数字，图像，处理

为了能够让计算机对图像进行操作，将由传感器采集到的图像通过取样和量化转化为数字图像（一个矩阵）。

数字图像处理就是对一个矩阵操作来操作去。。。（补一下矩阵分析）

取样和量化的理解关系到后面对于空间分辨率和灰度级分辨率的理解

简单的解释一下：得到一副连续图像后，对其坐标位置进行取样，幅值进行量化，就是图像数字化的过程。

参考书上的这个图。

空间分辨率：图像中可辨别的最小细节的度量。

就是说你取样的时候间隔多大，间隔越小空间分辨率越高，图像越清晰；间隔很大，最极端的情况可以想象一下马赛克的图像，根本看不清图像中物体的样子。简单的说就是你这个矩阵是多大的。

灰度分辨率：灰度级中可分辨的最小变化。

一幅图像按照颜色分类的话：黑白图像（二值图像，0/1）；8位索引图像（灰度图像/8位伪彩色图像）；24位真彩色图像

简单的说就是你这个矩阵里的每一个数的值域是多少。

图像和图形的区别

图像是个矩阵，每一点代表颜色值，位置是按照规则排列的，所以坐标值是隐含的

图形是指令，指令包含位置，形状，颜色

图像处理的目的

1.提高图像的质感（让图像看起来更好）

去噪，提亮，增强，几何变换

2.提取特征，便于分析（计算机视觉也包括这部分）

特征：频域特征，灰度/颜色特征，边界/区域特征，纹理特征，形状特征

特征能干吗？你想找一幅图像中特定的目标，首先要看它和其他有什么不一样，你才能把它识别出来。就是为后面分析做准备的。现在深度学习可以直接通过神经网络提取一些看不懂的特征，拿过来就能识别了。

3.识别（模式识别课程补一下）

4.图像压缩

为了存储和传输

图像处理

图像获取

图像复原（得知道图像退化的原因，然后恢复图像，基于模型和数据的图像恢复）

图像增强

图像分割

图像分析

图像重建（输入数据，输出图像）

图像压缩和编码

图像处理流程

预处理阶段（像素级别的处理）

几何校正

灰度变换

图像平滑

图像锐化。。

分析（感兴趣的目标进行操作）

检测

分割

识别

特征提取

结果：为用户（也就是我）提供描述目标特点和性质的数据

理解（目标的性质，目标与其他物体的关系）

把描述对象抽象出来

了解图像内容

解释客观场景

指导和规划行为

参考

https://blog.csdn.net/qq_41391174/article/details/89679538

https://blog.csdn.net/haluoluo211/article/details/80918065

数字图像处理第三版 2.4图像取样和量化