石家庄铁道学院：《数字图象处理》第二章（2-1） 概述

石家庄铁道学院四方学院 教案纸 2.1概述 f(r, y)=x, y)'p(r,y) pr,y) 成像系 g,(I,y) gu(, y) 采样于系统 化 毓图像 采样 数字 图21图像采集系统 2.2连续图像模型 、续的像达式 Y(x, ),0)=C(x, ),l, A) V, (dx (A) 标准观察者对图像光函数的亮度响应—光 相对光效函数 场的瞬时光亮度计量 C(x,y,t,元) 代表像源的空间辐射能量分布 R(xy1)=c(xyt,2)R(4)d红基色组的光谱 激值 G(x,y1)=「C(xy2(4)绿基色组的指谱 剩激值 B(xyD)=Cxy4)B(蓝基色组的光谱 刺激值 第1页

石 家 庄 铁 道 学 院 四 方 学 院 教 案 纸 第 1 页 2.1 概 述 2.2 连续图像模型 一、连续图像的表达式 标准观察者对图像光函数的亮度响应——光 场的瞬时光亮度计量 图2.1 图像采集系统 景物 图像 成 像 系 统 采样 图像 采 样 子 系 统 数字 图像 量 化 器 f x y ( , ) ( , ) s g x y ( , ) d g x y p x y ( , ) f x y h x y p x y ( , ) ( , )* ( , ) = 0 ( , , ) ( , , , ) ( ) Y x y t C x y t V d    s  =  代表像源的空间辐射能量分布 C x y t ( , , , )  相对光效函数，即人视觉的光谱响应 ( ) Vs  红基色组的光谱 三刺激值 0 ( , , ) ( , , , ) ( ) R x y t C x y t R d    s  =  绿基色组的光谱 三刺激值 0 ( , , ) ( , , , ) ( ) G x y t C x y t G d    s  =  蓝基色组的光谱 三刺激值 0 ( , , ) ( , , , ) ( ) B x y t C x y t B d    s  = 

石家庄铁道学院四方学院 教案纸 二、贛图浪的的薩邮真征 图像函数是一种空间变量为、时间变量为的三维连续随机过程 随机过程可以由它的联合概率密度完全地表示出来 对于所有样本点的联合概率密度 p1,…x,141,242…x,y切 三、骨用的崑阜型 1.均匀密度 P/:xy什}= 2.雷利( Ray le i gh)密度 p!; x,y,)=f(x,,) 3.指数密度 PU,x,y,t=ae-ak(x,yol 4.高斯密度 分别是随机过程的均值和方差。对于图像正交变换(如傅里叶变换)系数的幅度概率密度来说, If(r, y t-nr(r, y, s)F p/,xy,}=[2x(xy,"e2 7(x,y,)和a2 pf; x,y, =e 高斯密度是相当精确的模型。 5.拉普拉斯密度 6.条件概率密度 第2页

石 家 庄 铁 道 学 院 四 方 学 院 教 案 纸 第 2 页 二、连续图像的的随机表征 图像函数是一种空间变量为、时间变量为的三维连续随机过程 随机过程可以由它的联合概率密度完全地表示出来 对于所有样本点的联合概率密度 三、常用的概率密度模型 1.. 均匀密度 2.. 雷利(Raylleiigh)密度 3.. 指数密度 4.. 高斯密度 分别是随机过程的均值和方差。对于图像正交变换（如傅里叶变换）系数的幅度概率密度来说， 高斯密度是相当精确的模型。 5.. 拉普拉斯密度 6.. 条件概率密度 p f x y t { ; , , } 1 2 1 1 1 2 2 2 { , , , ; , , , , , , , , , } J J J J p f f f x y t x y t x y t p f x y t { ; , , } = 2 2 ( , , ) 2 2 ( , , ) { ; , , } f x y t f x y t p f x y t e   − = ( , , ) { ; , , } f x y t p f x y t e   − = 2 2 [ ( , , ) ( , , )] 2 1/ 2 2 ( , , ) { ; , , } [2 ( , , )] f f f x y t x y t x y t f p f x y t x y t e    − − − = 2 ( , , ) F F   x y t 和 ( , , ) { ; , , } 2 f x y t p f x y t e  − =

石家庄铁道学胱 教案纸 Pf;x,,42:x212}=P(x1,x2y2412 p{2x2,y2,l2} 用于估计点上的图像函数f1,其前提是点上的图像函数2已知 、囵像机竝翟峭字特征 1.一阶矩或平均值 n,(x,y,D=E((x, y,)=' /(x, 3, D)P(f, x, y,tdr 2.二阶矩或自相关函数 FRx,y,4;xy21)=E1(x,1,4)(x2,y,4 (x,y,4)f(x,y2(,:x1,4,x,n2,d4 3.自协方差 af(x, y, t)=K(x,y,t, x,y,t 4.方差 K(x:x,24)=R(x1,1x2y24)-7(x·4(x3y2:42) 第3页

石 家 庄 铁 道 学 院 四 方 学 院 教 案 纸 第 3 页 用于估计点上的图像函数 f1，其前提是点上的图像函数 f2 已知。 四、图像随机过程的数字特征 1.. 一阶矩或平均值 2.. 二阶矩或自相关函数 3.. 自协方差 4.. 方差 1 2 1 2 1 2 1 2 1 1 1 1 2 2 2 2 2 2 2 2 { ; , , , , , } { ; , , | ; , , } { ; , , } p f f x x y y t t p f x y t f x y t p f x y t = ( , , ) { ( , , )} ( , , ) { ; , , } f  x y t E f x y t f x y t p f x y t df  − = =  * 1 1 1 2 2 2 1 1 1 2 2 2 * 1 1 1 2 2 2 1 2 1 1 1 2 2 2 1 2 ( , , ; , , ) { ( , , ) ( , , )} ( , , ) ( , , ) { , ; , , , , , } R x y t x y t E f x y t f x y t f x y t f x y t p f f x y t x y t df df   − − = =   2 ( , , ) ( , , ; , , ) f  x y t K x y t x y t = * 1 1 1 2 2 2 1 1 1 2 2 2 1 1 1 2 2 2 ( , , ; , , ) ( , , ; , , ) ( , , ) ( , , )} K x y t x y t R x y t x y t x y t x y t = −  f f