精华内容
下载资源
问答
  • 图像数字化_采样和量化样例。

    千次阅读 2020-04-17 12:16:46
    这部分是数字图像处理与分析中第一章第六小节的图像数字化的内容,为方便理解图像数字化这个概念。 图像数字化=采样+量化。 二、内容回顾 数字化目的: 主要用于模拟图像。由于图像处理的对象是数字图像,模拟图像...

    一、前言:

    这部分是数字图像处理与分析中第一章第六小节的图像数字化的内容,为方便理解图像数字化这个概念。
    图像数字化=采样+量化。

    二、内容回顾

    数字化目的:

    主要用于模拟图像。由于图像处理的对象是数字图像,模拟图像需要数字化才能得到数字图像。
    图像数字化的操作过程主要分为:采样量化
    采样: 把空间上的连续图像分割成离散的像素的集合。
    量化: 把像素的灰度(浓淡)变换成离散的整数值的操作。

    特点:

    1.采样越细(采样间隔越小),像素越小,图像越精细。
    2.量化越细致(比特数越大),灰度分辨率越高,灰度(浓淡层次)表现越丰富。

    采样样例:

    %采样是把空间上的连续的图像分割成离散的像素的集合。
    
    img =  imread('boy.bmp');
    img1 = rgb2gray(img);
    img2 = img1(1:2:end,1:2:end);%缩小1/4
    img3 = img1(1:4:end,1:4:end);%缩小1/8
    img4 = img1(1:8:end,1:8:end);%缩小1/16
    img5 = img1(1:16:end,1:16:end);%缩小1/32
    imshow(img),title('原图');
    figure,imshow(img1),title('256*256');%打开新窗口,RGB转为灰度图像
    figure,imshow(img2),title('128*128');
    figure,imshow(img3),title('64*64');
    figure,imshow(img4),title('32*32');
    figure,imshow(img5),title('16*16');
    
    %图形窗口划分2*3显示区域
    figure,
    subplot(2,3,1),imshow(img),title('原图');
    subplot(2,3,2),imshow(img1),title('256*256');%RGB转为灰度图像
    subplot(2,3,3),imshow(img2),title('128*128');
    subplot(2,3,4),imshow(img3),title('64*64');
    subplot(2,3,5),imshow(img4),title('32*32');
    subplot(2,3,6),imshow(img5),title('16*16'); %会出现棋盘效应
    
    

    在这里插入图片描述
    在这里插入图片描述

    量化样例:

    %量化(quantization)是把像素的灰度(浓淡)变换成离散的整数值的操作。量化越细致(比特数越大),即灰度分辨率越高,灰度级数(浓淡层次)表现越丰富。
    img =  imread('boy.bmp');
    img1 = rgb2gray(img);%RGB转为灰度图像
    img1 = double(img1);%img1转化成double数值类型
    img2 = round(img1/4)*4;%缩小1/4,再求整
    img3 = round(img1/16)*16;%缩小1/16,再求整
    img4 = round(img1/32)*32;%缩小1/32,再求整
    img5 = round(img1/64)*64;%缩小1/64,再求整
    img6 = (img1>=128)*128;%将原图像中灰度值大于等于128时为128,其余为0
    figure,imshow(img),title('原图');
    
    %图形窗口划分2*3显示区域
    figure,
    subplot(2,3,1),imshow(uint8(img1)),title('8比特(256级)');
    subplot(2,3,2),imshow(uint8(img2)),title('6比特(64级)');
    subplot(2,3,3),imshow(uint8(img3)),title('4比特(16级)');
    subplot(2,3,4),imshow(uint8(img4)),title('3比特(8级)');
    subplot(2,3,5),imshow(uint8(img5)),title('2比特(4级)');
    subplot(2,3,6),imshow(uint8(img6)),title('1比特(2级)');
    

    在这里插入图片描述

    展开全文
  • 第一节:图像数字化 1: 构造二维的ndarry,相当于就是构造灰度图像各个位置的像素值。 import numpy as np import cv2 # 构造二维的ndarry # 构造一个100*100的图像,像素值都是零,然后将其输出 z = np.zeros...

    第一节:图像数字化

    1: 构造二维的ndarry,相当于就是构造灰度图像各个位置的像素值。

    import numpy as np
    import cv2
    
    # 构造二维的ndarry    # 构造一个100*100的图像,像素值都是零,然后将其输出
    z = np.zeros((100, 100), np.uint8)   # 100*100的图像,每个点像素值都为零
    cv2.imshow('img', z)    # 显示图片
    cv2.imwrite('img1.png', z)  # 将我们的结果进行保存
    cv2.waitKey(0)   # 显示持续几毫秒   1000代表一秒,0表示永久
    cv2.destroyAllWindows()

      程序的输出结果:

      

    2:同理,我们可以构造三维的ndarry

    # 构造三维的ndarry
    z = np.ones((100, 100, 3), np.uint8)
    cv2.imshow('img2', z)
    cv2.imwrite('img2.png', z)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

       (100, 100, 3)表示的是100*100的三通道图片,也就是彩色图片,但我们指定的像素值都是1,所以最后的输出还是黑色的。

    3: ndarry的加减乘除,这里的乘包括点乘和矩阵乘。

    # ndarry的加法
    src1 = np.array([[23, 123, 90], [100, 250, 0]], np.uint8)
    src2 = np.array([[125, 150, 60], [100, 10, 40]], np.uint8)
    dst = src1 + src2
    print(dst)   
    # 123 + 150 = 273 array对于大于255的uchar类型的处理方式是:对255取模运算后减1,即: 273 % 255 - 1 = 17
    
    
    # ndarry的减法
    dst1 = src1 - src2
    print(dst1)
    
    
    # ndarry的点乘运算
    dst2 = src1*src2  # 点乘就是对应点进行相乘
    print(dst2)
    
    
    # ndarry的点除运算
    dst3 = src2 / src1  # 对应点进行相除
    print(dst3)
    
    
    # ndarry的乘法 即矩阵的乘法
    src3 = np.array([[1, 2, 3], [4, 5, 6]], np.uint8)
    src4 = np.array([[6, 5], [4, 3], [2, 1]], np.uint8)
    dst4 = np.dot(src3, src4)
    print(dst4)

        注意代码中的注释

    4:灰度图像数字化。

         在这里我们先读入一张灰度图像,然后输出其各个位置的像素值,接着把图像显示出来。

    # 灰度图像数字化
    img = cv2.imread('p2.jpg', cv2.IMREAD_GRAYSCALE)   # 后面这个参数很有用,当你用这样的方式读入彩色图像时,可以将其转换为灰度图像
    print(img)  # 打印出该图片的像素值
    cv2.imshow('img', img)   # 显示图像
    cv2.waitKey(0)
    cv2.destroyAllWindows()

     输出结果:

     5:彩色图像数字化

       我们这里读一张彩色图像,然后将其各个通道的值读出来,输出。

    # 彩色图像数字化
    image = cv2.imread('p1.jpg')
    b = image[:, :, 0]  # 第一个通道的值
    g = image[:, :, 1]  # 第二个通道的值
    r = image[:, :, 2]  # 第三个通道的值
    # 显示三个颜色通道
    cv2.imshow('b', b)
    cv2.imshow('g', g)
    cv2.imshow('r', r)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

      输出结果:

    未完待续。。。。下一节我们讲学习图像的几何变化。。

     

    展开全文
  • 图像数字化过程:采样与量化

    万次阅读 2018-06-11 13:08:21
    图像数字化包括采样和量化两个过程。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。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。幅图像在...

    图像的数字化包括采样量化两个过程。

    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。

    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。

    幅图像在采样时,行、列的采样点与量化时每个像素量化的级数,既影响数字图像的质量,也影响到该数字图像数据量的大小。

    对一幅图像,当量化级数Q一定时,采样点数M×N对图像质量有着显著的影响。采样点数越多,图像质量越好; 当采样点数减少时,图上的块状效应就逐渐明显。同理, 当图像的采样点数一定时,采用不同量化级数的图像质量也不一样。如图2-5所示,量化级数越多,图像质量越好,当量化级数越少时,图像质量越差,量化级数最小的极端情况就是二值图像, 图像出现假轮廓。

    图像数据量:b=M*N*Q*C;(Q即量化级数是指每个像素量化后的灰度二进制数,C是颜色)

    注意:例如对于分辨率为1280*960的bmp图像

    若是彩色,则b=14+40+1280*960*1*3/8(byte)

    若是灰度图像,则b=14+40+1024+1280*960*1*1/8(byte)

    展开全文
  • 图像特征-图像数字化

    千次阅读 2019-09-29 21:10:57
    图像数字化就是把一幅图像分割成一个个小的单元区域(叫做像元或者像素),这些单个的像素可以单个的用一个量化的区域来表示,灰度用整数来表示,形成一个阵列式的图像,每个像素的属性包含位置灰度/颜色,数字化...

    图像的数字化就是把一幅图像分割成一个个小的单元区域(叫做像元或者像素),这些单个的像素可以单个的用一个量化的区域来表示,灰度用整数来表示,形成一个阵列式的图像,每个像素的属性包含位置灰度/颜色,数字化包含采样和量化两个过程。

    数值图像如何表示的?

    黑白图像:每个像素只能是黑白,没有中间的过渡,故又称为二值图像,二值图像只能用0和1来表示。

    灰度图像:由一个量化的灰度来表示,没有彩色信息,用8位字节来表示,可表示256级灰度[0,255]

    (由上图可见。图像存储在了矩阵中,黑色用0来描述,白色用250描述,灰色大概是180~200)

    彩色图像:彩色图像用三个字节(24位)来描述一个像素,R,G,B是由不同的灰度级来描述。

    (由上图可见红色可用(255,0,0)来描述,黄色可由(255,255,0)来描述,绿色可由(0,255,0)描述,蓝色可由(0,0,255)描述)

    我们已经知道图像数字化包含两个过程,即采样和量化,图像数字化的过程是怎样的呢?

    所谓采样,就是把一幅连续图像在空间上分割成M×N个网格,每个网格用一亮度值来表示。一个网格称为一个像素。M×N的取值满足采样定理。 

     

     

    采样包含两个参数:采样间隔和采样孔径

            采样间隔

         采样孔径:一般分为圆形,正方形,长方形,椭圆形

        采样的方式分为有缝,无缝,重叠三种。

    量化:指将像素灰度级转换成离散的整数值的过程。

          也就是把采样点上对应的亮度连续变化区间转换为单个特定数码的过程。

    量化后,图像就被表示成一个整数矩阵。每个像素具有两个属性:位置和灰度。位置由行、列表示。灰度表示该像素位置上亮暗程度的整数。此数字矩阵M×N就作为计算机处理的对象了。

    也就是说将一段连续采样的图像按照一定的量化规则(指把输入信号幅度连续变化的范围分为有限个不重叠的子区间(量化级),每个子区间用该区间内一个确定数值表示,落入其内的输入信号将以该值输出,从而将连续输入信号变为具有有限个离散值电平的近似信号 [

       灰度级一般为0-255(8bit量化)。  灰度级用G表示,一般为2的整数幂 ,2的g次幂

    转载于:https://www.cnblogs.com/fcfc940503/p/11435214.html

    展开全文
  • MATLAB 图像处理于数字化(一)

    千次阅读 2019-04-16 14:58:25
    MATLAB作为数学领域应用最广泛的一种软件,集成了对于图片处理的函数和功能,成为了处理数字图像问题的佼佼者。其出众的计算能力和简便的绘图能力可以有效进行数字图像的变换和操作。本文探究了MATLAB(R2015a)软件下...
  • 目录 1 图像灰度原理 2 图像颜色空间转换 ...图像灰度是将一幅彩色图像转换为灰度化图像的过程。彩色图像通常包括R、G、B三个分量,分别显示出红绿蓝等各种颜色,灰度就是使彩色图像的R、G、...
  • 通过MATLAB中图像数字化两篇博客,已经基本掌握了图像处理的一些基本操作,为了进一步提高对于图像的操作,本次进行一个图像处理的插曲,即图像加密的一些代码。 对于图像加密,一般是现将矩阵读取到MATLAB中,...
  • 数字图像处理-1.图像获取

    千次阅读 2019-07-05 15:26:45
    一、图像数字化 原理: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。 将一幅图像分割成如图的一个个小区域(像元或像素),并将各小区域灰度用整数表示,形成一幅点阵式的数字图像。 ...
  • 数字图像处理基本知识

    万次阅读 2020-11-24 13:47:39
    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。
  • 数字图像处理框架及常用技术

    千次阅读 2017-12-29 14:49:39
    数字图像处理之前需要先进行图像数字化图像数字化图像数字化是计算机处理图像之前的基本步骤,目的是把真实的图像转变成计算机能够接受的存储格式,数字化过程分为采样和量化两个步骤。 数字图像处理的框架大体...
  • 数字图像处理基础知识

    万次阅读 多人点赞 2018-07-06 15:41:45
    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...
  • MATLAB--数字图像处理 图像直方图均衡

    万次阅读 多人点赞 2019-09-03 15:43:01
    图像直方图均衡 首先,我们要理解什么是图像直方图均衡: 把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡就是对图像进行非线性拉伸,重新分配图像像素值,使一定...
  • MATLAB-数字图像处理 图像直方图归一

    千次阅读 多人点赞 2019-09-02 21:16:05
    图像直方图归一 图像直方图概念: 图像直方图是反映一个图像像素分布的统计表,其实横坐标代表了图像像素的种类,可以是灰度的,也可以是彩色的。纵坐标代表了每一种颜色值在图像中的像素总数或者占所有像素个数的...
  • 1.图像灰度 灰度图像上每个像素的颜色值又称为灰度,指黑白图像中点的颜色深度, 范围一般从0到255 ,白色为255 ,黑色为0。所谓灰度值是指色彩的浓淡程度,灰度直方图是指一幅数字图像中,对应每一个灰度值统计出具有该...
  • -----------图像均衡化数字水印嵌入与提取方法 图像处理中的直方图,也称为灰度级直方图,即一副图的灰度分布图,表示数字图像中每一灰度与该灰度级出现的频率之间的统计关系。直方图的定义为: ...
  • MATLAB--数字图像处理 图像直方图规定

    千次阅读 多人点赞 2019-09-06 23:50:20
    其分布是随机的,在一些情况下,我们可能需要一些特定的灰度值,比如我们只需要灰度值为0 3 40 240 255 这些值,除此之外的灰度值我们不需要,那么从原图像到我们需要的图像就可以理解成图像的规定。 具体事例: ...
  • 计算机只能处理数字量,而不能直接处理模拟图像,所以我们需要在使用计算机处理图像之前进行图像数字化(离散为整数)。 对于一幅图像可以将其定义为一个二维函数: f(x,y) 其中,x 和 y 是空间坐标...
  • 数字图像的距离变换算法

    千次阅读 2018-12-02 10:30:57
    数字图像的距离变换算法一、图像数字化二、距离三、距离变换四、OpenCV代码实现 一、图像数字化 通过传感器获得的图像是平面坐标(x,y)的连续函数f(x,y),它的值图像对应位置的亮度。为了能够让计算机来处理,需要...
  • 数字图像频谱的中心

    千次阅读 多人点赞 2019-06-19 11:11:31
    但直接对数字图像进行二维DFT变换得到的频谱图是高频在中间,低频在四角,为了把能量集中起来便于使用滤波器,可以利用二维DFT的平移性质对频谱进行中心。 所以推导出来的结论是——对数字图像的每个像素点的取值...
  • 图像二值二值图像图像中只有两种颜色的信息,通常是黑色和白色,是将普通图像二值后得到的图像图像二值的作用是为了方便提取图像中的信 息。二值图像在进行计算机识别时可以增加识别效率。 比如 需要计算...
  • 数字图像处理概念小结

    千次阅读 2017-06-24 21:20:06
    1、图像数字化一般采用均匀采样和均匀量化方式。 均匀采样,即等间隔采样。当对采样点数目有所限制时,比如说N×N个采样点,此时可以根据图像的特性采用自适应采样方案,有可能获得更好的效果。 自适应采样方案...
  • 本篇主要讲述32位彩色图像的灰度和二值内容,通过简单的C语言实现,来帮助初学者一学即会,融会贯通。
  • 数字图像处理简单总结

    千次阅读 2019-06-16 17:54:15
    概念与方法 一幅图像可定义为一个二维函数f(x,y),其中x,y是空间坐标,而在任何一对空间坐标(x,y)处的幅值称为图像在该点处的强度或灰度。...采样与量化:所谓的图像数字化,是指将模拟图像经过离散...
  • 本篇将介绍彩色图像灰度和二值的原理,并使用Python来实现对应算法内容。
  • 数字图像灰度处理方法

    千次阅读 2019-05-07 12:58:46
    图像的灰度变换处理是图像增强处理技术中的一种非常基础、直接的空间域图像处理方法,也是图像数字化软件和图像显示软件的一个重要组成部分。 灰度变换的几种函数: 线性变换 在曝光度不足或过度的情况下,图像...
  • 图像处理:图像灰度

    万次阅读 多人点赞 2019-06-18 16:42:06
    所谓灰度值是指色彩的浓淡程度,灰度直方图是指一幅数字图像中,对应每一个灰度值统计出具有该灰度值的象素数。  灰度就是没有色彩,RGB色彩分量全部相等。如果是一个二值灰度图象,它的象素值只能为0或1,我们说...
  • 数字图像处理-知识点总结

    千次阅读 多人点赞 2020-06-14 22:11:22
    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...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 198,407
精华内容 79,362
关键字:

图像数字化