一. 数字图像处理基础
1.1 图像表示
图像就是矩阵，在python中表示为数组形式。
1.2 图像模型
1.2.1 RGB模型
- R：红，【0，255】
- G：绿
- B：蓝
EG:#FF255255255：以两位为跨度，前两位为透明度，随后依次为：R、G、B
模型如下：
1.2.2 HSI模型
- H（Hue，色调）：与光波的波长有关，表示人的感官对不同颜色的感 受，如红色、绿色、蓝色等。
- S（saturation，饱和度）：表示颜色的纯度，纯光谱色是完全饱和的，加入白光会稀释饱和度。饱和度越大，颜色看起来就会越鲜艳， 反之亦然。
- I（intensity，亮度）：对应成像亮度和图像灰度，是图像的明亮程度，与图像的彩色信息无关。
模型如下：
1.3 图像数字化
1.3.1 采样
思路：将图像分割成一个个小区域（像素），每个小区域用一个值来表示，关键在于：
- 采样间隔：反应原连续图像的程度。采样间隔越小，图像像素数量越多，分辨率越高。
- 采样孔径：有不同的形状，包括：圆、正方形、长方形、椭圆。
1.3.2 量化
就是将像素值转换离散整数值的过程。存在以下指标：
-
灰度级：像素量化后的值称为像素的灰度级（或灰度值/灰值），反映了像素的明暗程度。
-
灰度级数（G）：
-
意义：一副数字图像中不同灰度级的个数，代表了一副数字图像的层次。G越大，图像越丰富，视觉效果越好。
-
EG：一副[0,255]的100*100灰度图像中，数据量为：100*100*8bit，0表示最暗，255表示最亮。
-
1.3.3 分辨率
分为两种：
- 图像分辨率：取决于采样间隔。同一幅图，采样间隔越小，图像像素数量越多，分辨率越高。
- 灰度分辨率：取决于G的大小。同一幅图，G越大，灰度分辨率越高，图像层次丰富，数据量越大。G过下则会造成虚假轮廓现象。
1.3.4 函数表示
三种情况下的函数形式：