char02 数字图像基础.ppt

2.4.2 象素间的邻接，连接和连通 3种连接 (1) 4-连接： 2个象素 p 和 r 在V 中取值且 r 在N4(p)中 (2) 8-连接： 2个象素 p 和 r 在V 中取值且 r 在N8(p)中 2.4.2 象素间的邻接，连接和连通 3种连接 (3) m-连接（混合连接）： 2个象素 p 和 r 在V 中取值 且满足下列条件之一 ① r 在N4(p)中 ② r 在ND(p)中且集合N4(p)∩N4(r)是空集 （这个集合是由 p 和 r 的在V中取值的 4-连接象素组成的）{图2.4.2} 2.4.2 象素间的邻接，连接和连通 3种连接 混合连接的应用：消除8-连接可能产生的歧义性 原始图 8-连接 m-连接 2.4.2 象素间的邻接，连接和连通 连通 连接是连通的一种特例 通路 由一系列依次连接的象素组成 从具有坐标(x, y)的象素p到具有坐标(s, t)的象素q的一条通路由一系列具有坐标(x0, y0)，(x1, y1)，…，(xn, yn)的独立象素组成。这里(x0, y0) = (x, y)，(xn, yn) = (s, t)，且(xi, yi)与(xi-1, yi-1)邻接，其中1 ≤ i ≤ n，n为通路长度 4-连通，8-连通 ? 4-通路，8-通路 2.4.2 象素间的邻接，连接和连通 象素集合的邻接和连通 对2个图象子集 S 和 T 来说，如果S中的一个或一些象素与 T 中的一个或一些象素邻接，则可以说2个图象子集S 和 T 是邻接的 完全在一个图象子集中的象素组成的通路上的象素集合构成该图象子集中的一个连通组元 如果 S 中只有1个连通组元，即 S 中所有象素都互相连通，则称 S 是一个连通集 2.4.3 象素间的距离 距离量度函数 {例3.1.1 测度空间} 3个象素p，q，r，坐标(x, y)，(s, t)，(u, v) (1) 两个象素之间的距离总是正的 (2) 距离与起终点的选择无关 (3) 最短距离是沿直线的 2.4.3 象素间的距离 距离量度函数 (1) 欧氏（Euclidean）距离 (2) 城区（city-block）距离 (3) 棋盘（chessboard）距离 2.4.3 象素间的距离 距离量度函数 等距离轮廓图案 {图3.1.4} D4距离 D8距离 2.4.3 象素间的距离 距离量度函数 距离计算示例 DE = 5 D4 = 7 D8 = 4 2.4.3 象素间的距离 范数和距离 2.4.3 象素间的距离 用距离定义邻域 考虑在空间点 (xp, yp)的象素 p 4-邻域——N4(p) 8-邻域——N8(p) 第*页 第2章 数字图像基础 2.1 图像的数字化 2.2 数字图像的表示和特点 2.3 人眼的亮度感觉 2.4 像素间的联系 2.1 图像的数字化 2.1.1 均匀采样和均匀量化 2.1.2 非均匀量化和非均匀量化 2.1.3 分辨率变化对图像的影响 2.1.1 均匀采样和均匀量化 模拟图像: 空间采样: 信号强度量化: 2.1.1 均匀采样和均匀量化 均匀采样 对连续图像函数f(x,y)，沿x方向以等间隔Δx采样，采样点数为m，沿y方向以等间隔Δy采样，采样点数为n，于是得到一个m×n的离散样本阵列f(m,n)。 2.1.1 均匀采样和均匀量化 采样 空间坐标(x,y)的数字化被称为图像采样 确定水平和垂直方向上的像素个数N 、 M N M 2.1.1 均匀采样和均匀量化 图像采样的形式化定义 设Z表示整数集合 采样处理：将xy平面分配到一个网格上，且每一个网格中心的坐标是一个笛卡儿乘积ZxZ的元素对，即所有有序元素对(a,b)的集合，其中a和b属于整数集合Z xy平面 (a,b) 2.1.1 均匀采样和均匀量化 均匀量化 取值的数字化被称为图像灰度级量化 量化处理：将f 映射到Z的处理 Z的最大取值，确定像素的灰度级数G = 2 ， 如256 f 2.1.1 均匀采样和均匀量化 图像的形式化定义 设Z表示整数集合，R表示实数集合 f(x,y)是数字图像： （1）仅当(x,y) 是ZxZ中的整数， （2）并且f是给每一个坐标对(x,y)分配了一 个灰度值（该值出