图像处理基础知识图像处理基本知识图像处理的方法

一帮一活动
征引图像处理基础知识图像处理基本知识图像处理的方法
土地科学与技术
  【AP的二维数组。MAP的大小由存放图像的矩阵元素值域决定,如矩阵元素值域为[0,255],则MAP矩阵的大小为256Ⅹ3,用MAP=[RGB]表示。MAP中每一行的三个元素分别指定该行对应颜的红、绿、蓝单值,MAP中每一行对应图像矩阵像素的一个灰度值,如某一像素的灰度值为64,则该像素就与MAP中的第64行建立了映射关系,该像素在屏幕上的实际颜由第64行的[RGB]组合决定。也就是说,图像在屏幕上显示时,每一像素的颜由存放在矩阵中该像素的灰度值作为索引通过检索颜索引矩阵MAP得到。索引图像的数据类型一般为8位无符号整形(int8),相应索引矩阵MAP的大小为256Ⅹ3,因此一般索引图像只能同时显示256种颜,但通过改变索引矩阵,颜的类型可以调整。索引图像的数据类型也可采用双精度浮点型(double)。索引图像一般用于存放彩要求比较简单的图像,如、N分别表示图像的行列数,三个M _ N的二维矩阵分别表示各个像素的R、G、B三个颜分量。RGB图像的数据类型一般为8位无符号整形,通常用于表示和存放真彩图像,当然也可以存放灰度图像。  数字化图像数据有两种存储方式:位图存储(Bitmap)和矢量存储(Vector)  我们平常是以图像分辨率(即像素点)和颜数来描述数字图象的。例如一张分辨率为640_480,16位的数字图片,就由2=65536种颜的307200(=640_480)个素点组成。  位图图像:位图方谢尔盖>蓝鲸紧急出动
式是将图像的每一个象素点转换为一个数据,当图像是单(只有黑白二)时,8个象素点的数据只占据一个字节(一个字节就是8个二进制数,1个二进制数存放象素点);16(区别于前段16位)的图像每两个象素点用一个字节存储;256图像每一个象素点用一个字节存储。这样就能够精确地描述各种不同颜模式的图像图面。  位图图像弥补了矢量式图像的缺陷,它能够制作出彩和调变化丰富的图像,可以逼真地表现自然界的景象,同时也可以很容易地在不同软件之间交换文件,这就是位图图像的优点;而其缺点则是它无法制作真正的3D图像,并且图像缩放和旋转时会产生失真的现象,同时文件较大,对内存和硬盘空间容量的需求也较高。位图方式就是将图像的每一像素点转换为一个数据。  如果用1位数据来记录,那么它只能代表2种颜(2=2);如果以8位来记录,便可以表现出256种颜或调(2=256),因此使用的位元素越多所能表现的彩也越多。通常我们使用的颜有16、256、增强16位和真彩24位。一般所说的真彩是指24位(2)的位图存储模式适合于内容复杂的图像和真实照片。但随着分辨率以及颜数的提高,图像所占用的磁盘空间也就相当大;另外由于在放大图像的过程中,其图像势必要变得模糊而失真,放大后的图像像素点实际上变成了像素方格。 用数码相机和扫描仪获取的图像都属于位图。  矢量图像:矢量图像存储的是图像信息的轮廓部分,而不是图像的每一个象素点。例如,一个圆
形图案只要存储圆心的坐标位置和半径长度,以及圆的边线和内部的颜即可。该存储方式的缺点是经常耗费大量的时间做一些复杂的分析演算工作,图像的显示速度较慢;但图像缩放不会失真;图像的存储空间也要小得多。所以,矢量图比较适合存储各种图表和工程。  对图像信息编码,以满足传输和存储的要求。编码能压缩图像的信息量,但图像质量几乎不变。为此,可以采用模拟处理技术,再通过模-数转换得到编码,不过多数是采用数字编码技术。编码方法有对图像逐点进行加工的方法,也有对图像施加某种变换或基于区域、特征进行编码的方法。脉码调制、微分脉码调制、预测码和各种变换都是常用的编码技术。  由数字化得到的一幅图像的数据量十分巨大,一幅典型的数字图像通常由500500或10001000个像素组成。如果是动态图像,是其数据量更大。因此图像压缩对于图像的存储和传输都十分必要。  有两类压缩算法,即无损压缩和有损压缩。最常用的无损压缩算法取空间或时间上相邻像素值的差,再进行编码。游程码就是这类压缩码的例子。有损压缩算法大都采用图像交换的途径,例如对图像进行快速傅里叶变换或离散的余弦变换。著名的、已作为图像压缩国际标准的JPEG和MPEG均属于有损压缩算法。前者用于静态图像,后者用于动态图像。它们已由芯片实现。 
世纪之星机箱

本文发布于:2024-09-23 20:12:41,感谢您对本站的认可!

本文链接:https://www.17tex.com/xueshu/155479.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:图像   颜色   像素
留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2024 Comsenz Inc.Powered by © 易纺专利技术学习网 豫ICP备2022007602号 豫公网安备41160202000603 站长QQ:729038198 关于我们 投诉建议