图像处理第二周学习总结

图像的量化

模拟图像经过采样后，在空间上实现了离散化，并形成像素。但采样所得的像素值（即灰度值）依旧是连续量。采样后所得的各像素的灰度值从连续量到离散量的转换称为图像灰度的量化，图像的像素值（响应值）i(x，y)的数字化被称为图像的量化，即将图像响应值 i(x，y)从 i.min 到i.max的实数域映射为有限级别的离散数值。图像采样将图像的空间域限定为有限的离散坐标，而图像量化则将图像的响应值限定为有限的离護数值。与图像量化相关的度量为灰度级。灰度级（灰度层次）是表示像素明暗程度的整数量。例如，像素的取值范围为 0～255，就称该图像为 256 个灰度级的图像。图像数据的实际灰度层次越多，视觉效果越好。图为对灰度图像分别进行256 级灰度量化、64 级灰度量化、16 级灰度量化的结果，对比图像可以发现 256 级灰度的细节呈现能力远高于其他两种灰度级。

 

图像量化部分模拟代码的代码

from skimage import data;

from matplotlib import pyplot as plt;

image = data.coffee()
ratio = 128  # 量化比率
for i in range(image.shape[0]):
    for j in range(image.shape[1]):
        for k in range(image.shape[2]):
            image[i][j][k] = int(image[i][j][k] / ratio) * ratio
            # 对图像中的每个像素进行量化

plt.imshow(image)
plt.show()

该代码将256级灰度的彩色图像量化到仅有2级灰度级

图像的量化比率决定了图像的颜色精细程度。目前的一般做法是从图像响应最大值
到响应最小值进行均匀量化，划分为若干量化层级。目前常见的量化级数一般为 2n，如
256 或者 65536。最小的量化级数为 2，即灰度图像转变为二值图像，量化后的图像仅有
0和 1 两种灰度取值。除均匀量化方法外，也存在非均匀量化。非均匀量化即在灰度级
变化剧烈的区域用细粒度量化，而在灰度级比较平滑的区域用粗粒度量化。
量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量较大；
量化等级越少，图像层次欠丰富，灰度分辨率低，可能会出现假轮廓现象，图像质量变
差，但数据量较小。然而，在极少数情况下固定图像大小，减少灰度级能改善质量，产
生这种情况的可能原因是减少灰度级一般会增加图像的对比度。例如，对细节比较丰富
的图像数字化，可能会减少图像中用户不感兴趣的一些细节，增加感兴趣区域与背景图
像的对比度。

像素间的关系

相邻像素

对于像素p(m,n)

4邻域 (m+1,n),(m-1,n),(m,n+1),(m,n-1)   N4(p)

D邻域 (m+1,n+1),(m+1,n-1),(m-1,n+1),(m-1,n-1)   ND(p)

8邻域   N4(p) + ND(p)    N8(p)  

邻接性

1、两个像素p和q邻接的条件

（1）位置相邻    p(m,n)和q（s,t）位置上满足相邻，即

（2）灰度值相近，即称为灰度值相近（似）准则。 

通路

连通性 

区域  

区域的边界

 像素间的距离