0≤r（x,y）≤1
对于消色光图像（有些文献称其为单色光图像），f（x,y）表示图像在坐标点（x,y）的灰度值l，且：
l=f（x,y）（2.5）
这种只有灰度属性没有彩色属性的图像称为灰度图像。
由式（2.4），显然有：
Lmin≤l≤Lmxa（2.6）
区间[Lmin，Lmax]称为灰度的取值范围。
在实际中，一般取Lmin的值为0，这样,灰度的取值范围就可表示成[0，Lmax]。
*2.图像数字化
当一幅图像的x和y坐标及幅值f都为连续量时，称该图像为连续图像*。
为了把连续图像转换成计算机可以接受的数字形式，必须先对连续的图像进行空间和幅值的离散化处理。
（1）图像的采样：
对图像的连续空间坐标x和y的离散化。
（2）图像灰度级的量化：
对图像函数的幅值f的离散化。
*均匀采样：
对一幅二维连续图像f（x,y）的连续空间坐标x和y的均匀采样，实质上就是把二维图像平面在x方向和y方向分别进行等间距划分，从而把二维图像平面划分成M×N个网格，并使各网格中心点的位置与用一对实整数表示的笛卡尔坐标（I,j）相对应。
二维图像平面上所有网格中心点位置对应的有序实整数对的笛卡尔坐标的全体就构成了该幅图像的采样结果。
*均匀量化：
对一幅二维连续图像f（x,y）的幅值f的均匀量化，实质上就是将图像的灰度取值范围[0，Lmax]划分成L个等级（L为正整数，Lmax=L-1），并将二维图像平面上M×N个网格的中心点的灰度值分别量化成与L个等级中最接近的那个等级的值。
**采样、量化参数与数字化图像间关系P19
*数字图像的表示:
为了描述上的方便,本书仍用f（x,y）表示数字图像。
设x∈[0，M-1]，y∈[0，N-1]，f∈[0，L-1]，则数字图像可表示成式（2.7）形式的一个M×N的二维数字阵列。
每个（x,y）对应数字图像中的一个基本单元，称其为图像元素（pictureelement），简称为像素（pixel）；且一般取M、N和的灰度级L为2的整次幂，即：
M=2~m（2.8）
N=2~n（2.9）
L=2~k（2.10）
这里，m、n和k为正整数。
**空间分辨率
（1）空间分辨率是图像中可分辨的最小细节，主要由采样间隔值决定。
（2**）一种常用的空间分辨率的定义*是单位距离内可分辨的最少黑白线对数目（单位是每毫米线对数），比如每毫米80线对。
另外，当简单地把矩形数字化仪的尺寸看作是“单位距离”时，就可把一幅数字图像的阵列大小M×N称为该幅数字图像的空间分辨率。
（3）对于一个同样大小的景物来说，对其进行采样的空间分辨率越高，采样间隔就越小，景物中的细节越能更好地在数字化后的图像中反映出来，也即反应该景物的图像的质量就越高。
（4）一幅数字图像的阵列大小（简称为图像大小）通常用M×N表示。
在景物大小不变的情况下，采样的空间分辨率越高，获得的图像阵列M×N就越大；反之，采样的空间分辨率越低，获得的图像阵列M×N就越小。
在空间分辨率不变的情况下，图像阵列M×N越大，图像的尺寸就越大；反之，图像阵列M×N越小，图像的尺寸就越小。
**采样数（1、2）、空间分辨率（3）变化对图像视觉效果的影响：
（1）在图像的空间分辨率不变（这里指线对宽度不变）的情况下，采样越少，图像越小。
（2）在景物大小不变的情况下，图像阵列M*N越小，图像的尺寸越小。
（3）随着空间分辨率的降低，图像中的细节信息在逐渐损失，棋盘格似的粗颗粒像素点变得越来越明显。
由此也说明，图像的空间分辨率越低，图像的视觉效果越差。
**灰度分辨率
灰度级分辨率是指在灰度级别中可分辨的最小变化，通常把灰度级级数L称为图像的灰度级分辨率。
**灰度分辨率变化对图像视觉效果的影响：
随着灰度分辨率的降低，图像的细节信息在逐渐损失，伪轮廓信息在逐渐增加。
图中由于伪轮廓信息的积累，图像已显现出了木刻画的效果。
由此也说明：
灰度分辨率越低，图像的视觉效果越差。
**3.灰度直方图
图像的灰度直方图，是一种表示数字图像中各级灰度值及其出现频数的关系的函数。
设一幅数字图像的灰度级范围为[0,L-1]，则该图像的灰度直方图可定义为：
h（rk）=nk（r=0,1,2,…,L-1）（2.19）
其中，rk表示第k级灰度值，h（rk）和nk表示图像中灰度值为rk的像素个数。
**灰度直方图具有如下一些特征：
（1）直方图仅能描述图像中每个灰度级具有的像素个数,不能表示图像中每个像素的位置（空间）信息；
（2）任一特定的图像都有惟一的直方图，不同的图像可以具有相同的直方图；
（3）对于空间分辨率为M×N，且灰度级范围为[0，L-1]的图像，有关系：
（L-1）求和符（j=0）=M×N（2.20）
（4）如果一幅图像由两个不连接的区域组成，则整幅图像的直方图等于两个不连接的区域的直方图之和。
*显示分辨率是指显示屏上能够显示的数字图像的最大像素行数和最大像素列数，取决于显示器上所能够显示的像素点之间的距离。
*图像分辨率反映了数字化图像中可分辨的最小细节，也即图像的空间分辨率。
在这里将图像分辨率看成是图像阵列的大小。
同一显示器（或显示分辨率相同的不同显示器）显示的图像大小只与被显示的图像（阵列）的空间分辨率大小有关，与显示器的显示分辨率无关。
换句话说，具有不同空间分辨率的数字图像在同一显示器上的显示分辨率相同。
当同一幅图像（或图像分辨率相同的不同图像）显示在两个不同显示分辨率的显示器上时，显示的图像的外观尺寸与显示器的显示分辨率有关：
显示分辨率越高，显示出的图像的外观尺寸越小；显示分辨率越低，显示出的图像的外观尺寸越大。
*光分辨率是指显示系统在每个像素位置产生正确的亮度或光密度的精度，部分地依赖于控制每个像素亮度的比特数。
*灰度分辨率是指在灰度级别中可分辨的最小变化,一般把灰度级数L称为数字图像的灰度级分辨率。
**位映像，是指一个二维的像素阵列。
**位图，是指采用位映像方法显示和存储的图像。
**位映像设备，是指把位映像形式的二维像素阵列图像，按先行后列的顺序，通过逐像素地重复扫描的方式来显示位图的设备（显示器）。
*4.图像数据结构&文件格式
*常用的图像文件格式有：
BMP、GIF、TIFF、PCX、JPEG等。
*BMP文件（BitmapFile）是一种Windows采用的点阵式图像文件格式。
**BMP图像文件的组成：
（1）位图文件头（BitmapFileHeader）标识名称：
（BITMAPFILEHEADER）：
说明文件的类型和位图数据的起始位置等，共14个字节。
（2）位图信息头（BitmapInformationHeader）（BITMAPINFORMATION）：
说明位图文件的大小、位图的高度和宽度、位图的颜色格式和压缩类型等信息。
共40个字节。
（3）位图调色板（BitmapPalette）（RGBOUAD）：
由位图的颜色格式字段所确定的调色板数组，数组中的每个元素是一个RGBQUAD结构，占4个字节。
（4）位图数据（BitmapData）（BYTE）：
位图数据，位图的压缩格式确定了该数据阵列是压缩数据或是非压缩数据。
*图像的位图数据表示的图像共有biWidth×biHeight个像素。
*图像的位图数据是按行存储的，每一行的字节数按照4字节边界对齐,也即每一行的字节数是4的倍数，不足的字节用0补齐。
*图像的位图数据是按行从下到上、从左到右排列的。
也就是说，从图像的位图数据中最先读到的是图像最下面一行的最左边的像素，最后读到的是图像最上面一行的最右边的一个像素。
存储一幅M×N的数字图像，需要的存储位数为：
b=M×N×k（2.11）
字节数为：
B=b/8
*5.几种具体算法
第四章图像增强
1.熟悉基本概念、空间域图像增强的原理、方法及其特点；
2.了解频率域图像增强的方法及其实现过程；
3.重点掌握直方图修正方法、特点及其应用；空间域平滑、锐化技术。
*图像增强的应用及其分类
像处理最基本的目的之一是改善图像，而改善图像最常用的技术就是图像增强
*图像增强有两大类应用
改善图像的视觉效果，提高图像清晰度
突出图像的特征，便于计算机处理。
*图像增强按作用域分为两类，即空域处理和频域处理。
*频域处理则是在图像的某个变换域内，对图像的变换系数进行运算，然后通过逆变换获得图像增强效果。
*频域处理与时域处理的异同：
同：
都是一种图像处理方法；异：
时域处理是根据图像的时间函数对图像的不同时间特进行处理，而频域处理是针对图像的频谱。
**图像增强的内容：
（1）消除噪声，改善图像的视觉效果
（2）突出边缘，有利于识别和处理
*1.图像增强的点运算
对一副输入图像，经点运算将产生一副输出图像，后者的每个像素的灰度值仅由输入像素的值决定。
（1）对比度增强
（2）对比度拉伸（3）灰度变换
*
（1）灰度级校正：
对每个像素的校正
*
（2）灰度变换法：
使图像动态范围增大，对比度扩展，图像更加清晰，特征明显，是图像增强重要手段之一。
<1>线性变换
<2>非线性变换
*（3）直方图修正法
**<1>直方图均衡化:
P68-71通过对原图像进行某种变换使原图像的灰度直方图修正为均匀的直方图的一种方法。
*图象均衡化处理后，图象的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图象看起来就更清晰了。
*直方图均衡化实质上是减少图象的灰度级以换取对比度的加大。
*在均衡过程中，原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。
*若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。
***均衡化表格：
书例1
*<2>直方图规定化（看书）
*2.图像的空间域平滑（重点是多幅图像平均法&中值滤波，其余的就是课上的）
*目的：
通过积分使图像边缘变得模糊
**中值滤波法
用局部中值代替局部平均值
令[f（x,y）]--原始图象阵列，
[g（x,y）]--中值滤波后图象阵列，
f（x,y）--灰度级，
g（x,y）--以f（x,y）为中心的窗口内各象素的灰度中间值。
**中值滤波的特性
（1）对离散阶约信号、斜升信号不产生影响
（2）连续个数小于窗口长度一半的离散脉冲将被平滑（3）三角函数的顶部平坦化（4）中值滤波后，信号频率谱基本不变
（2）优点：
1、在平滑脉冲噪声方面非常灵敏，同时可以保护图像尖锐的边缘。
2、不影响阶跃信号、斜坡信号，连续个数小于窗口长度一半的脉冲受到抑制，三角波信号顶部变平。
（3）缺点：
1、对于高斯噪声不如均值滤波。
2、图像中点、线、尖角等细节较多，则不宜采用中值滤波。
#均值滤波：
（1）优点：
把每个像素都用周围的8个像素做均值操作，平滑图像速度快、算法简单。
（2）缺点：
1、在降低噪声的同时，使图像产生模糊，特别是边缘和细节处，而且模糊尺寸越大，图像模糊程度越大。
2、对椒盐噪声的平滑处理效果不理想。
**3.图像的锐化（看书）：
通过微分突出边缘和轮廓信息。
*图像的锐化之微分法
*常用的梯度算子
（1）Roberts（0*-1//10），（-1*0//01）；各向同性；对噪声敏感；模板尺寸为偶数，中心位置不明显。
（2）Prewitt（-101//-10*1//-101），（-1-1-1//00*0//111）；引入了平均因素，对噪声有抑制作用；操作简便。
（3）Sobel（-101//-20*2//-101），（-1-2-1//00*0//121）；引入了平均因素，增强了最近像素的影响，噪声抑制效果比Prewitt好。
（4）Krisch（-3-35//-30*5//-3-35）；（-3-3-3//-30*-3//555）；噪声抑制作用较好；需求出8个方向的响应（这里只给出2个模板）
（5）IsotropicSobel（-101//-根20*根2//-101），（-1–根2-1//00*0//1根21）；权值反比于邻点与中心店的距离，检测沿不用方向边缘时梯度幅度一致，即具有各向同性。
#4.频率域增强（书）
*5.彩色增强技术
**彩色图像增强：
在得到的彩色图像中，有时会存在对比度低、颜色偏暗、局部细节不明显等问题，为了改善图像的视觉效果、突出图像的特征，利于进一步的处理，需要对图像进行增强处理。
**彩色图像增强分类：
对于彩色图像的增强依据处理对象的不同可分为：
真彩色增强（分为亮度增强、色调增强和饱和度增强三种）、伪彩色增强和假彩色增强三类。
**伪彩色增强：
（1）伪彩色增强的处理对象是灰度图像。
（2）定义：
伪彩色增强就是将一幅具有不同灰度级的图像通过一定的映射转变为彩色图像，来达到增强人对图像的分辨能力。
（3）分类：
伪彩色增强可分为空域增强和频域增强两种，在这两种算法中，密度分层法、灰度级-彩色变换法和频率滤波法是三种较为常用的算法。
*假彩色增强：
（1）定义：
假彩色增强是从一幅初始的彩色图像或者从多谱图像的波段中生成增强的彩色图像的一种方法，其实质是从一幅彩色图像映射到另一幅彩色图像，由于得到的彩色图像不再能反映原图像的真实色彩，因此称为假彩色增强。
（2）其意义在于：
1、把图像中的景物赋以与现实不同的颜色，以达到引人注目的目的。
2、对于一些细节特征不明显的彩色图像，可以利用假彩色增强将这些细节赋以人眼敏感的颜色，以达到辨别图像细节的目的。
适应人眼对颜色的灵敏度，提高鉴别能力。
如人眼对绿色亮度响应最灵敏，可把细小物体映射成绿色。
人眼对蓝光的强弱对比灵敏度最大。
可把细节丰富的物体映射成深浅与亮度不一的蓝色3、在遥感技术中，利用假彩色图像可以将多光谱图像合成彩色图像，使图像看起来逼真、自然，有利于对图像进行后续的分析与解译。
**伪彩色与假彩色处理：
伪彩色（pseudocolor）处理：
把黑白图象处理成伪彩色图象。
假彩色（falsecolor）处理：
把真实的自然彩色图象或遥感多光谱图象处理成假彩色图象。
***伪彩色与假彩色的区别和联系：
（1）伪彩色，相当于假彩色的一个特例，也就是指定某灰度为某种彩色。
（2）通常这种指定最多为16级左右，最高也不超过30级，否则指定彩色太多无法记忆和区分。
（3）当每个像元可指定的彩色数目对红、绿、蓝分别达到256种时，也就是变为模拟自然彩色的假彩色了。
（4）因此假彩色和伪彩色指定是很难严格区分的。
通常把黑白图像作少量彩色映射时叫伪彩色指定。
#6.图像代数运算：
相加：
C（x,y）=A（x,y）+B（x,y），其中C（x,y）为输出图像，A（x,y）、B（x,y）为输入图像。
对同一场景的多幅图像求平均，常常用来减少图像的随机噪声
减运算：
又称为减影技术，指对同一景物在不同时间拍摄的图像或同一景物在不同波段的图像进行相减。
提供图像间的差异信息，能用以动态监测、运动目标监测和跟踪、图像背景消除及目标识别等。
乘运算：
可用来遮掉图像的某些部分。
使用一掩模图像（对需要被完整保留下来的区域，掩模图像上的值为1，而对被抑制掉的区域则值为0），去乘图像，可抹去图像的某些部分，即该部分值为0。
除运算：
图像相除又称比值处理，是遥感图像处理中常用的方法。
可以利用比值图像使图像中各类地物均值拉开，方差缩小，从而易于区别各类。
第七章图像分割（以书为主）
**图像分析：
是一种通过对图像中不同对象进行分割（把图像分为不同区域或目标物）来对图像中目标进行分类和识别的技术。
**图像分割：
图像分割就是依据图像的灰度、颜色、纹理、边缘等特征，把图像分成各自满足某种相似性准则或具有某种同质特征的连通区域的集合的过程。
**图像分割的依据和方法：
（1）图像分割的依据是各区域具有不同的特性，这些特性可以是灰度、颜色、纹理等。
而灰度图像分割的依据是基于相邻像素灰度值的不连续性和相似性。
也即，子区域内部的像素一般具有灰度相似性，而在区域之间的边界上一般具有灰度不连续性。
（2）灰度图像分割是图像分割研究中最主要的内容，其本质是按照图像中不同区域的特性，将图像划分成不同的区域。
*基于边缘检测的图像分割方法的基本思路是先确定图像中的边缘像素，然后就可把它们连接在一起构成所需的边界。
*图像边缘：
图像的边缘是指图像灰度发生空间突变的象素的集合。
*图像中的边缘可以通过对它们求导数来确定，而导数可利用微分算子来计算。
对于数字图像来说，通常是利用差分来近似微分。
**图像边缘的两个特征：
方向和幅度
（1）沿边缘走向，像素值变化比较平缓；
（2）沿垂直于边缘的走向，像素值则变化比较剧烈。
（3）一般常用一阶和二阶导数来描述和检测边缘。
（4）上升阶跃边缘、下降阶跃边缘、脉冲状边缘、屋顶边缘。
**Hogh（哈夫）变换的基本思想：
是将图像空间X-Y变换到参数空间P-Q，利用图像空间X-Y与参数空间P-Q的点－线对偶性，通过利用图像空间X-Y中的边缘数据点去计算参数空间P-Q中的参考点的轨迹，从而将不连续的边缘像素点连接起来，或将边缘像素点连接起来组成封闭边界的区域，从而实现对图像中直线段、圆和椭圆的检测。
**最小误差分割（最佳阈值）
**在假定p1（Z）和p2（Z）均为正态分布函数时，进行最佳阈值的计算
**图像特征提取
（1）图像特征提取是图像处理研究中的重要内容，而图像特征提取的关键则是图像特征的描述和定义。
（2）图像的人工特征是指人们为了便于对图像进行处理和分析而人为认定的特征，比如图像直方图和图像频谱等。
（3）自然特征是指图像固有的特征，比如图像中的边缘、纹理、形状和颜色等。
**图像分类的概念
物体识别从根本上讲就是为物体标明类别，更通用的说法就是图像分类，是一种将图像中的所有像元或区域按其性质分为若干类别中的一类，或若干专题要素中的一种的技术过程。
**图像分类的技术层次：
（1）人工目视解译方法。
也即凭借成像机理、光谱规律、地学规律、生物学规律和人的知识和经验，从影像的亮度、色调、位置、时间、纹理、结构等特征推断出图像中景物的类型。
（2）计算机识别分类方法。
也即根据图像中地物信息和数据特征的差异和变化，通过计算机对图像的处理和定量分析，实现对图像中地物属性的识别和分类，以便给出图像中地物的识别分类结果。
**一般情况下提到的图像分类概念就是指基于
升级会员 