图像处理基本原理----基本概念
2017-03-31 15:07
323 查看
英文原文链接: https://www.codeproject.com/articles/781213/fundamentals-of-image-processing-behind-the-scenes
原作者: Jakub
Szymanowski
中文原文链接:
翻译者: xiaosongaa
此外,我们大多数人都在像类似PS或GIMP软件使用图像处理技术来获得有趣的艺术效果。
但是,无论这些算法有多先进,它们仍然依赖于基本原理。在这篇文章中,我们将介绍基本的图像处理算法,这将有助于了解什么是我们的图形编辑器软件计算背后的场景。
在我们开始我们的图像处理旅程之前,我们应该认识一下这位模特和她的照片,这是一个简短的故事。
对于那些涉足图像处理领域的人来说,这张照片是众所周知的。上面的图片显示了瑞典模特Lenna Soderberg(nee Sjööblom)。它最初是花花公子杂志1972年11月刊上的一张插画。
这张照片在1973年的一个意外的机会中,首次被用于图像处理领域 , 从此以后,它已成为图像处理和压缩研究领域最重要的照片。
我们肉眼每天所观察到的世界是一个连续的模拟图像,这是我们的眼睛处理图像的方式.要使用数字设备捕捉模拟图像,就必须对其进行采样和量化----这就是数字化处理。
对连续的2D信号(图像)进行采样,我们将依据预先定义的行数和列数得到一个完整的二维信号数组。给定行和列相交处的点(元素)称为像素。采样原始图像是一个有损操作-采样图像的质量取决于预设的采样水平。
用不同采样等级得到的图像
量化等级表示的是在数字图像中,每个像素的取值范围.常用的量化等级有2,64,256,1024,4096,16384等等。举例来说,如果我们使用1024个量化等级,那么在图像中每个像素可能的取值就是0~1023(原文为0~1024,应该有误)中的某个数。
使用不同量化等级得到的图像
对数字图像来说,最后一个要素是每个像素的色彩。当前最流行的色彩模型是RGB模型,我们用红绿蓝3个颜色分量来表示任意一种颜色。在RGB模式图像中,每个像素点包含了其在3个颜色分量下的饱和度。
另一个常用的色彩模型是HSV,HSV模型同样使用3个分量来表示色彩:色调,饱和度,明度.这个模型可以在颜色空间中表示为一个 圆锥形。
在印刷行业,最受欢迎的颜色模式 是CMYK,它包含4种基本颜色:青,品红,黄,黑,它们互相调和形成最终的颜色.
图像直方图是图像中每种颜色或亮度等级发生次数的统计信息。直方图告诉我们很多关于图像的信息----不仅限于亮度和对比度。使用直方图,我们可以判断图像细节是否已被正确捕获和存储。
在分析彩色图像时,我们接收每个颜色的直方图(RGB)。灰度图像则使用单一的直方图。
彩色和灰度图像的直方图
原作者: Jakub
Szymanowski
中文原文链接:
翻译者: xiaosongaa
图像处理基本原理
Fundamentals of Image Processing - behind the scenes
介绍 Introduction
在过去的20年中,图像处理算法变得非常流行,这主要是由于数字摄影技术的快速扩展。如今,数码摄像头是如此常见,我们甚至没有注意到他们在我们的日常生活中。当我们在地铁,机场,高速公路等等场景都会被录像并分析----图像处理算法分析我们的脸,检测我们的行为,识别我们的车牌,并注意到,我们离开了我们的行李。此外,我们大多数人都在像类似PS或GIMP软件使用图像处理技术来获得有趣的艺术效果。
但是,无论这些算法有多先进,它们仍然依赖于基本原理。在这篇文章中,我们将介绍基本的图像处理算法,这将有助于了解什么是我们的图形编辑器软件计算背后的场景。
基本原理
互联网一姐 First Lady of the Internet
在我们开始我们的图像处理旅程之前,我们应该认识一下这位模特和她的照片,这是一个简短的故事。对于那些涉足图像处理领域的人来说,这张照片是众所周知的。上面的图片显示了瑞典模特Lenna Soderberg(nee Sjööblom)。它最初是花花公子杂志1972年11月刊上的一张插画。
这张照片在1973年的一个意外的机会中,首次被用于图像处理领域 , 从此以后,它已成为图像处理和压缩研究领域最重要的照片。
数字世界中的图像信息表示 Image representation in digital world
我们肉眼每天所观察到的世界是一个连续的模拟图像,这是我们的眼睛处理图像的方式.要使用数字设备捕捉模拟图像,就必须对其进行采样和量化----这就是数字化处理。
采样
对连续的2D信号(图像)进行采样,我们将依据预先定义的行数和列数得到一个完整的二维信号数组。给定行和列相交处的点(元素)称为像素。采样原始图像是一个有损操作-采样图像的质量取决于预设的采样水平。用不同采样等级得到的图像
量化
量化等级表示的是在数字图像中,每个像素的取值范围.常用的量化等级有2,64,256,1024,4096,16384等等。举例来说,如果我们使用1024个量化等级,那么在图像中每个像素可能的取值就是0~1023(原文为0~1024,应该有误)中的某个数。使用不同量化等级得到的图像
色彩
对数字图像来说,最后一个要素是每个像素的色彩。当前最流行的色彩模型是RGB模型,我们用红绿蓝3个颜色分量来表示任意一种颜色。在RGB模式图像中,每个像素点包含了其在3个颜色分量下的饱和度。另一个常用的色彩模型是HSV,HSV模型同样使用3个分量来表示色彩:色调,饱和度,明度.这个模型可以在颜色空间中表示为一个 圆锥形。
在印刷行业,最受欢迎的颜色模式 是CMYK,它包含4种基本颜色:青,品红,黄,黑,它们互相调和形成最终的颜色.
直方图Histogram
图像直方图是图像中每种颜色或亮度等级发生次数的统计信息。直方图告诉我们很多关于图像的信息----不仅限于亮度和对比度。使用直方图,我们可以判断图像细节是否已被正确捕获和存储。在分析彩色图像时,我们接收每个颜色的直方图(RGB)。灰度图像则使用单一的直方图。
彩色和灰度图像的直方图
相关文章推荐
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理基本概念——卷积,滤波,平滑
- Qt 5.3 下OpenCV 2.4.11 开发(0)图像处理基本概念
- 图像处理零基础起步之一些基本概念1
- 基于FPGA的图像处理--基本概念导图
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理基本概念、术语
- PHOTOSHOP中图像处理基本概念
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理基本概念——卷积,滤波,平滑
- Python图像处理库PIL的基本概念介绍
- 图像处理的一些基本概念
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理基本概念——卷积,滤波,平滑
- 图像处理的基本概念
- 数字图像处理的基本概念
- /LGC图形渲染/图像处理之基本概念和思想