数字图像处理之第一章

第一章 数字图像处理的基础
1.图像数据的表示与存储
（1）彩色空间：是用来表示彩色的数学模型，又成为彩色模型。
（2）三种最常用的彩色空间：RGB彩色空间、CMY彩色空间、HSI彩色空间。
（3）HSI（Hue/Saturation/Intensity,色调/饱和/强度）模型，采用色调和饱和度来描述颜色。
色调（Hue）表示颜色，颜色与彩色光的波长有关，将颜色按红橙黄绿青蓝紫顺序排列定义色调值，并且用角度值（0°~360°）来表示；
饱和度（Saturation）表示色的纯度，也就是彩色光中掺杂白光的程度；
强度（Intensity）表示人眼感受到彩色光颜色的强弱程度，她与彩色光的能量大小（或彩色光的亮度）有关。

2.图像质量评价
（1）图像质量客观评价可分为全参考（Full-Refence,FR）、部分参考（Reduced-reference,RR）和无参考（No-Reference,NR）三种类型。
（2）全参考
全参考图像质量评价是指在选择理想图像作为参考图像的情况下，比较待评价图像与参考图像之间的差异，分析待评价图像的失真程度，从而得到待评价图像的质量评价。常用的全参考图像质量客观评价主要以像素统计、信息论、结构信息三方面为基础。
①基于图像像素统计基础，峰值信噪比（peak singal to noise ratio,PSNR）和均方误差（mean square error,MSE）是比较常见的两种质量评价方法。它们通过计算待评价图像和参考图像对应像素点灰度值之间的差异，从统计角度来衡量待评价图像的质量优劣。
②基于信息论基础，基于信息论中信息熵基础，互信息被广泛用来评价图像质量。信息保真度准则（information fidelity criterion，IFC）和视觉信息保真度（visual information fidelity，VIF）两种算法，它们通过计算待评价图像与参考图像之间的互信息来衡量待评价图像的质量优劣。
③基于结构信息基础，结构相似度（structure similarity，SSIM）
（2）部分参考
部分参考以理想图像的部分信息为参考，对待评价图像进行分析，从而得出图像质量评价结果。
（3）无参考
无参考一般基于图像的统计特性：
①均值：是指图像像素的平均值，它反映了图像的平均亮度，平均亮度越大，图像质量越好；
②标准差：是指图像像素灰度值相对于均值的离散度。标准差越大，表明图像中灰度级分布越分散，图像质量也就越好；
③平均梯度：能反映图像中细节反差和纹理变换，它在一定程度上反映了图像的清晰程度。
④熵：是指图像的平均信息量，它从信息论的角度衡量图像中信息的多少，图像中的信息熵越大，说明图像包含的信息越多。