数字图像处理入门
8个灰度等级
32个灰度等级
三、用Matlab进行图像处理
命令窗口
工作空间
历史窗口
• Matlab
– 图像的读取与显示
• Workspace
图像文件的名称，包括扩展名 图像尺寸，分辨率
10
• 获取具体某个像素的值
11
四、图像分类
• 真彩色图像 灰度图像
二值图像
I=imread('Plane211.jpg'); %
• 关于matlab
– 如何构建一个矩阵？如何取得矩阵中具体一个 元素的值，如何修改一个（块）元素的值？
– 写一个循环程序，遍历整个矩阵，把每个像素 的值做一个变换，如y = 3x+1
– 矩阵的基本运算：加，减，乘，点乘 – 求一个图像的负片，用两种方法（一种是循环
遍历，一种是矩阵运算）实现。
图像的直方图
22
不同图像的直方图反映图像的不同特点：
对比度低 对比度高
23
CT图像中缺陷的快速定位方法
模拟CT断 层图像
实际CT图像
实验结果
实验结果
作业1
• 搞清楚的几个问题：
– 什么是像素？什么是像素的灰度值？ – 灰度图像、二值图像、真彩色图像的特点 – 以上三种数字图像数据在计算机中的存储格式？ – 已知灰度图像文件‘a.bmp’，如何读取和显示图像，
六、图像的基本运算
•减
– C(x,y) = A(x,y) - B(x,y)
• 应用举例
– 显示两幅图像的差异，检测同一场景两幅图像 之间的变化
六、图像的基本运算
• 点乘
– C(x,y) = A(x,y) .* B(x,y)
六、图像的基本运算
•与
– g(x,y) = f(x,y) ∧ h(x,y)
2.量化
函数取值离散化，把最大值到最小值之间的 取值量化成256个灰度等级，f=0~255
3.编码
二进制编码 f = 00000000~11111111
函数f(x,y)
矩阵A[m,n]
一、数字图像的概念
• 像素：我们把一幅图像分成若干小格，一个小 格就是一个像素，像素是描述图像的最小单位。
• 分辨率：指映射到图像平面上的单个像素的景 物元素的尺寸。单位：像素/英寸，或者指图 像的像素个数，单位：像素*像素，如 1024*768
I2=rgb2gray(I);
%真彩色图像转换为灰度图像
I3 = im2bw(I2，0.7); %灰度图像转换为二值图像
imshow(I);
%显示图像
figure,imshow(I2);
figure,imshow(I3);
注意：真彩色图像的图像数据
五、像素间的基本关系 ——邻域、连通
• 4邻域：
– 像素p(x,y)的4邻域是 (x+1,y),(x-1,y),(x,y+1),(x,y-1)
数字图像处理入门
王磊
一、数字图像的概念
图像（Image）： 视觉景物的某种形式的表示和记录
我们把数字格式存储的图像称为“数字图像”
“数字”
“模拟”
计算机存储的图片 传统光学照片
数码相机拍摄的图像 传统的电视图像
传感器阵列
模拟图像
三步
数字图像
1.采样 空间离坐标(x,y)的离散化， 确定水平和垂直 方向上的像素个数N、M，f(x,y)→f(m,n)
• 8邻域：
五、像素间的基本关系 ——邻域、连通域
• 像素间的连通性：
4连通
8连通
连通域
六、图像的基本运算
• 算术运算：加、减、乘 • 逻辑运算：非、与、或、异或
六、图像的基本运算
• 加：
– C(x,y) = A(x,y) + B(x,y)
• 应用举例
– 去除叠加性噪声
去除叠加性噪声——星系图举例
二、图像表示——矩阵
• 像素：像素是描述图像的最小单位。 • 一幅被划分成的数字灰度图像，可以用一个M
行N列的矩阵描述： • 像素的值：灰度值（亮度值）
图像中的像素与二维矩阵中的元素一一对应
矩阵中的元素——灰度
用一个整数来表示，显示 了一个256个级别的灰度 级
0~255——最黑~最白
为什么灰度值取值范围是0~255（256个灰度等级）
– 应用举例：提取感兴趣的子图像
七、直方图
• 对一幅数字图像，若对应于每－灰度值，统计出具有该灰度值 的象素数，并据此绘出象素数-灰度值图形，则该图形称该图像 的灰度直方图。
• 直方图是以灰度值作横坐标，象素数作纵坐标。有时直方图亦 采用某一灰度值的象素数占全图总象素数的百分比（即某一灰 度值出现的频数）作为纵坐标。
如何获得图像中第m行n列像素的灰度值？如果是彩色 图像呢？ – 如何吧真彩色图像转换成灰度图像，然后转换成二值 图像？ – 如何得到该图像中灰度值最大（最小）的像素的位置 和取值？如何计算图像的均值？ – 什么是灰度图像的直方图？如何计算灰度图像直方图， 如何显示/直方图反映图像的什么性质？
作业2
数字图像处理课件ppt
06 数字图像处理的应用案例
人脸识别系统
总结词
人脸识别系统是数字图像处理技术的重要应 用之一，它利用计算机视觉和图像处理技术 识别人的面部特征，实现身份认证和安全监 控等功能。
详细描述
人脸识别系统通过采集输入的人脸图像，提 取出面部的各种特征，如眼睛、鼻子、嘴巴 等部位的形状、大小、位置等信息，并与预 先存储的人脸特征进行比对，从而判断出人 的身份。该系统广泛应用于门禁系统、安全
分类器设计
总结词
分类器设计是图像识别技术的核心，它通过训练分类器，使其能够根据提取的特征对图 像进行分类和识别。
详细描述
分类器设计通常采用机器学习算法，如支持向量机、神经网络和决策树等。这些算法通 过训练数据集进行学习，并生成分类器模型，用于对新的未知图像进行分类和识别。
模式识别
总结词
模式识别是图像识别技术的最终目标，它通 过分类器对提取的特征进行分类和识别，实 现对图像的智能理解和处理。
源调查和环境监测。
计算机视觉
为机器人和自动化系统提供视 觉感知能力，用于工业自动化
、自主导航等。
数字图像处理的基本流程
特征提取
从图像中提取感兴趣的区域、 边缘、纹理等特征，为后续分 类或识别提供依据。
图像表示与压缩
将图像转换为易于处理和分析 的表示形式，同时进行数据压 缩，减少存储和传输成本。
预处理
详细描述
模式识别在许多领域都有广泛应用，如人脸 识别、物体识别、车牌识别等。通过模式识 别技术，可以实现自动化监控、智能安防、 智能驾驶等应用。随着深度学习技术的发展 ，模式识别的准确率和鲁棒性得到了显著提 高。
05 数字图像处理中的常用算 法
傅里叶变换算法
傅里叶变换
数字图像及处理的基础知识
数字图像1 数字图像，又称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。
2 图像种类：二值图像(Binary Image): 图像中每个像素的亮度值(Intensity)仅可以取自0到1的图像。
灰度图像(Gray Scale Image)，也称为灰阶图像: 图像中每个像素可以由0(黑)到255(白)的亮度值表示。
0-255之间表示不同的灰度级。
彩色图像(Color Image)：每幅彩色图像是由三幅不同颜色的灰度图像组合而成，一个为红色，一个为绿色，另一个为蓝色。
伪彩色图像（false-color）multi-spectral thematic 立体图像(Stereo Image)：立体图像是一物体由不同角度拍摄的一对图像，通常情况下我们可以用立体像计算出图像的深度信息。
三维图像(3D Image):三维图像是由一组堆栈的二位图像组成。
每一幅图像表示该物体的一个横截面。
数字图像也用于表示在一个三维空间分布点的数据，例如计算机断层扫描（:en:tomographic，CT）设备生成的图像，在这种情况下，每个数据都称作一个体素。
3 图像显示目前比较流行的图像格式包括光栅图像格式BMP、GIF、JPEG、PNG等，以及矢量图像格式WMF、SVG等。
大多数浏览器都支持GIF、JPG以及PNG图像的直接显示。
SVG格式作为W3C的标准格式在网络上的应用越来越广。
4 图像校准：数字图像与看到的现象之间关系的知识，也就是几何和光度学或者传感器校准。
图像的基本属性亮度：也称为灰度，它是颜色的明暗变化，常用0 ％～100 ％( 由黑到白) 表示。
对比度：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。
直方图：表示图像中具有每种灰度级的象素的个数，反映图像中每种灰度出现的频率。
图像在计算机中的存储形式，就像是有很多点组成一个矩阵，这些点按照行列整齐排列，每个点上的值就是图像的灰度值，直方图就是每种灰度在这个点矩阵中出现的次数。
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。
数字图像处理知识点
数字图像处理知识点课程重点：图像数字化，图像变换，图像增强，图像的恢复与重建，图像的编码，图像的分割与特征提取，图像识别。
数字图像处理的基本内容：1、图像获取。
举例：摄像机+图像采集卡、数码相机等。
2、图像增强。
显示图像中被模糊的细节，或是突出图像中感兴趣的特征。
3、图像复原。
以图像退化的数学模型为基础，来改善图像质量。
4、图像压缩。
减小图像的存储量，或者在图像传输时降低带宽。
5、图像分割。
将一幅图像划分为几个组成部分或分割出目标物体。
6、图像的表达与描述。
图像分割后，输出分割标记或目标特征参数。
7、目标识别。
把目标进行分类的过程。
8、彩色图像处理。
9、形态学处理。
10、图像的重建。
第一章导论图像按照描述模型可以分为:模拟图像和数字图像。
1)模拟图像，模拟图像可用连续函数来描述。
其特点：光照位置和光照强度均为连续变化的。
2)数字图像，数字图像是图像的数字表示，像素是其最小的单位,用矩阵或数组来描述图像处理：对图像进行一系列的操作,以达到预期的目的的技术。
内容：研究图像信息的获取、传输、存储，变换、显示、理解与综合利用”的一门崭新学科。
三个层次：狭义图像处理，图像分析，图像理解。
狭义图像处理主要指对图像进行各种操作以改善图像的视觉效果，或对图像进行压缩编码以减少所需存储空间或传输时间、传输通路的要求。
图像分析主要是对图像中感兴趣的目标进行检测和测量，从而建立对图像的描述。
图像分析是一个从图像到数值或符号的过程。
图像理解则是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解译，从而指导和规划行动;图像分析主要是以观察者为中心研究客观世界，图像理解在一定程度上是以客观世界为中心，借助知识、经验等来把握整个客观世界。
图像处理的三个层次：低级图像处理内容：主要对图像进行各种加工以改善图像的视觉效果、或突出有用信息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输时间或传输带宽的要求。
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》课程教学大纲
数字图像处理课程教学大纲课程简介数字图像处理是计算机科学与技术领域的一门重要课程，它研究如何使用计算机和算法来处理和分析数字图像。
本课程旨在介绍数字图像处理的基本原理、方法和应用，并培养学生的图像处理能力和技巧。
课程目标本课程的主要目标是让学生掌握数字图像处理的基本理论和方法，具备图像处理算法设计、图像增强、图像分割、图像压缩等技术的基本能力。
同时，通过实践项目的实施，培养学生的问题解决能力和团队合作能力。
课程安排第一周：课程介绍与基本概念•课程介绍•数字图像的基本概念与特点•数字图像处理的基本步骤第二周：图像预处理•图像采集与获取•图像灰度变换•图像噪声模型与去噪方法第三周：图像增强•直方图均衡化•空域滤波与频域滤波•边缘增强与锐化第四周：图像压缩•图像压缩的基本概念与方法•离散余弦变换（DCT）与JPEG压缩算法•小波变换与JPEG2000压缩算法第五周：图像分割与边缘检测•阈值分割•基于边缘的图像分割•基于区域的图像分割第六周：实践项目1 - 图像识别•项目需求分析与设计•图像特征提取与选择•分类器的训练与测试第七周：实践项目2 - 图像恢复•项目需求分析与设计•图像模型与图像去模糊•图像去噪与图像修复第八周：实践项目3 - 图像处理工具开发•项目需求分析与设计•图像处理算法的实现•图形界面设计与用户交互评估方式•平时成绩：30%•作业与实验报告：30%•期末考试：40%参考教材•Rafael C. Gonzalez, Richard E. Woods. 数字图像处理（第三版）. 清华大学出版社，2018.•Richard Szeliski. 计算机视觉：算法与应用. 电子工业出版社，2014.参考资源•MATLAB图像处理工具箱文档•OpenCV计算机视觉库官方文档以上是《数字图像处理》课程的教学大纲，希望通过本门课程的学习，能够让学生对数字图像处理有一个全面的了解，并具备实践应用的能力。
数字图像处理基础2
数字图像处理基础2第二章数字图像处理基础2.1 图像数字化技术2.2 数字图像类型2.3 常用图像文件格式2.4 像素间的基本关系2.5 图像的几何变换2.1 图像数字化技术2.2 数字图像类型2.3 常用图像文件格式2.4 像素间的基本关系2.5 图像的几何变换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)</f(x,y)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) < A 1, 0 ≤r(x,y) ≤1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)这种只有灰度属性没有彩色属性的图像称为灰度图像。
显然：L min ≤l ≤L mxa区间[L min ，L max ]称为灰度的取值范围。
在实际中，一般取L min 的值为0，L max =L-1。
这样,灰度的取值范围就可表示成[0，L-1]。
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。
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。
连续图像空间离散数字图像幅度离散采样量化采样：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。
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。
数字图像处理
数字图像处理概述数字图像处理是一项广泛应用于图像处理和计算机视觉领域的技术。
它涉及对数字图像进行获取、处理、分析和解释的过程。
数字图像处理可以帮助我们从图像中提取有用的信息，并对图像进行增强、复原、压缩和编码等操作。
本文将介绍数字图像处理的基本概念、常见的处理方法和应用领域。
数字图像处理的基本概念图像的表示图像是由像素组成的二维数组，每个像素表示图像上的一个点。
在数字图像处理中，我们通常使用灰度图像和彩色图像。
•灰度图像：每个像素仅包含一个灰度值，表示图像的亮度。
灰度图像通常表示黑白图像。
•彩色图像：每个像素包含多个颜色通道的值，通常是红、绿、蓝三个通道。
彩色图像可以表示图像中的颜色信息。
图像处理的基本步骤数字图像处理的基本步骤包括图像获取、前处理、主要处理和后处理。
1.图像获取：通过摄像机、扫描仪等设备获取图像，并将图像转换为数字形式。
2.前处理：对图像进行预处理，包括去噪、增强、平滑等操作，以提高图像质量。
3.主要处理：应用各种算法和方法对图像进行分析、处理和解释。
常见的处理包括滤波、边缘检测、图像变换等。
4.后处理：对处理后的图像进行后处理，包括去隐私、压缩、编码等操作。
常见的图像处理方法滤波滤波是数字图像处理中常用的方法之一，用于去除图像中的噪声或平滑图像。
常见的滤波方法包括均值滤波、中值滤波、高斯滤波等。
•均值滤波：用一个模板覆盖当前像素周围的像素，计算平均灰度值或颜色值作为当前像素的值。
•中值滤波：将模板中的像素按照灰度值或颜色值大小进行排序，取中值作为当前像素的值。
•高斯滤波：通过对当前像素周围像素的加权平均值来平滑图像，权重由高斯函数确定。
边缘检测边缘检测是用于寻找图像中物体边缘的方法。
常用的边缘检测算法包括Sobel 算子、Prewitt算子、Canny算子等。
•Sobel算子：通过对图像进行卷积运算，提取图像中的边缘信息。
•Prewitt算子：类似于Sobel算子，也是通过卷积运算提取边缘信息，但采用了不同的卷积核。
数字图像处理入门ppt课件
– 如何构建一个矩阵？如何取得矩阵中具体一个 元素的值，如何修改一个（块）元素的值？
– 写一个循环程序，遍历整个矩阵，把每个像素 的值做一个变换，如y = 3x+1
– 矩阵的基本运算：加，减，乘，点乘 – 求一个图像的负片，用两种方法（一种是循环
遍历，一种是矩阵运算）实现。
六、图像的基本运算
•减
– C(x,y) = A(x,y) - B(x,y)
• 应用举例
– 显示两幅图像的差异，检测同一场景两幅图像 之间的变化
六、图像的基本运算
• 点乘
– C(x,y) = A(x,y) .* B(x,y)
六、图像的基本运算
•与
– g(x,y) = f(x,y) ∧ h(x,y)
一、数字图像的概念
图像（Image）： 视觉景物的某种形式的表示和记录
我们把数字格式存储的图像称为“数字图像”
“数字”
“模拟”
计算机存储的图片 传统光学照片
数码相机拍摄的图像 传统的电视图像
传感器阵列
模拟图像
三步
数字图像
1.采样 空间离坐标(x,y)的离散化， 确定水平和垂直 方向上的像素个数N、M，f(x,y)→f(m,n)
如何获得图像中第m行n列像素的灰度值？如果是彩色 图像呢？ – 如何吧真彩色图像转换成灰度图像，然后转换成二值 图像？ – 如何得到该图像中灰度值最大（最小）的像素的位置 和取值？如何计算图像的均值？ – 什么是灰度图像的直方图？如何计算灰度图像直方图， 如何显示/直方图反映图像的什么性质？
作业2
图像的直方图
21
不同图像的直方图反映图像的不同特点：
对比度低 对比度高
22
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；量化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关系它可以⽤于：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。