2019-10-21 18:42:20 potato_uncle 阅读数 199

注:本系列主要参考 中国大学MOOC 武汉理工大学 数字图像处理课程

一、数字图像处理的发展历史

20世纪20年代--报纸业:Bartline电缆图片传输系统

1964年--航天技术:航天图像的增强和复原技术

20世纪70年代--遥感卫星和医学:遥感图像增强和识别、X光断层图像重构

80年代末到90年代--多媒体技术:图像压缩、文字提取

二、数字图像处理的应用领域

1、医学应用:X线片、CT(Computed Tomography 计算机断层摄影术)、ECT、MRI

2、气象预报:气象云图

3、地球资源勘探:遥感图像

4、空间探索:月球图像、黑洞图像

5、工业生产:勘探、工业机器人、电路板焊接检测、

6、军事:卫星侦测、声纳图像

7、通信:视频、图像传真、数字电视

8、公安:指纹识别、伪钞识别

9、计算机合成图像

10、广告设计

三、数字图像的主要来源——电磁幅射波幅射成像

电磁幅射波包括:无线电波、微波、红外线、可见光、紫外线、X射线、γ射线

不同的电磁幅射波有各自不同的成像方式,其应用领域也不同

应用领域:

       紫外线验钞、红外线热成像

       γ射线:骨骼扫描、PET成像、反应器电子管成像

      X射线:主动脉造影图像、头部CT、电路板

     紫外线成像:谷物图像、星球图像

     可见光与红外成像:卫星图

     无线电波:核磁共振图像

2018-09-28 10:28:07 SaLaHiozzzzz1 阅读数 936

 

 主要记载学习数字图像处理的基本知识,仅供参考。

目录

一、什么是图像处理?

二、图像的数字化表达

三、数字图像处理的基本知识


一、什么是图像处理?

     图像处理就是对图像信息进行加工处理,满足实际的应用需求。

图像处理技术分为两大类:

  • 模拟图像处理
  • 数字图像处理 (本文重点)

     数字图像处理就是利用数字计算机或者其他高速、大规模集成数字硬件,对从图像信息转换来的数字信号进行某些数字运算或者处理,以提高图像的质量。

二、图像的数字化表达

  1、图像的空间表达式:

                                             I=f(x,y,z,\lambda ,t)

        其中,I为图像像素点的强度,(x,y,z)代表图像像素的空间坐标,λ为波长,t为时间。上式为活动的、彩色的、三维的视频图像表达式。因此,对于

  • 静止图像➡与t无关
  • 单色图像➡与λ无关
  • 平面图象➡与z无关

因此,我们主要讨论的平面的、静止的、单色的图像表达式为:

                                                               I=f(x,y)

   2、图像采样

   

      为了适应数字计算机的处理,必须对连续图像函数进行空间和幅值数字化。空间坐标(x,y)的数字化称为图像采样,而幅值数字化被称为灰度级量化。经过数字化后的图像成为数字图像。

  3、数字图像的主要表示方法

   1)灰度图像的阵列表示法

         设连续图像f(x,y)按等间隔取样,排成M\times N阵列(一般取方阵列N\times N),如下图所示

          图像阵列中每个元素(“点”)都是离散值,称为像素(pixel)。一般取阵列N 和灰度级C都是2的整数幂。即取N=2^{n}C=2^{n}.

  2) 二值图像表示法

       二值图像:就是只有黑白两个灰度级,即像素灰度级非1即0.如文字图片。

4、描述数字图像的基本参数

  1)分辨率

图像分辨率:数字化图像的大小,对原始图像的采样分辨率,即该图像水平和垂直方向的像素个数。

屏幕分辨率:显示器屏幕上的最大显示区域,即水平与、垂直方向的像素个数。

像素分辨率:像素的宽和高之比一般为1:1

   2)图像深度

           图像深度:也称图像灰度、颜色深度。表示数字位图图像中每个像素上用于表示颜色的二进制数字位数。

           显示深度:表示显示器上每个点用于显示颜色的二进制数字位数。

             如显示器的显示深度小于数字图像的深度,就会使数字图像颜色的显示失真。

3)图像文件大小

      用字节表示图像文件大小时,一副未经压缩的数字图像的数据量大小计算如下:

         图像数据量大小=像素总数\times图像深度\div8     单位:BYTE

  例如:一副640x640的256色图像为640x480x8/8=307200字节。

三、数字图像处理的基本知识

1、数字图像处理的几个基本目的

  a) 以人为最终的信息接收者,其实主要目的是改善图像的质量

 b)以机器为对象, 目的是使机器或计算机能自动识别目标,称为图像识别

  c)利用计算机系统解释图像,实现类似人类视觉系统理解外部世界,被称为图像理解或计算机视觉。其正确的直接要有知识的引导,与人工智能等学科有密切联系。

 2、数字图像处理的基本特点

  • 处理的大多是二维信息,数据量大
  • 数字图像传输占用的频带较宽
  • 数字图像中像素间的相关性较大,冗余比较多,有利于压缩。
  • 数字处理技术综合性强
  • 图像信息理论与通信理论密切相关
  • 数字图像处理后很多情况是给人观察和评价的,因此受人的因素影响较大。

3、数字图像处理的主要研究内容

  a) 图像变换:如傅里叶变换、沃尔什变化、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理,不仅可以减少计算量,而且可以获得更有效的处理。目前小波变换在时域和频域中都具有良好的局部化特征,应用广泛。

                                                              (Matlab实现的傅里叶变换) 

  b)图像压缩编码:图像压缩编码技术可以减少图像的数据量,以便节省图像传输、处理时间和减少存储器容量。

  c)图像增强和复原:目的是提高图像的质量,如去除噪声、提高清晰度等。图像增强不考虑图像降质的原因,突出图像中感兴趣的部分。如强化图像高频分量,可使图像中物体轮廓清晰,细节明显。

              (图像复原)                                                                                           (图像增强)   

 d)  图像分割:图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来,其有意义的特征有图像中物体的边缘、区域等,这是进一步进行图像识别、分析和理解的基础。

e) 图像描述:图像描述是图像识别和理解的必要前提。二值图像可用几何特性描述:如边界描述和区域描述。

f)  图像分类:图像分类(识别)属于模式识别的范畴,其主要内容就是对图像经过某些出来后进行判决分类。

   图像分类常用方法:

  • 统计模式分类和句法模式分类
  • 模糊模式识别和人工神经网络模式分类  

4、数字图像处理的研究方法

  数字图像处理研究的两个不同层次

  • 人作为图像的接收者(Human readable)

         图像处理研究的目的(包括获取、传输、处理、再现等)为更好满足人类视觉感知的要求,帮助人类改善其视觉能力---传统的图像处理。

  • 计算机代替人作为图像的接收者(Machine readable) 

        由计算机实现人类视觉感知的功能,解决计算机视觉问题。利用模式识别、人工智能方法分析、理解和辨识图像的内容,解决图像认知问题。例如,图像分割文字识别、人体鉴别等问题。

2019-09-15 18:44:21 qq_37140815 阅读数 108

 

目录

1 数字图像与图像处理

1.1图像处理与图像分析的关系

1.2  数字图像处理系统组成

1.3 数字图像处理技术的应用领域

2 数字图像处理的基础

2.1电磁波谱与可见光谱

2.2 人眼视觉特性

2.3 图像的采样和量化

2.4 像素间的关系

2.5 图像文件类型

3 图像基本运算

3.1 图像基本运算概述

3.2 点运算

3.3 代数运算

3.4 几何运算


1 数字图像与图像处理

  1. 图像处理方法:模拟图像处理、数字图像处理、光电结合处理。
  2. 图像的输入输出都是图像。
  3. 图像分析:目的:缩减对图像的描述。特征:输入是图像,输出是对输入图像进行描述的信息。

1.1图像处理与图像分析的关系

具有通用性,灵活性强。

1.2  数字图像处理系统组成

  1. 基本图像处理系统的结构:图像输入系统、图像处理与分析系统、图像输出系统、图像存储系统。
  2. 图像变换:简化图像处理过程和提高图像处理效果。傅里叶变换、离散余弦变换、小波变换。
  3. 图像增强:突出图像中感兴趣的特征,显现图像中那些模糊了的细节,使图像更清晰。
  4. 图像恢复:获得与景物真是面貌相像的图像。
  5. 图像的压缩编码:不损失图像质量或少损失图像质量的前提下,尽可能的减少图像的存储量。
  6. 彩色图像处理:目标物的识别和提取。
  7. 图像的三维重建:
  8. 图像分割:把一幅图像划分成背景和目标,从而提取感兴趣的目标。
  9. 图像的表示和描述:

1.3 数字图像处理技术的应用领域

  1. 应用领域:生物医学、遥感技术、工业、军工...
  2. 发展历史:20世纪20年代:报纸业。 70年代:医学,航天
  3. 应用领域:医学:x线片、ct、气象、资源勘探、空间探索、工业生产、军事、通信、公安、测绘。

2 数字图像处理的基础

2.1电磁波谱与可见光谱

  1.  电磁辐射波:主要的图像来源于电磁辐射波。包括:无线电波、微波、红外线、可见光、紫外线、x/y射线
  2. 太阳的电磁辐射波:若物体反射的光使平衡的,则对观察者来说显示白色,若反射可见光谱中有限范围的光,呈现颜色。
  3. 相关概念:仅有单一波长的光单色光、含俩种以上波长成份的光使复合光、消色光:没有色彩,用灰度级gray lever表示。

2.2 人眼视觉特性

  1. 视觉系统基本构造:虹膜、视网膜、视锥体、视感体。
  2. 亮度适应能力:人眼对从亮突变到暗环境的适应能力称为暗适应性。
  3. 视觉暂留:人眼对亮度比变化跟踪滞后的性质称为视觉惰性。
  4. 同时对比度:背景不同感受到的亮度不同。
  5. 亮度区分能力:韦伯率
  6. 马赫带:

2.3 图像的采样和量化

  1. 采样:空间坐标的离散化称为空间采样。用空间上部分点的灰度值代表图像。这些点称为采样点。
  2. 量化:均匀量化:将样点灰度级等间隔分档取整。非均匀量化:将样点灰度级不等间隔分档取整。
  3. 计算占多少bit:M*N*k    M:长,N:宽, G:2^k 灰度等级

2.4 像素间的关系

  1. 图像空间的关系:图像由像素组成,像素在图像空间上按规律排列,相互之间由一定的联系。
  2. 像素的邻域与连接:4邻域 上下左右四个坐标;对角邻域,四个角;8邻域,周围8个像素。
  3. 连接:邻接仅考虑像素的空间关系;连接:空间上邻接且像素灰度值相似。
  4. 三种连接:4连接; 8连接; m连接。
  5. 连通性:通路; 连通:通路上的所有像素灰度值满足相似准则。
  6. 距离:

2.5 图像文件类型

  1. 图像分类:静止图像和运动图像;按色彩分:灰度图像和彩色图像;按维数分:二维图像、三维图像和多维图像。
  2. 位图:通过许多像素点表示一幅图像,每个像素具有颜色属性和位置属性。
  3. 位图分类:二值图像:黑白俩种颜色。亮度图像:在亮度图像中,像素灰度级用8表示,所以每个像素都是介于黑色和白色之间的256种灰度中的一种。索引图像:颜色是预先定义的,所以颜色的图像最多只能显示256张颜色。RGB图像:一幅RGB图像就是彩色像素有一个MxNx3数组,其中每一个彩色像素点都是在特定空间位置的彩色图像对应的红绿蓝三个分量0-255。

3 图像基本运算

3.1 图像基本运算概述

  1. 点运算:对一幅图像中每一个像素点的灰度值进行计算。(对比度增强、对比度拉伸、灰度变换)(线性灰度变换、分段线性灰度变换、非线性灰度变换)
  2. 代数运算:两幅或多幅图像通过对应像素之间的加减乘除运算或与或非运算。
  3. 逻辑运算:改变图像中物体对象之间的空间关系。
  4. 几何运算:按变换性质分:位置变换(平移、镜像、旋转)、形状变换(放大、缩小)以及图像的复合变换等。

3.2 点运算

3.3 代数运算

  1. 加法运算:去除“叠加性”随机噪音。 利用同一景物的多幅图像取平均、消除噪声。生成图像叠加效果。
  2. 减法运算: 差影法:动态监测、运动目标的检测和跟踪、图像背景的消除及目标识别。

3.4 几何运算

  1. 平移、旋转。

4 图像变换

4.1 线性系统的基本原理

  1. 线性系统与非线性系统
  2. 二维线性移不变系统

4.2 离散傅里叶变换

  1. 简化计算:空间域中复杂的卷积运算转化为频率域中简单的乘积运算。
  2. 简化处理和分析:空域中复杂的问题转到频域下进行分析处理,再转回空域。
  3. 特定应用要求:某些只能再频率域处理,如提取图像特征、数据压缩、纹理分析、水印嵌入。

4.3 图像傅里叶变换频谱分析

  1. 大小为N,M图像的频谱中心点在(N/2,M/2)处。

4.4 图像余弦变换

5 图像增强

5.1 图像增强概述

  1. 目的:改善图像的视觉效果、减少图像中的噪声,提高目标与背景的对比度、强调或抑制图像中某些细节。
  2. 方法:空间域方法:在图像二维平面上,直接对像素值进行处理;频率域方法:对图像作Fourier变换,在变换域处理,再作逆变换得到增强图像;其他方法:小波变换、Retinex。
  3. 灰度变换:将一个灰度区间映射到另一个灰度区间。

5.2 基于直方图处理的图像增强

  1.  

5.3 空间滤波增强

  1. 采用模板处理方法对图像进行滤波,去除图像噪声或增强图像细节。
  2. 方法:局部分化法、超像素平滑法、空间低通滤波法。

5.4 频率域的平滑滤波器

  1. 图像空间域的线性领域卷积《-》图像经过滤波器对图像频率成分的滤波。
  2. 原始图像进行正变换,设计一个滤波器加功频谱系数=用点操作。
  3. 进行反变换。关键在于设计频域(变换域)滤波器的传递函数H(u,v)。

5.5 频率域锐化滤波器

6 图像复原

6.1 图像复原及退化模型

  1. 图像复原:根据退化原因,建立相应的数学模型,从被污染或畸变的图像信号中提取所需要的信息,沿着使图像降质的逆过程恢复图像本来面貌。
  2. 图像复原技术分类:1、在给定退化模型条件下:无约束和有约束;2、根据是否需要外界干预:自动和交互;3、根据处理所在域:频率域和空间域。
  3. 图像退化:图像在形成传输过程中,由于成像系统、传输介质和设备的不完善,使图像的质量变坏。
  4. 原因:成像系统的像差、畸变、带宽有限导致的图像失真;成像器件拍摄姿态和扫描非线性引起的几何失真;运动模糊;灰度失真;辐射失真;图像在成像、数字化、采集和处理过程引入的噪声。

6.2 噪声模型

  1. 高斯噪声
  2. 均匀分布噪声
  3. 脉冲噪声(椒盐噪声)

6.3 空间域滤波复原

  1. 空间域滤波复原:已知噪声模型,对噪声的空间域滤波
  2. 均值滤波器:算术均值滤波器、几何均值滤波器、谐波均值滤波器、逆谐波均值滤波器
  3. 顺序统计滤波器:中值滤波器、二维中值滤波器、修正后的阿尔法均值滤波器、最大/最小滤波器、中点滤波器

7 图像压缩编码

7.1 图像压缩编码基础

  1. 数字图像的压缩是指在不同用途的图像质量要求下,用最少的比特数表示一幅图像的技术。
  2. 数字图像的压缩是实现图像存储和传输的基础。
  3. 数字图像压缩的目的:节省图像存储容量;减少传输信道容量;缩短图像加功处理时间。
  4. 信息相关:
  5. 信息冗余:
  6. 编码冗余:
  7. 像素间的冗余:
  8. 心里视觉冗余:

7.2 变长编码

  1. 费诺码:
  2. 霍夫曼编码:

7.3 算术编码

  1. 算术编码过程:
  2. 举例:

7.4 变换编码

8 图像分割

8.2 边缘检测

8.3 边缘连接

8.4 阈值分割

8.5 区域分割

8.6 二值图像处理

 

 

 

 

 

 

 

 

 

 

2018-10-09 02:42:22 mao_hui_fei 阅读数 2818

数字图像处理应用领域

图像是人类获取和交换信息的主要来源,因此,图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大,图像处理的应用领域也将随之不断扩大。

1)航天和航空方面

航天和航空技术方面的应用数字图像处理技术在航天和航空技术方面的应用,除了JPL对月球、火星照片的处理之外,另一方面的应用是在飞机遥感和卫星遥感技术中。许多国家每天派出很多侦察飞机对地球上有兴趣的地区进行大量的空中摄影。对由此得来的照片进行处理分析,以前需要雇用几千人,而现在改用配备有高级计算机的图像处理系统来判读分析,既节省人力,又加快了速度,还可以从照片中提取人工所不能发现的大量有用情报。从60年代末以来,美国及一些国际组织发射了资源遥感卫星(如LANDSAT系列)和天空实验室(如SKYLAB),由于成像条件受飞行器位置、姿态、环境条件等影响,图像质量总不是很高。因此,以如此昂贵的代价进行简单直观的判读来获取图像是不合算的,而必须采用数字图像处理技术。如LANDSAT系列陆地卫星,采用多波段扫描器(MSS),在900km高空对地球每一个地区以18天为一周期进行扫描成像,其图像分辨率大致相当于地面上十几米或100米左右(如1983年发射的LANDSAT-4,分辨率为30m)。这些图像在空中先处理(数字化,编码)成数字信号存入磁带中,在卫星经过地面站上空时,再高速传送下来,然后由处理中心分析判读。这些图像无论是在成像、存储、传输过程中,还是在判读分析中,都必须采用很多数字图像处理方法。现在世界各国都在利用陆地卫星所获取的图像进行资源调查(如森林调查、海洋泥沙和渔业调查、水资源调查等),灾害检测(如病虫害检测、水火检测、环境污染检测等),资源勘察(如石油勘查、矿产量探测、大型工程地理位置勘探分析等),农业规划(如土壤营养、水份和农作物生长、产量的估算等),城市规划(如地质结构、水源及环境分析等)。中国也陆续开展了以上诸方面的一些实际应用,并获得了良好的效果。在气象预报和对太空其它星球研究方面,数字图像处理技术也发挥了相当大的作用。

2)生物医学工程方面

数字图像处理在生物医学工程方面的应用十分广泛,而且很有成效。除了上面介绍的CT技术之外,还有一类是对医用显微图像的处理分析,如红细胞、白细胞分类,染色体分析,癌细胞识别等。此外,在X光肺部图像增晰超声波图像处理心电图分析立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。

3)通信工程方面

当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为复杂和困难,因图像的数据量十分巨大,如传送彩色电视信号的速率达100Mbit/s以上。要将这样高速率的数据实时传送出去,必须采用编码技术来压缩信息的比特量。在一定意义上讲,编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外,国内外正在大力开发研究新的编码方法,如分行编码、自适应网络编码、小波变换图像压缩编码等。

4)工业和工程方面

在工业和工程领域中图像处理技术有着广泛的应用,如自动装配线中检测零件的质量、并对零件进行分类印刷电路板疵病检查弹性力学照片的应力分析流体力学图片的阻力和升力分析邮政信件的自动分拣,在一些有毒、放射性环境内识别工件及物体的形状和排列状态,先进的设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人,将会给工农业生产带来新的激励,目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。

5)军事、公安方面

在军事方面图像处理和识别主要用于导弹的精确末制导,各种侦察照片的判读,具有图像传输、存储和显示的军事自动化指挥系统,飞机、坦克和军舰模拟训练系统等;公安业务图片的判读分析,指纹识别,人脸鉴别,不完整图片的复原,以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子。

6)文化艺术方面

目前这类应用有电视画面的数字编辑,动画的制作,电子图像游戏,纺织工艺品设计,服装设计与制作,发型设计,文物资料照片的复制和修复,运动员动作分析和评分等等,现在已逐渐形成一门新的艺术–计算机美术。

7)机器人视觉

机器视觉作为智能机器人的重要感觉器官,主要进行三维景物理解和识别,是目前处于研究之中的开放课题。机器视觉主要用于军事侦察、危险环境的自主机器人邮政、医院和家庭服务的智能机器人,装配线工件识别、定位,太空机器人的自动操作等。

8)视频和多媒体系统

目前,电视制作系统广泛使用的图像处理、变换、合成,多媒体系统中静止图像和动态图像的采集、压缩、处理、存贮和传输等。

9)科学可视化

图像处理和图形学紧密结合,形成了科学研究各个领域新型的研究工具。

10)电子商务

在当前呼声甚高的电子商务中,图像处理技术也大有可为,如身份认证、产品防伪、水印技术等。
总之,图像处理技术应用领域相当广泛,已在国家安全、经济发展、日常生活中充当越来越重要的角色,对国计民生的作用不可低估。

2016-11-02 22:22:19 EvanLind 阅读数 3126

概论

数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。而人眼观察外界世界是先通过人眼将看到的内容传入大脑来进行处理。二者虽然看上去不同,但其实际过程十分相似。人的眼球可以比作一架活的照相机。照相机有镜头、光圈、暗箱、底片和调节装置。人眼的结构和照相机十分相似,角膜和晶状体相当于镜头,瞳孔相当于光圈,脉络膜相当于暗箱,视网膜相当于底片。自然界各种物体在光线的照射下,不同颜色可以反射出明暗不同的光线,这些光线透过角膜、晶状体、玻璃体的折射,在视网膜上成像,构成光刺激。视网膜上的感光细胞(圆锥和杆状细胞)受光的刺激后,经过一系列的物理化学变化,转换成神经冲动,由视神经传入大脑皮质的视觉中枢,然后我们就能看见物体了。从整个处理过程可以分为以下三个层次来比较分析:

一.初级处理:

对于数字图像处理而言,在图像获得的过程中,低级处理包括图像获得的原始过程和操作,如降低噪声的图像预处理、对比度增强和图像锐化等。对于人来说,人眼通过对角膜、瞳孔等的调节来调节来适应实际环境以获得最佳的视觉效果,比如在看远近与亮暗环境下的自动调节。

二.中级处理

数字图像处理的中级处理例如图像分割,将图像分为区域或者目标,然后对这些目标进行描述,以便把他们简化为适合计算机处理的形式,并对单个目标进行分类(识别)。实际上这一过程计算机从输入的图像中提取相关的属性,例如边缘、轮廓和单个物体的特性。人在获得一副图像的信息时这一过程并不是十分明显,而是直接惊醒了高级处理,通过联想(例如人的神经网络)来将物体区分开来。但实际过程是人先从这个画面中把相关的物体先区分出来这一中级处理,而后再做的高级处理。

三.高级处理

最后,计算机视觉高级处理通过以执行通常与人类视觉相关的感知函数,来对识别的对象进行总体确认。在这一领域中,其最终的目的是用计算机模仿人类视觉,包括学习和推理,并根据视觉输入采取操作。这个领域属于人工智能(AI)的分支,最终目标为实现像人一样来,对于视觉信息进行推理与分析。


基本原理

  • 图像

某种物理量的空间分布,这里指的是光强(光通量)在图像平面 f(x, y)的分布。即一副图像可以定义为一个二维函数,其中x,y为图像空间坐标,而 f 在任意坐标(x, y)处的幅度称为图像在该点的亮度或灰度。

  • 数字

这里的数字包含了两层的含义:其一,将实际空间中连续的图像信息离散化,即 x, y, f(x, y)的值都是有限的离散的图像称之为数字图像。其二,该获得与处理过程是通过计算机,并结合数学方法来实现的。

  • 处理

 图像的运算 | 图像的滤波 | 图像的编码与压缩 | 图像分割 | 图像特征提取 | ...

数字图像的采样与量化

图像数字化的基本过程是一个AD转换的过程,在把一个模拟量转化为数字量时,包含有以下几个过程:采样、编码和量化。

采样定理

信号,频率与频谱 | 傅里叶级数 | 空间频率 | 奈奎斯特采样定理 | 香农定理

香农公式:适用于限频、限功率高斯信道

奈奎斯特公式:适用于无码间干扰的理想低通信道

 

香农公式:C=B×log2(1+S/N)。式中:B是信道带宽(Hz),S是信号功率(瓦),N是噪声功率(瓦)。香农公式描述了限频、限功率高斯信道的最大信息传输速率(bps)与信道带宽、信噪比之间的关系。香农公式给出了信息传输速率的极限,即对于一定的传输带宽和一定的信噪比,信息传输速率的上限就确定了。这个极限是不能够突破的。要想提高信息的传输速率,必须设法提高传输线路的带宽,或者必须设法提高信噪比。

 

奈奎斯特公式:C = 2B×log2 (M) ,式中:C 是信息传输速率(bps),B是带宽(Hz),M是信号编码级数。码元传输的速率(又叫波特率,单位Baud)是受限的,最高码元传输速率=2B(Baud)。但奈奎斯特公式并没有对信息传输速率(bps)给出限制。要提高信息传输速率就必须使每一个传输的码元能够代表更多个比特的信息。这就需要有很好的编码技术。

数字图像的性质

分辨率(空间采样分辨率) | 量化级数(灰度分辨率) | 空间频率分布 | 噪声水平

 

数字图像硬件组成

光源 | 光学系统 | 探测器 | 计算机(DSP) | 接口(采集卡)

没有更多推荐了,返回首页