数字图像处理_图像的采样和量化

基础知识储备

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。


量化;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。灰度级一般为0-255(8bit量化)。
量化示意图(a)为量化过程(b)为量化为8bit

在现实生活中,采集到的图像都需要经过离散化变成数字图像后才能被计算机识别和处理。


二维图像的成像过程
采样又可分为均匀采样和非均匀采样。
图像均匀采样量化——像素灰度值在黑白范围较均匀分布的图像。
图像非均匀采样量化——对图像中像素灰度值频繁出现的灰度值范围,量化间隔取小一些,而对那些像素灰度值极少出现的范围,则量化间隔取大一些。

编程处理

MATLAB对图像进行采样处理

 1 %2.1图像的采样处理
 2 f1=imread(‘C:\Users\Administrator\Desktop\lenagray.jpg‘);
 3 figure(1);
 4 subplot(2,2,1);
 5 imshow(f1)
 6 title(‘512*512‘)
 7 f2=f1(1:2:end,1:2:end);%每2位采集1位
 8 subplot(2,2,2)
 9 imshow(f2)
10 title(‘256*256‘)
11 f3=f1(1:4:end,1:4:end);%每4位采集1位
12 subplot(2,2,3)
13 imshow(f3)
14 title(‘128*128‘)
15 f4=f1(1:8:end,1:8:end);%每8位采集1位
16 subplot(2,2,4)
17 imshow(f4)
18 title(‘64*64‘)

结果截图

MATLAB对图像进行量化处理

%2.2图像量化
figure(2);
f64=histeq(f1,64);%将图像的灰度级数改为64
subplot(2,2,1);
imshow(f64)
title(‘64*64‘)
f32=histeq(f2,32);%将图像的灰度级数改为32
subplot(2,2,2);
imshow(f32)
title(‘32*32‘)
f16=histeq(f3,16);%将图像的灰度级数改为16
subplot(2,2,3);
imshow(f16)
title(‘16*16‘)
f8=histeq(f4,8);%将图像的灰度级数改为8
subplot(2,2,4);
imshow(f8)
title(‘8*8‘)

结果截图

原文地址:https://www.cnblogs.com/henuliulei/p/10496306.html

时间: 2024-11-05 20:41:30

数字图像处理_图像的采样和量化的相关文章

数字图像处理_图像二值化_jzcjedu

皮卡丘:“师兄! ” 师兄:“干嘛…?” 皮卡丘:“你帮我看看这个,这是我打车的发票,看起来有点不太清晰,老板说不给我报销…” 师兄:“你仿佛在特意逗我笑,这不是很清楚嘛!!! ” 皮卡丘:“我老板有强迫症,他说这个扫描之后不清楚,让我弄清晰点再给他,不然就不给我钱.师兄,你一定要帮我呀,不然以后都不能打车了.” 师兄:“不急,我先看看,我记得当初张康老师教过我对于这种信噪比很高的图像你要提取出想要的信息的话用二值化处理又简单又方便.“ 皮卡丘:“这样啊,快弄给我看看.“ 稍等,我开一下MATL

数字图像处理_图像基本运算

图像基本运算 1点运算 线性点运算是指输入图像的灰度级与输出图像呈线性关系.s=ar+b  (r为输入灰度值,s为相应点的输出灰度值).  当a=1,b=0时,新图像与原图像相同:  当a=1,b≠0时,新图像是原图像所有像素的灰度值上移或下移,是整个图像在显示时更亮或更暗:  当a>1时,新图像对比度增加:  当a<1时,新图像对比度降低:  当a<0时,暗区域将变亮,亮区域将变暗,点运算完成了图像求补: 非线性点运算是指输入与输出为非线性关系,常见的非线性灰度变换为对数变换和幂次变换

【数字图像处理】图像的平滑处理

图像平滑的目的 模糊:在提取较大目标前,去除太小细节,或将目标内的小间断连接起来. 消除噪声:改善图像质量,降低干扰. 平滑处滤波对图像的低频分量增强,同时削弱高频分量,用于消除图像中的随机噪声,起到平滑作用. 图像平滑处理的基本方法 领域平均法 领域加权平均法 选择式掩模法 中值滤波 领域平均法 模板在图像上移动,模板的中心对应目标像素点,在模板范围内对目标像素点进行卷积运算(对应系数乘对应像素点),然后相加除上模板大小得到均值,这个均值就是目标像素点处理后的值. 如图,对5行四列的图像进行3

【数字图像处理】图像细化处理

图像细化 细化技术:把一个平面区域简化成图的结构形状表示法骨架:一种细化结构,它是目标的重要拓扑描述,具有非常广泛的应用.在图像识别或数据压缩时,经常用细化结构.例如:在识别字符之前,往往要先对字符作细化处理,求出字符的细化结构.细化的作用:目的将图像的骨架提取出来的同时,保持图像细小部分的连通性,对被处理的图像进行细化有助于突出形状特点和减少冗余信息量. 细化算法 细化算法:采取逐次去除边界的方法进行的,不能破化图像的连通性.通常选择一组结构元素对,不断在这些结构对中循环,如果所得结果不再变化

数字图像处理,图像锐化算法的C++实现

http://blog.csdn.net/ebowtang/article/details/38961399 之前一段我们提到的算法都是和平滑有关, 经过平滑算法之后, 图像锐度降低, 降低到一定程度, 就变成了模糊. 今天我们反其道行之, 我们看看锐化是怎么做的. 这里的锐化, 还是的从平滑谈开去.我们先来观察原来的图像和平滑图像的区别: 原图 raw: 模糊图 blur: _________________________________________________________ 源图

MATLAB图像处理_图像的白平衡算法(灰色世界法)

白平衡,即所谓的白色的平衡. 白平衡的算法有很多,这里记录的是最简单实用的白平衡算法,即灰色世界法! 灰度世界算法(Gray World)是以灰度世界假设为基础的,该假设认为对于一幅有着大量色彩变化的图像, R. G. B 三个分量的平均值趋于同一个灰度K. 下面是具体的算法代码: RGB=imread('test.jpg'); R = RGB(:,:,1); G = RGB(:,:,2); B = RGB(:,:,3); Rx4 = RGB(:,:,1)*4; Gx4 = RGB(:,:,2)

数字图像处理:图像的灰度变换(Matlab实现)

(1)线性变换:通过建立灰度映射来调整源图像的灰度. k>1增强图像的对比度:k=1调节图像亮度,通过改变d值达到调节亮度目的:0 i = imread('theatre.jpg');i = im2double(rgb2gray(i));[m,n]=size(i);%增加对比度Fa = 1.25; Fb = 0;O = Fa.*i + Fb/255;figure(1), subplot(221), imshow(O);title('Fa = 1.25, Fb = 0, contrast incr

【数字图像处理】图像边缘锐化之微分运算

图像边缘锐化处理的目的 突出图像的细节,或者增强被模糊的细节,增强图像边缘,便于提取目标物体的边界,对图像进行分割.目标区域识别.区域形状提取等为图像理解和分析打下基础. 图像边缘锐化的基本方法 微分运算 梯度锐化 边缘检测 图像边缘类型 通常,边缘上的灰度变化平缓,而边缘两侧灰度较快.图像的边缘一般是指在局部不连接的图像特征.一般是局部亮度变化最显著的部分,灰度值的变化.颜色分量的突变都可构成边缘信息. 微分运算 我们用微分来定义两个像素点之间的变化率,两个像素点之间差值小,说明不是边界,差值

【数字图像处理】图像开运算与闭运算

图像开启与闭合 图像开运算与闭运算与膨胀和腐蚀运算有关,由膨胀和腐蚀两个运算的复合与集合操作(并.交.补等)组合成的所以运算构成. 开运算与闭运算依据腐蚀和膨胀的不可逆性,演变而来.开运算:先对图像腐蚀后膨胀闭运算:先对图像膨胀后腐蚀注意:使用同一个结构元素. 图像开运算 开运算:能够去除孤立的小点.毛刺和小桥(即连通两块区域的小点),消除小物体.平滑较大物体的边界,同时并不明显改变其面积.不过这一恢复不是信息无损的,即它们通常不等于原始图像. 开运算的效果图如下图所示: 开运算总结: (1)开