觉感知要素
眼睛的构造: (人眼包含有三层膜)
眼角膜与巩膜外壳 脉络膜 (前面睫状体 虹膜 晶状体) 视网膜 (视网膜表面的分离光
接收器提供图案视觉, 分为锥状体、杆状体)
感觉的亮度区域不是简单的取决于强度，还与周围的背景有关
2.1 视觉感知要素
视觉错觉
光幻觉是人视觉系 统所特有的，迄今 还没有清楚的解释。 由于以上各种特殊 现象，在进行图像 处理时，应该采取 一些特殊的补偿措 施。
图和背景反转的图形
在错觉 中，眼 睛填上 了不存 在的信 息或错 误地感 知物体 的几何 特点。
2.1 视觉感知要素
辨别光强度变化的能力
典型实验
韦伯比
可辨别增I C量/的I 50%IC
图2.5 用于描述亮度辨别特性的基本实验
图2.6 作为强度函数的典型韦伯比
当背景光保持恒定时,改变其他光源亮度,从不能察觉到可以察觉间变化,一 般观察者可以辨别12到24级不同强度的变化.
低照明级别，亮度辨别(杆状体)较差;高照明级别，亮度辨别(锥状体)较好。
几何错觉图形
2.2 光和电磁波谱
电磁波谱可以用波长( )、频率( )或能量来描述
c 光速
E hv
h 普朗克常量
为波长, 为频率, E为电磁波能量
光速c 2.998 108 m/s 普朗克常数 h＝6.626068 ×10－34 m2 kg / s
2.2 光和电磁波谱
电磁波是能量的一种，任何有能量的物体，都会释放电磁波。
D8距离：D8(p,q)=max(|x-s|,|y-t|) (距离小于等于r的像素形成中心在（x,y）的方形)
- 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)。
2.1 视觉感知要素； 2.2 图像感知和获取； 2.3 图像取样和量化； 2.4 像素间的一些基本关系；
2020年8月13日2时51分
图像数字化：将模拟图像经过离散化之后，得到 用数字表示的图像。 图像的数字化包括采样和量化两个过程。
采样：是将在空间上连续的图像转换成离散的采
样点（即像素）集的操作。即：空间坐标的离散 化。
（优选）医学图像处理第二章数字 图像基础
教学基本要求：
2.1 视觉感知要素； 2.2 图像感知和获取； 2.3 图像取样和量化； 2.4 像素间的一些基本关系；
2020年8月13日2时51分
眼睛的形状近似于一个圆球， 平均直径大约20mm
有三层膜包围着眼睛
虹膜： 2mm~8mm，其作用 是控制入光量
视觉错觉－埃斯切尔的不可能的盒子
2020年8月13日2时51分
教学基本要求：
2.1 视觉感知要素； 2.2 图像感知和获取； 2.3 图像取样和量化； 2.4 像素间的一些基本关系；
2020年8月13日2时51分
2020年8月13日2时51分
传感器原理：
通过对特殊类型检测能源敏感的传感器材料将输入量转变
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉－栅格火花错觉
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
64*64
32*32
小结： 从上面的图中我们可以看出，在图像尺寸不变的情况下，
空间分辨率高的图像比空间分辨率低的图像包含的像素多， 像素点较小，因而图像更清晰。
如果图像出现棋盘格则说明采样数目不够。
2020年8月13日2时51分
2020年8月13日2时51分
256灰度级
16灰度级
8灰度级
4灰度级
线成像传感器：如平板扫描仪
线性移动每增加一个单位输出一个图像行；只需一维运动 就能得到二维图像。(P38)
2020年8月13日2时51分
阵列成像传感器：如CCD（Charge-coupled Device ，电荷耦合 元件）图像传感器。
不需要运动就能形成图像。
2020年8月13日2时51分
教学基本要求：
2020年8月13日2时51分
小结： 从上面的图中我们可以看出，在空间分辨率不变的情况下，
灰度级高的图像比灰度级低的图像质量更好。
如果图像出现伪轮廓则说明灰度级数不够。
2020年8月13日2时51分
2020年8月13日2时51分
采样和量化的结果是一个实际矩阵。一幅有M行和N列的 数字图像表示如下：
f (0,0)
f (x, y)
f (1,0)
f
(M
1,0)
f (0,1) f (1,1)
f (M 1,1)
f (0, N 1)
f (1, N 1)
f (M 1, N 1)
离散坐标用整数表示，原点的坐标值是（0,0）
2020年8月13日2时51分
眼睛的晶状体和普通光学透镜之间的主要差别在于前者的适应性强。 当晶状体的折射能力由最小变到最大时，晶状体的聚焦中心与视网
膜间的距离由17mm缩小到14mm，因此可以很容易计算出图像在视 网膜成像的大小。(P29)
2.55mm
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： “马赫带，Mach Band”（P32）
量化：把采样后所得的各像素的灰度值从模拟量
到离散量的转换称为图像灰度的量化。即：灰度 的离散化。
2020年8月13日2时51分
2020年8月13日2时51分
2020年8月13日2时51分
采样：Sampling，实际上采样方式由产生图像的传感器装 置决定：P40
量化：Quantization，由灰度级决定
2020年8月13日2时51分
2020年8月13日2时51分
数字图像的质量在很大程序上取决于采样和量化中所用的 采样数和灰度级。
空间分辨率是图像中可辨别的最小细节，采样值是决定一 幅图像空间分辨率的主要参数。
灰度分辨率指在灰度级别中可分辨的最小变化，由量化的 等级决定，灰度级通常是2的整数次冥。
视网膜：图像视觉，表面的
光接收器分为两类，即锥状 体和杆状体。锥状体数目600 万~ 700万 ，负责颜色和细节
识别，锥状视觉又称白昼视 觉 ； 杆 状 体 数 目 约 7500 万 ~15000万 ， 无 彩 色 感 觉 ， 称 夜视觉。
可 把 中 央 凹 看 作 一 个 1.5 mm×1.5mm的方形传感器阵 列。
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：Байду номын сангаас 瞬时对比现象(P32)
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉(P33)
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
为电压，传感器的响应是输出电压波形。
三种主要传感器装置
单元成像传感器：用单个传感器获取场景成像； 线成像传感器：用带状传感器获取场景成像； 阵列成像传感器：用传感器阵列获取场景成像
2020年8月13日2时51分
单元成像传感器：如光敏二级管
通过x-y方向二维运动来得到二维图像。(P37)
2020年8月13日2时51分
通常把大小为M ×N，灰度为L级的数字图像称为空间分 辨率为M ×N像素、灰度级分辨率为L级的数字图像。
2020年8月13日2时51分
64 32 128*128 256*256
512*512
1024*1024
2020年8月13日2时51分
1024*1024
512*512
256*256
128*128
2020年8月13日2时51分
图像数字化：将模拟图像经过离散化之后，得到 用数字表示的图像。 图像的数字化包括采样和量化两个过程。
采样：是将在空间上连续的图像转换成离散的采
样点（即像素）集的操作。即：空间坐标的离散 化。
（优选）医学图像处理第二章数字 图像基础
教学基本要求：
2.1 视觉感知要素； 2.2 图像感知和获取； 2.3 图像取样和量化； 2.4 像素间的一些基本关系；
2020年8月13日2时51分
眼睛的形状近似于一个圆球， 平均直径大约20mm
有三层膜包围着眼睛
虹膜： 2mm~8mm，其作用 是控制入光量
视觉错觉－埃斯切尔的不可能的盒子
2020年8月13日2时51分
教学基本要求：
2.1 视觉感知要素； 2.2 图像感知和获取； 2.3 图像取样和量化； 2.4 像素间的一些基本关系；
2020年8月13日2时51分
2020年8月13日2时51分
传感器原理：
通过对特殊类型检测能源敏感的传感器材料将输入量转变
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉－栅格火花错觉
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
64*64
32*32
小结： 从上面的图中我们可以看出，在图像尺寸不变的情况下，
空间分辨率高的图像比空间分辨率低的图像包含的像素多， 像素点较小，因而图像更清晰。
如果图像出现棋盘格则说明采样数目不够。
2020年8月13日2时51分
2020年8月13日2时51分
256灰度级
16灰度级
8灰度级
4灰度级
线成像传感器：如平板扫描仪
线性移动每增加一个单位输出一个图像行；只需一维运动 就能得到二维图像。(P38)
2020年8月13日2时51分
阵列成像传感器：如CCD（Charge-coupled Device ，电荷耦合 元件）图像传感器。
不需要运动就能形成图像。
2020年8月13日2时51分
教学基本要求：
2020年8月13日2时51分
小结： 从上面的图中我们可以看出，在空间分辨率不变的情况下，
灰度级高的图像比灰度级低的图像质量更好。
如果图像出现伪轮廓则说明灰度级数不够。
2020年8月13日2时51分
2020年8月13日2时51分
采样和量化的结果是一个实际矩阵。一幅有M行和N列的 数字图像表示如下：
f (0,0)
f (x, y)
f (1,0)
f
(M
1,0)
f (0,1) f (1,1)
f (M 1,1)
f (0, N 1)
f (1, N 1)
f (M 1, N 1)
离散坐标用整数表示，原点的坐标值是（0,0）
2020年8月13日2时51分
眼睛的晶状体和普通光学透镜之间的主要差别在于前者的适应性强。 当晶状体的折射能力由最小变到最大时，晶状体的聚焦中心与视网
膜间的距离由17mm缩小到14mm，因此可以很容易计算出图像在视 网膜成像的大小。(P29)
2.55mm
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： “马赫带，Mach Band”（P32）
量化：把采样后所得的各像素的灰度值从模拟量
到离散量的转换称为图像灰度的量化。即：灰度 的离散化。
2020年8月13日2时51分
2020年8月13日2时51分
2020年8月13日2时51分
采样：Sampling，实际上采样方式由产生图像的传感器装 置决定：P40
量化：Quantization，由灰度级决定
2020年8月13日2时51分
2020年8月13日2时51分
数字图像的质量在很大程序上取决于采样和量化中所用的 采样数和灰度级。
空间分辨率是图像中可辨别的最小细节，采样值是决定一 幅图像空间分辨率的主要参数。
灰度分辨率指在灰度级别中可分辨的最小变化，由量化的 等级决定，灰度级通常是2的整数次冥。
视网膜：图像视觉，表面的
光接收器分为两类，即锥状 体和杆状体。锥状体数目600 万~ 700万 ，负责颜色和细节
识别，锥状视觉又称白昼视 觉 ； 杆 状 体 数 目 约 7500 万 ~15000万 ， 无 彩 色 感 觉 ， 称 夜视觉。
可 把 中 央 凹 看 作 一 个 1.5 mm×1.5mm的方形传感器阵 列。
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：Байду номын сангаас 瞬时对比现象(P32)
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉(P33)
2020年8月13日2时51分
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
为电压，传感器的响应是输出电压波形。
三种主要传感器装置
单元成像传感器：用单个传感器获取场景成像； 线成像传感器：用带状传感器获取场景成像； 阵列成像传感器：用传感器阵列获取场景成像
2020年8月13日2时51分
单元成像传感器：如光敏二级管
通过x-y方向二维运动来得到二维图像。(P37)
2020年8月13日2时51分
通常把大小为M ×N，灰度为L级的数字图像称为空间分 辨率为M ×N像素、灰度级分辨率为L级的数字图像。
2020年8月13日2时51分
64 32 128*128 256*256
512*512
1024*1024
2020年8月13日2时51分
1024*1024
512*512
256*256
128*128