数字图象处理1
数字图像处理第1章 绪论
1.4 人类的视觉
视觉研究可分为视觉生理,视觉特性,视觉模型3个方面.
人眼构造和视觉现象Βιβλιοθήκη 1.4.1 人眼构造和视觉现象
上图为人眼的横截面的简单示意图.前部为一圆球,其平均直径 约为20mm左右,由3层薄膜包着,即角膜和巩膜外壳,脉络膜和 视网膜. 角膜是一种硬而透明的组织,盖着眼睛的前表面; 角膜 巩膜与角膜连在一起,是一层包围着眼球剩余部分的不透明膜. 巩膜 脉络膜位于巩膜的里边,这层膜包含有血管网,它是 眼睛的重要 脉络膜 滋养源,脉络膜外壳着色很重,因此有助于减少进入眼内的外来 光和眼球内的回射.
图像信号的数字化
图像信号的数字化
设采样之后的离散图像 fs(x,y) 的灰度值即为 f(x,y) 的幅度,且灰 度值取在 [r0,rk] 范围内,并设该幅图像的所有像素的取值均匀 分布在各量化层,即其概率 p(r)=p .在这种条件下采用均匀量 化效果最佳,即总量化误差最小. 把整个取值范围[r0,rk]分为 k 个子区间[ri,ri-1], i=0,1,2,…, k-1.计算机图像处理中 k常取2^n,如64,128,256,….每 个子区间赋予唯一确定的 qi 值,每个qi值在计算机内用1个码字 表示.每个f(x,y) 离散值相应赋予1个qi值,其中 i=0,1,2,…,k-1. 对应关系是,当 r=f(x,y)∈[ri,ri-1]时,f(x,y)=qi
一幅 m×n 的数字图像可用矩阵表示为
f (0,1) f (0,0) f (1,0) f (1,1) F = ... ... f (m1,0) f (m1,1)
f (0, n 1) ... f (1, n 1) ... ... ... f (m1, n 1) ...
数字图像中的每个像素都对应于矩阵中相应的元素. 把数字图像表示成矩阵的优点在于,能应用矩阵理论对图 像进行分析处理.
数字图像处理第四版拉斐尔课后答案
数字图像处理第四版拉斐尔课后答案数字图像处理（美）Rafael C. Gonzalez（拉斐尔·C. 冈萨雷斯），Richard E. Woods（理查德·E. 伍兹）课后习题答案1. 新增了关于精确直⽅图匹配、⼩波、图像变换、有限差分、k均值聚类、超像素、图割、斜率编码的内容。
2. 扩展了关于⾻架、中轴和距离变换的说明，增加了紧致度、圆度和偏⼼率等描述⼦。
3. 新增了哈⾥斯-斯蒂芬斯⾓点探测器及*稳定极值区域的内容。
扫⼀扫⽂末在⾥⾯回复答案+数字图像处理⽴即得到答案4. 重写了关于神经⽹络和深度学习的内容，全⾯介绍了全连接深度神经⽹络，新增了关于深度卷积神经⽹络的内容。
5. 为学⽣和教师提供⽀持包，⽀持包可从本书的配套⽹站下载。
6. 新增了⼏百幅图像、⼏⼗个新图表和上百道新习题。
在数字图像处理领域，本书作为主要教材已有40多年。
第四版是作者在前三版的基础上修订⽽成的，是前三版的发展与延续。
除保留前⼏版的⼤部分内容外，根据读者的反馈，作者对本书进⾏了全⾯修订，融⼊了近年来数字图像处理领域的重要进展，增加了⼏百幅新图像、⼏⼗个新图表和上百道新习题。
全书共12章，即绪论、数字图像基础、灰度变换与空间滤波、频率域滤波、图像复原与重构、⼩波变换和其他图像变换、彩⾊图像处理、图像压缩和⽔印、形态学图像处理、图像分割、特征提取、图像模式分类。
本书的读者对象主要是从事信号与信息处理、通信⼯程、电⼦科学与技术、信息⼯程、⾃动化、计数字图像处理课后答案（美）Rafael C.Gonzalez（拉斐尔·C. 冈萨雷斯），Richard E. Woods（理查德·E. 伍兹）算机科学与技术、地球物理、⽣物⼯程、⽣物医学⼯程、物理、化学、医学、遥感等领域的⼤学教师和科技⼯作者、研究⽣、⼤学本科⾼年级学⽣及⼯程技术⼈员。
Rafael C. Gonzalez: 1965于美国迈阿密⼤学获电⽓⼯程学⼠学位；1967年和1970年于美国佛罗⾥达⼤学盖恩斯维尔分校分别获电⽓⼯程硕⼠学位和博⼠学位。
数字图像处理发展1
数字图像处理发展1、数字图像处理起源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。
2、数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得实际成功应用的是美国喷气推进实验室（JPL）。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。
在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。
数字图像处理取得的另一个巨大成就是在医学上获得的成果。
1972年英国EMI 公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。
CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。
1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。
1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。
与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。
1数字图像处理 第二版 课后答案 (夏良正 著) 东南大学出版社
(0⋅(
N
−1))
⎤ ⎥
⎥
− e
j
2π N
(1⋅(
N
−1))
⎥ ⎥
M
⎥ ⎥
− e
j
2π N
(( N
−1)⋅( N
−1))
⎥ ⎥⎥⎦
⎡1
1
L
1
⎤
⎢
⎢
( NP)−1
=
⎢1 ⎢M
⎢
− e
j
2π N
M
L
− e
j
2π N
(N −1)
⎥ ⎥ ⎥
M
M
⎥
⎥
⎢ ⎢⎣1
− e
j
2π N
(
N
−1)
L
− e
j
2π N
(N
−1)2
x, y
= ∫∫ f (r cosθ , r sinθ ) exp[− j2π (ur cosθ + vr sinθ )]rdθdr
r ,θ
= ∫∫ E exp[− j2πr(u cosθ + v sinθ )]rdθdr
r ,θ
= ∫∫ E exp[− j2πrρ(cosθ cosϕ + sinθ sinϕ)]rdrdθ
⎡2 −1− i 0 −1+ i⎤
F = 1 ⎢⎢0
0
0
0
⎥ ⎥
2 ⎢0 0 0 0 ⎥
⎢⎣0
0
0
0
⎥ ⎦
⎡1 0 0 −1⎤
W = ⎢⎢0 0 0
0
⎥ ⎥
⎢0 0 0 0 ⎥
⎢⎣0 0 0
0
⎥ ⎦
⎡1 0 0 −1⎤
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。
数字图像处理发展1
数字图像处理发展1、数字图像处理起源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。
2、数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得实际成功应用的是美国喷气推进实验室（JPL）。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。
在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。
数字图像处理取得的另一个巨大成就是在医学上获得的成果。
1972年英国EMI 公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。
CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。
1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。
1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。
与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。
中科大数字图像处理作业1
数字图像处理（中国科学技术大学）HOMEWORK#1编号：59SA16173027李南云[在此处键入文档的摘要。
摘要通常是对文档内容的简短总结。
在此处键入文档的摘要。
摘要通常是对文档内容的简短总结。
]SA16173027 李南云P1：a: The size of lena.tiff is 512x512 ;The size of mandril.tiff is 256x256.b: The values of pixels lena(29, 86) is 105;The values of pixels mandril(198, 201) is 158. c:d:P1代码如下：clear all;f = imread('C:\Users\Administrator\Desktop\images\lena.tiff'); figure(1);imshow(f);i = imread('C:\Users\Administrator\Desktop\images\mandril.tiff'); figure(2);imshow(i);s1 = size(f);s2 = size(i);v1 = f(30,87);v2 = i(199,202);p1 = f(103,:);p2 = i(:,69);figure(3);subplot(211);plot(p1);figure(3);subplot(212);plot(p2);n = 128;for j=1:nb(x,j)=i(x,j);f(x,j)=b(x,j);endendfigure(4);imshow(f);P2代码如下：clear all;a = imread('C:\Users\Administrator\Desktop\images\campusdrive.tif'); figure(1);subplot(231);imshow(a);a1 = double(a);b = floor(a1/8);b = b*8;b = uint8(b);subplot(232);imshow(b);c = floor(a1/16);c = c*16;c = uint8(c);subplot(233);imshow(c);d = floor(a1/32);d = d*32;d = uint8(d);subplot(234);e = floor(a1/64);e = e*64;e = uint8(e);subplot(235);imshow(e);f = floor(a1/168);f = f*168;f = uint8(f);subplot(236);imshow(f);4bit时已经出现伪轮廓，5bit基本可以保存图像质量。
数字图像处理技术(1)
● 8位图像 ● 16位图像 ● 24位图像
14
⑴图像分辨率
● 分辨率的单位
dpi (display pixels / inch)
每英寸显示的线数 ● dpi的数值越大，图像越清晰
清晰度
绝对清晰度
视觉效果
dpi
300 dpi
96 dpi
21 dpi 15
像点组成图像示意
16
例3-1 计算图像的像素数
• 光波是一种具有一定频率范围的电磁波
– 颜色的实质是一种光波 – 物体表面的光滑程度或物质成分不同，对于光反射、
折射、散射和吸收的情况也有所不同，因而所呈现的 颜色就有不同 – 纯颜色通常使用光的波长来定义，用波长定义的颜色 叫做光谱色 – 用不同波长的光进行组合可以产生相同的颜色感觉
34
35
36
5
• 每个网格上只能用一个确定的亮度值表示。每一个采样的小方块内的灰度值 相同。把采样点上对应的亮度连续变化区间转换为有限个特定数的过程，称 之为量化，即样点亮度的离散化。
6
7
图像数字化实例
原图
量化
00000000000012244222...0000000000
..........
.......
11
– 对于那些在扫描时采用低分辨率得到的图像，不能通过提高分辨率的方 法来提高图像的质量，因为这种方法仅仅是将一个像素的信息扩展成了 几个像素的信息，并没有从根本上增加像素的数量。
12
什么是图像 图像与图形的区别
● 图像是自然界中多姿多彩的景物和生物 通过视觉感官在大脑中留下的印记。
● 数字图像：直接量化的原始信号 ●图形：运算形成的抽象化产物
40
- 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)。
图像的像素：像素的连通性
图像的像素：像素的连通性
自动标注连通元素的算法 在二值图像中标注值为1的4-连通元素 （1） 申请一片标注空间。
图像的像素：像素的连通性
（2）对图像中的任意象素p， 其上面的像素 为t，左边的像素为r， 从左向右扫描图像,有4 种情况：
1） 如r和t的值为0 ，给p一个新标记； 2） 如r或t有一个为1 ，将为1的标记给p； 3） 如r和t都是1，并且有相同标记，赋该标记 到p； 4） 如r和t都是1， 并且有不同的标记，赋这两个 标记中的一个给p， 并且建立一个说明，指出 那两个标记是等价的。
RGB CMYK HIS 伪彩色 CIE 邻域 连通性 距离
1.1.4 图像的像素
图像的颜色:RGB模型
杨_赫姆霍尔兹视觉三基色假说: C=R+G+B 视网膜锥体细胞感红、感绿、感蓝色素 RGB分别取值0-1或0-255
图像的颜色:CMYK模型
密度的概念:单位面积里入射光与反射光之 比的对数 D = lg ( I / Ir) C、 M 、Y三个密度值表示一个颜色
1.1.4 图像的像素:邻域
4-邻域定义象素p(x,y)的4-邻域是： (x+1,y)；(x-1,y)；(x,y+1)；(x,y-1) 用N4(p)表示p的4-邻域 8-邻域定义象素p(x,y)的8-邻域是： 4-邻域的点加上对角上的点(x+1,y+1)； (x+1,y-1)；(x-1,y+1)； (x-1,y-1) 用N8(p)表示p的8-邻域
图像的像素：像素的连通性
（3） 在扫描结束时，所有具有1值的点都被 打上标记，但这些标记中的一些也许是等价的。 现在我们需要做的是整理所有的等价对成为等 价类，然后给每一个类一个标记，第二次扫描 图象，用所赋予的等价类的标记替换不同的标 记。
图像的像素：像素的连通性
算法判断的4种情况：
图像的像素：像素的连通性
图像的像素：距离
像素之间距离函数的定义：
（a)D(p,q) ＞0： 两点之间距离大于等于0 (b) D(p,q) = D(q,p)：距离与方向无关 (c) D(p,z) ≤ D(p,q) + D(q,z)：两点之 间直线距离最短
图像的像素：De距离
欧几里德距离 p和q之间的欧基里德距离定义为：
De(p,q) = [(x-s)2 + (y -t)2 ]1/2
对于这个距离计算法，具有与(x,y)距离 小于等于某个值r的那些象素是包含在以 (x,y)为圆心，以r为半径的圆环中的那些 点。
图像的像素：D4距离
D4距离（城市距离） p和q之间的D4距离定义为： D4(p,q) = |x- s| + |y-t|
图像的颜色：CMYK模型
网点的概念及成色原理: 网格上的最小墨点 色料三基色只能叠加合成出8种色块 网点面积变化和视觉分辨率 实现颜色阶调 网点密度值：取值0-100
图像的颜色：HSI模型
HSI模型__量化颜色三属性 H色相：取值0-360 S饱和度：取值0-1或0-100 I亮度：取值0-1或0-100
数字图象处理
主讲：陈灵娜 linda_cjx@
教学参考书与考核
教学参考书
R.C. Gonzalez Digital Image processing K.R. Castleman Digital Image Processing 数字图象处理入门.北京：电子工业出版社，2001.1 数字图象处理入门 作业： 15% 出勤率：10~15% 上机： 15~20% 期末考试：60~50%
图像的像素：像素的连通性
图像的像素：像素的连通性
像素临近的定义： 如果象素p和q是连通的，则称p临近于q。 我们可以用定义邻域的方法，定义4-临近、 8-临近和m-临近。 图像子图临近的定义： 如果两个图象子集S1和S2中的某些象素是 临近的，则称S1和S2是临近的。
图像的像素：像素的连通性
1.1.4 图像的像素
1.1.2图像的质量：层次
灰度级:表示象素明暗程度的整
数量，称为灰度级。
层次:表示灰度级的数量
图像数据的实际层次越多视觉效果就越好
1.1.2图像的质量：层次
1.1.2图像的质量：对比度
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
1.1.2图像的质量：清晰度
图像的像素：像素的连通性
路径的定义 一条从具有坐标(x,y)的象素p,到具有坐标 (s,t)的象素q的路径，是具有坐标(x0,y0), (x1,y1),...,(xn,yn)的不同象素的序列 其中(x0,y0) = (x,y)，(xn,yn)= (s,t)， (xi,yi) 临近于 (x i-1，y i-1 )，1≤i≤n ，n 是路径的长度。 我们可以用定义临近的方法，定义4-路径、 8-路径和m-路径。
图像的颜色：伪彩色模型
图像的颜色：CIE模型
标准色度观察者三刺激值函数 色度坐标
图像的颜色：CIE模型
标准色度观察者三刺激值函数 标准色度观察者与三刺激值
三个基色光 R:700nm G:546.1nm 三组刺激值函数
B:5.8nm
图像的颜色：CIE模型
色度坐标__三维变两维 r = R / (R+G+B) g = G / (R+G+B) b = B / (R+G+B) r + g +b = 1 b=1-r–g
图像的像素：D8距离
具有D8 = 1 的象素是(x,y) 的8-邻域。 距离小于r的像 素围城一个矩形。
一般以结构或类来描述 主要包括宽、高等 数组 顺序存放的连续数据
图像数据
BMP格式
1.1.1 图像的表示:计算机表示
BMP图像的描述信息
第一节 基本概念
1.1.1 图像的表示
数学表示
计算机表示
1.1.2 图像的质量
层次
对比度
清晰度
1.1.3 图像的颜色
RGB CMYK HIS 伪彩色 CIE 邻域 连通性 距离
二维离散亮度函数__f(x,y) (1) x,y说明图像像素的坐标 (2) 函数值f 代表了在点(x,y)处像素的亮度值 二维矩阵__A[m,n] (1) m,n说明图像的宽和高 (2) 矩阵元素a(i,j)的值表示图像在第i行, 第j 列的像素的灰度值
1.1.1 图像的表示:计算机表示
图像描述信息
图像的像素：像素的连通性
8-连通的定义： 对于具有值V的象素p和q， 如果q在集合 N8(p)中，则称这两个象素是8-连通的。
图像的像素：像素的连通性
m-连通的定义： 对于具有值V的象素p和q，如果: (i) q在集合N4(p)中，或 (ii) q在集合ND(p)中并且N4(p)与N4(q)的交 集不空。 则称这两个象素是m-连通的，即4-连通和D-连 通的混合连通。
图像的像素：D4距离
具有与(x,y)距离小于 等于某个值r 的那些象素 形成一个菱形。例如，与 点(x,y) 中心点D4距离小 于等于2的象素，形成下列 常数距离的轮廓。 具有D4 = 1的象素是(x,y) 的4-邻域。
图像的像素：D8距离
D8距离（棋盘距离） p和q之间的D8距离定义为： D8(p,q) = max(|x-s|,|y-t|)；
8-连通算法判断的4种情况：
图像的像素：距离
像素之间距离函数的定义 欧几里德距离 D4距离（城市距离） D8距离（棋盘距离）
图像的像素：距离
像素之间距离函数的定义： 对于象素p、q和z，分别具有坐标(x y)、 (s，t)、(u，v)，D是距离函数或称度量， 当：
(a) D(p,q) ＞0 (D(p,q) = 0 仅当p = q), (b) D(p,q) = D(q,p) (c) D(p,z) ≤ D(p,q) + D(q,z)
图像的颜色：CIE模型
第一节 基本概念
1.1.1 图像的表示
数学表示
计算机表示
1.1.2 图像的质量
层次
对比度
清晰度
1.1.3 图像的颜色
RGB CMYK HIS 伪彩色 CIE 邻域 连通性 距离
1.1.4 图像的像素
1.1.4 图像的像素:邻域
邻域 4-邻域 D-邻域 8-邻域 连通性 4-连通 8-连通 m-连通 距离
图像的颜色：伪彩色模型
定义：通过颜色映射表描述色彩
实际上是RGB颜色模型的变体 建立颜色映射表，一般表的长度16-256 像素值用其RGB值在映射表中的位置代替 通过抖动技术缓解颜色种类不足的问题 如何找出16-256种关键颜色是成败的关键
用伪彩色描述颜色的方法：
图像的颜色：伪彩色模型
1.1.4 图像的像素:邻域
图像的像素：像素的连通性
连通性是描述区域和边界的重要概念 两个像素连通的两个必要条件是：
两个像素的位置在某种情况下是否相邻 两个像素的值是否满足某种相似性
4-连通8-连通m-连通的定义 临近的定义 路径的定义
图像的像素：像素的连通性
4-连通的定义： 对于具有值V的象素p和q，如果q在集合 N4(p)中，则称这两个象素是4-连通的。