第二章数字图像基础
人类的视觉感知系统视觉是人类最高级的感知器官，所以，毫无疑问图像在人类感知中扮演着重要角色。研究图像处理首先要了解人类的视觉感知系统。人眼横截面简图
人类视觉成像原理人的视觉系统具有3个主要功能：成像、图像传输和图像理解。人的视觉系统主要由：光学系统、视网膜和视觉通路3个部分组成。
人眼的视觉系统图像形成示意图眼角膜+晶状体?镜头玻璃体?介质视网膜?感光底片
数字图像处理的基本概念图像的定义与类型：连续图像和离散图像图像的成像模型图像的数字化过程：采样与量化、分辨率数字图像的三种属性：格式、类型、类数字图像的表示像素的表示与分析：连通域基本的图像操作示例：读、调整大小、灰度化、显示（子图显示）、写
数字图像处理的基本概念图像的定义与类型：连续图像和离散图像“图”是物体投射或反射光的分布，“像”是人的视觉系统对图的接受在大脑中形成的印象或反映。是客观和主观的结合。连续图像：二维坐标系中具有连续变化的，即图像画面的像点是无限稠密的，同时其灰度值（即图像从暗到亮的变化值）也是无限稠密的图像，称为连续图像。连续图像又称为模拟图像。离散图像：是指用一个数字阵列表示的图像。该阵列中每一个元素称为像素。离散图像又称为数字图像。
数字图像处理的基本概念像素像素是组成数字图像的基本元素。连续图像可以认为是由无数个像素组成的，而且每一点灰度值都是从黑到白有无限多个可能取值。数字图像可以认为是按某种规律（如模拟/数字转换）编成一系列二进制数码（0和1）来表示图像上每个点的信息。
数字图像的获取过程场景元素成像系统场景投影到图像平面照射(能)源输出(数字化后的)图像
图像的数学表达方法当用数学方法描述图像信息时，通常着重考虑它的点的性质。例如一副图像可以被看作是空间各个坐标点的结合。它的最普通的数学表达式为：其中（X，Y，Z）是空间坐标，λ是波长，t是时间，I是图像强度。这样一个表达式可以代表一副活动的、彩色的、立体图像。
图像的数学表达方法当研究的是静止图像时，则式（2-1）与时间t无关当研究的是单色图像时，显然与波长λ无关，对于平面图像则与坐标z无关。因此，对于静止的平面的、单色的图像来说其数学表达式可简化为：
图像的数学表达方法人们所感受到的图像一般都是由物体反射的光组成的。函数f(x,y)可由两个分量来表示：（1）入射到观察场景的光源总量；（2）场景中物体反射光的总量。这两个分量分别称为入射分量和反射分量，如果用i(x,y)表示入射分量，用r(x,y)表示反射分量，两个函数合并形成f(x,y),即：其中
图像的数字化图像获取即图像的数字化过程，包括扫描、采样和量化。图像获取设备5个部分组成：采样孔，扫描机构，光传感器，量化器和输出存储体。关键技术有：采样——成像技术；量化——模数转换技术。
图像的数字化空间上或时域上连续的图像（模拟图像）变换成离散采样点（像素）集合的操作称为采样。采样示意图由于图像基本是采取二维平面信息的分布方式来描述的，需要先将二维信号变为一所以为了对它进行采样操作，位信号，再对一维信号完成采样。换句话说就是讲二维采样转化为两次一维采样操作来实现。
图像的数字化取样是将在空间上连续的图像转换成离散的取样点（即像素）集的操作。由于图像是二维分布的信息，所以取样是在x轴和y轴两个方向上进行。取样时的注意点是：取样间隔的选取。取样间隔取得不合适除了画面出现马赛克之外，还会发生频率的混叠现象。
图像的数字化连续图像沿从A到B的直线的扫描线
图像的数字化沿从A到B的直线的扫描线取样
图像的数字化取样示意图
图像的数字化量化是将各个像素所含的明暗信息离散化后，用数字来表示称为图像的量化，一般的量化值用整数来表示。充分考虑到人眼的识别能力之后，目前非特殊用途的图像均为8bit量化，即用0~255描述“黑~白”。
图像的数字化从图像的顶点逐行执行采样与量化，则会产生一幅二维数字图像。数字图像的质量取决于取样和量化中所用的取样数和灰度级数。
图像的数字化空间和灰度级分辨率取样值是决定一副图像空间分辨率的主要参数，空间分辨率是图像中可辨别的最小细节。灰度级分辨率是指在灰度级别中可分辨的最小变化，由于硬件方面的要求，灰度级数通常是2的整数幂。
图像的数字化在取样时，若横向的像素数（列数）为M，纵向的像素数（行数）为N，则图像总像素数为M*N个像素。一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现马赛克效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
数字图像的表示方法yx对连续图像f(x,y)进行数字化空间上，图像抽样幅度上，灰度级量化原点
数字图像的表示方法灰度图像是指每个像素的信息由一个量化的灰度级来描述的图