数字图像处理

1.基本概念

1. 图像分类

  1. 模拟图像:连续变化的函数
  2. 数字图像:离散的矩阵表示
    • 二值图像:只有0、1 (黑、白)
    • 灰度图像:像素取值是 0-255 ,有中间过度。
    • 彩色(索引)图像:两个矩阵,一个就是灰度图像的矩阵,另外一个是颜色映像表矩阵对应使用。
    • GRB彩色图像:每个像素由 RGB 组成。这是九个像素点,每个像素点有2^24中可能,所以也叫做24位真彩。

2. 图像概念

  • 灰度级:表示图像的明暗程度(例如:像素的取值范围为0-255,就称该图像为256个灰度级的图像)
  • 量化级别:表示图像实际拥有的灰度级的数量(例如:具有32种不同取值的图像,可称该图像具有32个量化级别)图像数据的实际量化级别越多,视觉效果就越好,主要就是看起来过度很平滑,没有断层。
  • 数字图像处理:对数字图像信息进行加工(处理)和分析,以满足人的视觉、心理需要;或者实际应用或某种目的(如机器识别)的要求。
  • 分辨率:分辨率就是图像的 水平方向的像素点数*垂直方向的像素点数
  • 图像深度:一个像素点的颜色灰度所占用的二进制位的个数,如 RGB 是 256 256 256 也就是 2^24 称为 24 位真彩色。
  • 图像数据量:图片占的磁盘空间。

3. 影响清晰度的因素包括

    1. 亮度
    2. 对比度
    3. 尺寸大小
    4. 细微层次
    5. 颜色饱和度

4. 图像处理的层次:

  1. 图像处理:对图像进行处理加工以改善视觉效果。他是一个图像到图像的过程。(比如:图像增强)
  2. 图像分析:以感兴趣的部分进行提取分隔和测量。他是一个图像到数据的过程。(比如:图像分割)
  3. 图像理解:分析的基础上做含义的理解。(比如:虹膜识别,人体识别)

2. Matlab 基础

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI研习社

博客 | 基于深度学习的目标检测算法综述(二)

目标检测(Object Detection)是计算机视觉领域的基本任务之一,学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展,目标检测算法也从基...

1974
来自专栏量子位

机器学习萌新必学的Top10算法

在机器学习领域里,不存在一种万能的算法可以完美解决所有问题,尤其是像预测建模的监督学习里。 ? 比方说,神经网络不见得比决策树好,同样反过来也不成立。 最后的结...

3306
来自专栏张宏顺的专栏

对 HEVC CU深度快速选择方法的思考和实践

本文主要讲解了HEVC中CU深度的快速选择方法,分析了当前编码中存在的问题,提出解决方案,并给出了具体的实践流程,及得到的收益。

5562
来自专栏机器之心

深度 | 一文介绍3篇无需Proposal的实例分割论文

选自Medium 作者:Bar Vinograd 机器之心编译 参与:Nurhachu Null、黄小天 本文解析了实例分割领域中的三篇论文,它们不同于主流的基...

3505
来自专栏AI研习社

机器学习经典算法优缺点总结

决策树:判别模型,多分类与回归,正则化的极大似然估计 特点: 适用于小数据集,在进行逐步应答过程中,典型的决策树分析会使用分层变量或决策节点,例如,可将一个给定...

2998
来自专栏数据派THU

机器学习Top10算法,教你选择最合适的那一个!

本文共3800字,建议阅读6分钟。 选什么算法?本文为你梳理TOP10机器学习算法特点。

872
来自专栏机器之心

资源 | 来自独秀同学的深度网络数学笔记,还不快收藏?

如今,我们已经拥有了许多高级的、专业的神经网络程序库和框架,例如:Keras、TensorFlow 或 Pytorch。我们不需要时刻担心权值矩阵的规模,也不需...

612
来自专栏磐创AI技术团队的专栏

干货 | 基于深度学习的目标检测算法综述(二)

目标检测(Object Detection)是计算机视觉领域的基本任务之一,学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展,目标检测算法也从基...

1352
来自专栏CVer

大牛分享 | 基于深度学习的目标检测算法综述(二)

1. Two/One stage算法改进。这部分将主要总结在two/one stage经典网络上改进的系列论文,包括Faster R-CNN、YOLO、SSD等...

900
来自专栏机器之心

离散优化代替反向传播:Pedro Domingos提出深度学习新方向

3486

扫码关注云+社区