第二章笔记

数图笔记

2.1人的视觉

光感受器

锥状体

• 数量少
• 每个都连接到一个神经末梢
• 对色彩敏感
• 称为白昼视觉或者亮光视觉

杆状体

• 数量多
• 几个杆状体连接到一个神经末梢
• 不够锥状体敏感，只给出物体总体轮廓
• 没有色彩感觉
• 低照明度下对图像敏感
• 称为夜视视觉或者暗视觉
  锥状体 杆状体分布：
  

简单的图像模型

用二维函数形式表示一幅单色图像，当一幅图像从物理过程产生时，他的值正比于物理源的辐射能量(如电磁波)，则有：
0 < f(x, y) < 正无穷
f(x, y) = i(x, y) * r(x, y)
- 入射分量：0 < i(x, y) < 正无穷
- 反射响亮：0 < r(x, y) < 1

取样和量化

取样：

1. Down Sampling(缩小图像)
   高像素图片 -> 低像素图片
2. Up Sampling(放大图像)
   低像素图片 -> 高像素图片
   放大图像一般都会造成图片质量下降的
   

像素的基本空间关系

相邻像素

对于像素点P
1. 相邻像素，4个水平和垂直的像素，4个坐标总称为N4(P)
相邻像素称为P的4邻域
2. 对邻像素，对角上的4个相邻像素,4个坐标总称为ND(P)

8个像素总称为P的8邻域

路径

1. 4-path 一个路径上所有的点互为4-neighbors
   
2. 8-path 一个路径上所有点互为8-neighbors(意味路径因此断开)
   

临接性，连通性，趋于和边界

邻接性

邻接性的两个要素：

1. 灰度值的邻接性(值域V)
2. 物理位置的邻接性(邻域如N4(P))

一般考虑三种邻接性：

距离

• 欧式距离Euclidean distance

• D4距离

• D8距离
  

数组乘积和矩阵乘积

对去除零均值噪声的K张图片求均值

首先你忘记了平方差怎么算
平方差用 D(x) 来表示,就是平方的均值减去均值的平方

D(x) = E(xi^2) - E(x)^2

下面的公式我都证明过了，忘记了最好在证明一次