灰度直方图在数字图像处理中的应用_灰度数字图像

  K比特图像

 1.图像大小b：
        b=MNK    （M、N代表图像横纵像素长度）
 2.当图像分辨率固定时，可变参数K称该图像为K比特图像
        图像灰度级为

（个人觉得这样的定义在我现阶段的认识不太认可）

灰度级↓=>图像渐变层级↓；色域跨度↑=>图像对比度↑

邻接、联通、区域和边界

1.邻接的定义（书中原文）

令V是用于定义邻接的灰度值集合。在二值图像中，按值为1的像素的邻接时，V={1}。

采用8邻接可能导致的歧义性，歧义性

图片引用自（数字图像处理 冈萨雷斯（第四版）图像分辨率及大小，灰度级变化的影响，以及邻接、连通、区域和边界笔记）

8邻接的中间像素块到右上角的像素块有两条路径，歧义性指的是这，也称二义性。

之所以要消除这个歧义性，因为在边缘检测中欧给通常不希望出现这样的情况，所以采用m邻接改进8邻接。

三种类型邻接的定义：

其中m邻接的可视化解释：

关于m邻接定义中的（b）部分的解释：其中p与q的4邻域的交集为图上红色圈圈的像素块，如果红色圈圈的像素块的像素值在V中不存在，则p到q的路径没有歧义性（二义性），则p像素和q像素是m邻接的。

下图中，仅当区域和背景之间采用8邻接时，加圈的点才位于像素值为1的边界上

理解：8邻域的边界即中心像素块外包的所有像素块位置，图上左边矩阵加区圈的点为中心像素块，

由于缺少右上角像素块，中心像素块成为了边界的一部分。（其他邻域的边界有各自类似的定义）

在书中出现了8通路的说法，这个说法理解成：采用了8邻接的像素矩阵的通路均叫8通路。

边界和边缘是两个不同的概念

一个有限区域的边界形成一个闭合通路，是一个“整体的”概念。

边缘是由其导数超过某个预设阈值的像素形成的，是一个“局部的”概念。

今天的文章灰度直方图在数字图像处理中的应用_灰度数字图像分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。