《数字图像处理 Digital Image Processing》课程教学资源（课件讲稿）第2章 数字图像处理基础

第2章数字图像处理基础 ◆2.1 色度学基础 ◆2.2 人的视觉特性 ◆2.3 图像数字化 ◆2.4数字图像表示形式和特点 ◆2.5本章小结 Digital Image Processing

Digital Image Processing Digital Image Processing ◆2.1 色度学基础 ◆2.2 人的视觉特性 ◆2.3 图像数字化 ◆2.4 数字图像表示形式和特点 数字图像表示形式和特点 ◆2.5 本章小结 第2章 数字图像处理基础 数字图像处理基础

2.1色度学基础 o三基色原理 人眼的视网膜上存在有大量能在适当亮度下分辨颜色的锥 状细胞，它们分别对应红、绿、蓝三种颜色，即分别对红光、 绿光、蓝光敏感。由此，红(R)、绿(G)、蓝(B)这三种颜 色被称为三基色。 根据人眼的三基色吸收特性，人眼所感受到的颜色其实是 三种基色按照不同比例的组合。 则任一彩色C可表示为： C=R (R)+G(G)+B (B) (2.1.1) Digital Image Processing

Digital Image Processing Digital Image Processing ◘三基色原理 人眼的视网膜上存在有大量能在适当亮度下分辨颜色的锥 人眼的视网膜上存在有大量能在适当亮度下分辨颜色的锥 状细胞，它们分别对应红、绿、蓝三种颜色，即分别对红光、 状细胞，它们分别对应红、绿、蓝三种颜色，即分别对红光、 绿光、蓝光敏感。由此，红（ 绿光、蓝光敏感。由此，红（R）、绿（G）、蓝（B）这三种颜 色被称为三基色。 色被称为三基色。 根据人眼的三基色吸收特性，人眼所感受到的颜色其实是 根据人眼的三基色吸收特性，人眼所感受到的颜色其实是 三种基色按照不同比例的组合。 三种基色按照不同比例的组合。 则任一彩色C可表示为： C = R（R）+ G（G）+ B（B） (2.1.1) (2.1.1) 2.1 色度学基础

2.1色度学基础 颜色模型 各种表示颜色的方法，称做颜色模型。目前使用最多 的是面向机器（如显示器、摄像机、打印机等）的RGB模型 和面向颜色处理（也面向人眼视觉)的HSI(HSV)模型。 Digital Image Processing

Digital Image Processing Digital Image Processing ◘颜色模型 各种表示颜色的方法，称做颜色模型。目前使用最多 各种表示颜色的方法，称做颜色模型。目前使用最多 的是面向机器（如显示器、摄像机、打印机等）的 的是面向机器（如显示器、摄像机、打印机等）的RGB模型 和面向颜色处理（也面向人眼视觉）的 和面向颜色处理（也面向人眼视觉）的HSI（HSV）模型。 2.1 色度学基础

2.1色度学基础 RGB模型： 在三维直角坐标系中，用相互垂直的三个坐标轴代表R、 G、B三个分量，并将R、G、B分别限定在[0,1]，则该单位正 方体就代表颜色空间，其中的一个点就代表一种颜色。如下图 所示。 其中，r、g、b、c、m和y分别代表红色(red)、绿色 (green)、蓝色(blue)、青色(cyan)、品红(magenta) 和黄色(yellow)。 Digital Image Processing

Digital Image Processing Digital Image Processing RGB模型： 在三维直角坐标系中，用相互垂直的三个坐标轴代表 在三维直角坐标系中，用相互垂直的三个坐标轴代表R、 G、B三个分量，并将 三个分量，并将R、G、B分别限定在[0,1]，则该单位正 方体就代表颜色空间，其中的一个点就代表一种颜色。如下图 方体就代表颜色空间，其中的一个点就代表一种颜色。 所示。 其中，r、g、b、c、m和y分别代表红色（ 分别代表红色（red）、绿色 （green）、蓝色（blue）、青色（cyan）、品红（magenta magenta） 和黄色（yellow）。 2.1 色度学基础

2.1色度学基础 B (0,0,1) b 白 m 黑 (0,1,0) g ---G (1,0,0) r y R RGB频色模型 Digital Image Processing

Digital Image Processing Digital Image Processing RGB颜色模型 2.1 色度学基础 黑 白

2.1色度学基础 HSI模型： HSI模型利用颜色的三个属性色调H(hue)、饱和度S (saturation)和亮度I（intensity)组成一个表示颜色的圆柱 体，如下图所示。 白 绿 红 H 蓝 120° S 0° 240° Digital Image Processing

Digital Image Processing Digital Image Processing 2.1 色度学基础 HSI模型： HSI模型利用颜色的三个属性色调 模型利用颜色的三个属性色调H（hue）、饱和度S （saturation saturation）和亮度I（intensity intensity）组成一个表示颜色的圆柱 ）组成一个表示颜色的圆柱 体 ，如下图所示。 240° 120° 0°

2.1色度学基础 RGB和HIS之间的模型转换： (1) RGB转换到HSI (2) HSI转换到RGB 常见数字图像处理流程，其中包含了RGB模型和HSI模型之间 的转换。 分量 I分量图 像处理 原 RGB模型 HSI S分量 RGB 结果 图 模型变换 模型变换 图像 像 H分量 Digital Image Processing

Digital Image Processing Digital Image Processing 2.1 色度学基础 RGB和HIS之间的模型转换： （1） RGB转换到HSI （2） HSI转换到RGB 常见数字图像处理流程，其中包含了 常见数字图像处理流程，其中包含了RGB模型和HSI模型之间 的转换。 RGB模型 HSI 模型变换 I分量图 像处理 H分量 S分量 I分量 RGB 模型变换 原 图 像 结果 图像

2.2人的视觉特性 口人眼的构造与机理要点 人眼的机理与照相机类似： (1)瞳孔：透明的角膜后是不透明的虹膜， 太阳穴的一侧 巩 虹膜中间的圆孔称为孔，其直径可调节，控 脉络膜 制进入人眼内之光通量（照帽凯光圆作同。 虹膜 中央凹 (2)晶状体：瞳孔后是一扁球形弹性透明 角膜 晶体 视轴 体，其曲率可调节，以改变焦距，使不同距离 的图在视网膜上成象（雕相机远就作用。 光学神经 视网膜 (3)视细胞：视网膜上桌中了大量视细胞， 分为两类： 鼻的一侧 Digital Image Processing

Digital Image Processing Digital Image Processing ◘ 人眼的构造与机理要点 人眼的构造与机理要点 人眼的机理与照相机类似： （1）瞳孔：透明的角膜后是不透明的虹膜， 虹膜中间的圆孔称为瞳孔，其直径可调节，控 制进入人眼内之光通量(照相机光圈作用)。 （2）晶状体：瞳孔后是一扁球形弹性透明 体，其曲率可调节，以改变焦距，使不同距离 的图在视网膜上成象 (照相机透镜作用)。 （3）视细胞：视网膜上集中了大量视细胞， 分为两类： 2.2 人的视觉特性

2.2人的视觉特性 ▣人眼的构造与机理要点（续） (3)视细胞：视网膜上来中了大量视细胞， 分为两类： 锥状细胞：明视细胞，在强光下检测亮度和颜色； 杆（柱）状细胞：暗视细胞，在弱光下检测亮度，无色彩感觉。 其中，每个锥状视细胞连接着一个视神经末梢，故分辨率高， 分辨细节、颜色；多个杆状视细胞连接着一个视神经末梢，故分辨 率低。仅分辨图的轮廓。 (4) 人眼成象过程： 生理电信号 光信号 视细胞 视神经 视神经中枢 ·大脑成像 Digital Image Processing

Digital Image Processing Digital Image Processing ◘ 人眼的构造与机理要点（续） 人眼的构造与机理要点（续） （3）视细胞：视网膜上集中了大量视细胞，分为两类： 锥状细胞：明视细胞，在强光下检测亮度和颜色； 杆(柱)状细胞：暗视细胞，在弱光下检测亮度，无色彩感觉。 其中，每个锥状视细胞连接着一个视神经末梢，故分辨率高， 分辨细节、颜色；多个杆状视细胞连接着一个视神经末梢，故分辨 率低，仅分辨图的轮廓。 （4） 人眼成象过程： 2.2 人的视觉特性

2.2人的视觉特性 ¤人的视觉模型 ■点光源的表示函数 点源可以用δ函数表示，表示平面图像的二维δ函数 为： ∫∫δ(x,y)dd=l {0“ ,x=0,y=0 其他 则任意一幅图像可表示为： f(x,y)=∫f(a,B)δ(x-a,y-B)dadB Digital Image Processing

Digital Image Processing Digital Image Processing ◘人的视觉模型 ▓点光源的表示函数 点光源的表示函数 点源可以用 函数表示，表示平面图像的二维 函数表示，表示平面图像的二维 函数 为： 则任意一幅图像可表示为： 则任意一幅图像可表示为： 2.2 人的视觉特性 δ δ ( ) ( ) , 1 0, 0 , 0 x y dxdy x y x y δ δ +∞ +∞ −∞ −∞ ⎧ = ⎪⎪⎨ ⎧ ∞ = = ⎪ = ⎨ ⎪⎩ ⎩ ∫ ∫ , , 其他 f ( ) ( )( ) xy f x y d d , ,, α βδ α β α β +∞ +∞ −∞ −∞ = − − ∫ ∫