01图像处理概览
一、计算机视觉与数字图像处理
计算机视觉的概念→人的视觉所感知的周围环境是三维结构， 而计算机中的图像是二维的。 计算机视觉就是 研究如何让计算机像人一样" 看" 的科学。 形象地说， 就是给计算机安装上眼睛（ 照相 机） 和大脑（ 算法） ， 让计算机能够感知环境。
图像处理的三个层次：
低级图像处理内容（ 图像处理）内容：主要对图象进行各种加工以改善图象的视觉效果、或突出有用信 息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输 时间或传输带宽的要求。特点：输入是图像，输出也是图像，即图像之间进行变换。
中级图像处理（ 图像分析） 内容：主要对图像中感兴趣的目标进行检测（或分割）和测量，以获得 它们的客观信息，从而建立对图像中目标的描述，是一个从图像到数值 或符号的过程。特点：输入是图像，输出是数据。
高级图像处理（ 图像理解）内容：在中级图像处理的基础上，进一步研究图像中各目标的性质和它 们之间相互的联系，并得出对图像内容含义的理解（对象识别）及对原来客观场景的解释（计算机视觉），从而指导和规划行动。特点：输入是数据，输出是理解。
二、计算机视觉的任务与应用
任务：图像分类、目标检测、图像分割、图像生成、超分辨率 、风格迁移、图像修复。
应用：场景分析、智能相册、疫情防控。
三、数字图像处理基础
采样： 将空间上连续的图像变化为离散的点。
图像分辨率： 采样后得到离散图像的尺寸。 分辨率由宽（ Width） 和高（ Height） 两个参数构成。 宽表示水平方向的细节数， 高表示垂直方向的细节数。
采样与分辨率的关系： 采样间隔越小， 所得图像像素数越多， 空间分辨率高， 图像质量好， 但数 据量大。例如：一幅分辨率为640*480的图像，表示这幅图像由640*480=307200个点组成。 一幅分辨率为1920*1080的图像，表示这幅图像由1920*1080= 2073600个点组成。
量化： 将采样点的传感器信号转换成离散的整数值。
灰度级（ Gray Level Scale） ： 量化后得到离散图像的每个采样点的变化范围。 通常用𝑚𝑚级或者𝑛𝑛 位来表示灰度级， 一般是2的整数次幂。 图像数据的灰度级越多视觉效果就越好， 计算机中最常用的是8位图像。
量化与灰度级的关系： 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， 但数据量大。例如：一幅8位的图像，每个采样点从最暗到最亮，可以分辨28=256个级别。
对于计算机来说， 图像是一个由数字组成的巨大的矩阵。灰度图， 都只有一个通道， 单通道记录 了像素点的亮度信息， 每个数字都是在范围0-255之间的整型， 0表示最暗（ 黑色） ， 255表示最 亮（ 白色） 。
对于彩色图片， 更普遍的表达方式是RGB颜色模型。 RGB颜色空间中每个像素点有三个维度， 分别记录在红（ Red） 、 绿（ Green） 、 蓝（ Blue） 三原色分量上的亮度。
HSV也是常用的颜色空间之一， 该颜色空间可以用一个 圆锥来表示。 " H"表示色相（ Hue），颜色的相位角， 取值范围是0到 360度。" S"表示颜色饱和度（ Saturation），取值范围是从0到1， 它表示成所选颜色的纯度和该颜色最大的纯度之间的比率。" V"表示色彩的明亮程度（ Value），取值范围是从0到1。与HSV类似的颜色空间还有： HSL（ Hue Saturation Lightness ）HIS（ Hue Saturation Intensity）
YUV颜色空间由亮度信号" Y"和两个色差信号" R－ Y"、" B－ Y" 组成。 YUV色彩空间的重 要性是它的亮度信号" Y"和色度信号" U"、" V"是分离的。如果只有信号分量" Y" 就可 以表示黑白灰度图。 YUV颜色空间主要用于图像压缩及传输。
CMYK颜色空间应用于印刷工业， 印刷业通过青（" C"）、品红（" M"）、黄（" Y"）、 黑（" K"）四色油墨的不同网点面积率的叠印来表现丰富多彩的颜色和阶调。
Lab的色彩空间要比RGB模式和CMYK模式的色彩空间大，自然界中任何颜色都可以在Lab空间 中表达出来。
像素（ Pixel） ： 数字图像中的每一个采样 点 。 像 素 的 数 据 维 度 被 称 为 通道 （ Channel） 。
像素可以由它在图像中的位置坐标（ 𝑥𝑥,𝑦𝑦） 来描述。 根据坐标， 像素之间具备一些空间位置关系。
4-邻域 (4-Neighbors)： 对于坐标(𝑥𝑥, 𝑦𝑦)的像素𝑝𝑝， 𝑝𝑝有 四个水平和垂直方向上的4个相邻像素，其坐标分别为 (𝑥𝑥 + 1, 𝑦𝑦)， (𝑥𝑥 − 1, 𝑦𝑦)， (𝑥𝑥, 𝑦𝑦 + 1)， (𝑥𝑥, 𝑦𝑦 − 1)， 这组像 素中的每个像素距离𝑝𝑝一个单位距离，称为像素𝑃𝑃的4 邻域，用𝑁𝑁4(𝑝𝑝) 表示。
对角邻域 (Diagonal Neighbors)： 对于坐标(𝑥𝑥, 𝑦𝑦)的 像素𝑝𝑝在两个对角方向上的4个相邻像素，其坐标分别 为(𝑥𝑥 + 1, 𝑦𝑦 + 1)， (𝑥𝑥 + 1, 𝑦𝑦 − 1) ， (𝑥𝑥 − 1, 𝑦𝑦 − 1) ， (𝑥𝑥 − 1, 𝑦𝑦 + 1)，这组像素称为像素𝑝𝑝的对角邻域，用 𝑁𝑁D(𝑝𝑝) 表示。
8-邻域 (8-Neighbors)： 像素𝑃𝑃的4邻域和对角邻域合 起来称为8邻域， 用𝑁𝑁8(𝑝𝑝)表示。
如果两个像素不仅空间位置上邻接， 并且其像素值 也符合相似准则， 我们称这两个像素是连接的。像素值的相似准则： 指像素的灰度值相等， 或者像 素值都在一个灰度集合𝑉𝑉中。两种常用的连接： 4-连接： 像素𝑝𝑝， 𝑞𝑞都在𝑉𝑉中取值，且𝑞𝑞在𝑝𝑝的4-邻域中，称它们是4- 连接。8-连接： 像素𝑝𝑝， 𝑞𝑞都在𝑉𝑉中取值，且𝑞𝑞在𝑝𝑝的8-邻域中，称它们是8- 连接。
像素连通可以看做像素连接的一种推广。 如果像素 𝑝𝑝和像素𝑡𝑡可以通过两两连接的像素进行关联， 则𝑝𝑝 和𝑡𝑡是连通的。 所有关联的像素称为𝑝𝑝、 𝑡𝑡之间的通路。例如： 𝑝𝑝和𝑞𝑞是连接的， 𝑞𝑞和𝑟𝑟是连接的， 𝑟𝑟和𝑠𝑠是连接 的， 𝑠𝑠和𝑡𝑡是连接的， 则𝑝𝑝和𝑡𝑡是连通的， 𝑝𝑝𝑞𝑞𝑟𝑟𝑠𝑠𝑡𝑡是一条 通路。按照连接方式， 连通分为4-连通和8-连通。 上图中 𝑝𝑝𝑞𝑞𝑟𝑟𝑠𝑠𝑡𝑡是8-连通， 但不是4-连通。
在一副图像中， 一个像素集合内部两两连通， 并和集合外部的像素都不连通， 这样的像 素集合被称为连通域。 根据连接的不同定义， 连通域同样分为4-连通域， 8-连通域。连通域的边界称为区域边界或轮廓。
