Visual C++数字图像处理技术详解(第2版)[按需印刷]

第2章 图像几何变换 50
2.1 图像的位置变换 50
2.1.1 图像平移 51
2.1.2 图像旋转 54
2.1.3 图像镜像 59
2.1.4 图像转置 63
2.2 图像尺度变换 65
2.2.1 图像缩放 66
2.2.2 插值算法 69
2.3 综合实例——魔镜 76
2.4 实践拓展 90
第3章 图像正交变换 92
3.1 基本正交变换 92
3.1.1 离散傅里叶变换 92
3.1.2 离散余弦变换 102
3.1.3 离散沃尔什变换 107
3.2 特征变换 113
3.2.1 K-L变换 113
3.2.2 SVD变换 119
3.2.3 小波变换 131
3.3 综合实例——特征提取 141
3.4 实践拓展 146
第4章 图像增强 148
4.1 灰度变换增强 148
4.1.1 线性灰度增强 148
4.1.2 分段线性灰度增强 150
4.1.3 非线性灰度增强 153
4.2 直方图增强 154
4.2.1 直方图统计 155
4.2.2 直方图均衡化 156
4.2.3 直方图规定化 159
4.3 图像平滑 162
4.3.1 邻域平均法 162
4.3.2 加权平均法 164
4.3.3 选择式掩膜平滑法 166
4.3.4 中值滤波法 171
4.4 图像锐化 173
4.4.1 梯度锐化 173
4.4.2 拉普拉斯掩膜锐化 175
4.5 频率域增强 178
4.5.1 低通滤波 179
4.5.2 高通滤波 182
4.5.3 带阻滤波 185
4.5.4 同态滤波 185
4.6 彩色增强 186
4.6.1 真彩色增强 186
4.6.2 假彩色增强 186
4.6.3 伪彩色增强 187
4.7 综合实例——照片处理器 188
4.8 实践拓展 195
第5章 图像复原 196
5.1 图像退化模型 196
5.2 线性复原 196
5.2.1 无约束逆滤波 197
5.2.2 有约束维纳滤波 200
5.2.3 有约束最小平方滤波 204
5.2.4 运动模糊图像复原 208
5.3 非线性复原 212
5.3.1 最大后验复原 212
5.3.2 最大熵复原 217
5.3.3 投影复原 222
5.4 盲复原与几何复原 225
5.4.1 盲复原 226
5.4.2 图像几何畸变的校正 230
5.5 综合实例——模糊照片复原 233
5.6 实践拓展 236
第6章 图像重建 238
6.1 图像重建与可视化工具VTK 238
6.1.1 图像重建 238
6.1.2 可视化工具VTK 238
6.2 VTK的安装与配置 242
6.2.1 安装前的准备 242
6.2.2 开始实施安装 242
6.2.3 Visual Studio 2010环境的配置 245
6.2.4 测试开发环境 247
6.3 传统重建算法 248
6.3.1 傅里叶反投影重建 248
6.3.2 卷积反投影重建 250
6.3.3 代数重建 251
6.3.4 超分辨率重建 252
6.4 三维重建数据可视化 253
6.4.1 三维图像的面绘制 254
6.4.2 三维图像的体绘制 257
6.5 综合实例——CT图像重建 259
6.6 实践拓展 263
第7章 图像形态学处理 267
7.1 形态学基本概念 267
7.2 二值图像形态学运算 268
7.2.1 图像腐蚀 268
7.2.2 图像膨胀 271
7.2.3 开运算和闭运算 273
7.2.4 击中/击不中变换 276
7.2.5 骨架抽取 280
7.3 灰度形态学处理 283
7.3.1 灰值腐蚀和灰度膨胀 283
7.3.2 灰值开运算和闭运算 288
7.3.3 灰值形态学梯度 291
7.3.4 Top-Hat变换 292
7.4 综合实例——白细胞检测 294
7.5 实践拓展 298
第8章 图像分割 299
8.1 边缘检测法 299
8.1.1 Roberts算子 299
8.1.2 Sobel算子 301
8.1.3 Prewitt算子 304
8.1.4 Krisch算子 306
8.1.5 Laplacian算子 311
8.1.6 Gauss-Laplacian算子 313
8.2 阈值分割法 315
8.2.1 最大方差阈值分割 315
8.2.2 自适应阈值分割 318
8.3 边界分割法 321
8.3.1 轮廓提取 321
8.3.2 边界跟踪 323
8.4 其他分割法 326
8.4.1 区域生长法 326
8.4.2 彩色分割法 328
8.4.3 分水岭分割法 331
8.5 综合实例—指纹提取 335
8.6 实践拓展 339
第9章 图像匹配 340
9.1 基于像素的匹配 340
9.1.1 归一化积相关灰度匹配 340
9.1.2 序贯相似性检测法匹配 344
9.2 基于特征的匹配 349
9.2.1 不变矩匹配法 349
9.2.2 距离变换匹配法 355
9.2.3 最小均方误差匹配法 362
9.3 综合实例——遥感图像匹配 369
9.4 实践拓展 379
第10章 图像压缩编码 380
10.1 无损压缩 380
10.1.1 Huffman编码 380
10.1.2 Shannon-Fano编码 387
10.1.3 算术编码 393
10.1.4 游程编码 400
10.1.5 线性预测编码 401
10.1.6 位平面编码 402
10.2 有损压缩 405
10.2.1 有损预测编码 405
10.2.2 变换编码 414
10.3 JPEG 2000编码 415
10.3.1 JPEG 2000 概述 416
10.3.2 JPEG 2000编码过程 417
10.3.3 JPEG 2000 图像压缩码流格式 421
10.4 综合实例——图像编码解码器 423
10.5 实践拓展 436
第11章 图像特效 437
11.1 显示特效 437
11.1.1 扫描特效 438
11.1.2 移动特效 439
11.1.3 百叶窗特效 441
11.1.4 栅条特效 442
11.1.5 马赛克特效 444
11.1.6 雨滴特效 445
11.2 滤镜效果 446
11.2.1 底片效果 446
11.2.2 雕刻效果 448
11.2.3 黑白效果 449
11.2.4 雾化效果 451
11.2.5 素描效果 454
11.3 综合实例——艺术数码相框 456
11.4 实践拓展 470
第12章 OpenCV图像编程 471
12.1 OpenCV概述 471
12.2 OpenCV编程环境 473
12.2.1 OpenCV的获取 473
12.2.2 OpenCV的安装和Visual C++的配置 473
12.3 OpenCV编程基础 475
12.3.1 OpenCV编程规范 476
12.3.2 OpenCV基础数据结构 479
12.3.3 OpenCV动态数据结构 485
12.3.4 OpenCV常用函数 491
12.3.5 在Visual C++环境下使用OpenCV 508
12.4 综合实例——人脸检测 510
12.5 实践拓展 512
第13章 车辆识别系统 514
13.1 车型识别系统 514
13.1.1 车型识别系统原理 514
13.1.2 车型识别系统的功能、结构与流程 520
13.1.3 车型识别系统编程实现 521
13.1.4 车型识别系统运行效果 527
13.2 车牌识别系统 528
13.2.1 车牌识别技术原理 528
13.2.2 车牌识别系统的功能、结构与流程 533
13.2.3 车牌识别系统编程实现 534
13.2.4 车牌识别系统运行效果 557
13.3 实践拓展 557

.　　本书在讲清楚问题的情况下，对繁杂的数字图像处理理论做了大量的简化和凝练工作，体现在书中的是最基本的原理、最核心的计算公式和清晰简明的算法描述，读者不必再花大量的精力从理论堆里去挖掘算法步骤，可以直接从给出的算法步骤开始编程实践。
　　4．代码完整，讲解详尽
　　书中的每个算法、每章的实例和最后的车辆识别系统综合应用案例，在介绍完基本原理和算法步骤之后，都给出了完整的源代码，并对开发步骤做了详尽的讲解，而且对关键的代码部分进行了详细的注释说明，每段代码都给出了运行结果。读者可以参照基本原理、算法描述和运行结果去阅读源程序，以便加深理解。
　　5．结合应用，注重实践
　　本书中提供了大量综合应用实例，结合实例详细交代了数字图像处理系统的开发过程，从工程实践的角度总结了作者多年来在数字图像处理领域的开发经验、常见问题及解决方法。
　　主要内容
　　本书修订后的内容分为13章。各章的主要内容如下。
　　第1章：主要介绍Visual C++与面向对象程序设计、Windows程序设计的基本概念、数字图像处理的基础知识以及使用Visual C++处理数字图像的基本方法。如果读者没有接触过数字图像处理技术，本章可以将读者带入数字图像处理领域。
　　第2章：介绍了图像几何变换方法，包括图像平移、旋转、镜像、转置、缩放以及插值算法等。通过本章学习，读者可以学习到图像编辑中常用的一些图像变换技术。
　　第3章：介绍了图像正交变换方法，包括离散傅里叶变换、离散余弦变换、离散沃尔什变换、离散K-L变换、SVD变换和小波变换等。通过本章学习，读者可以学习到图像分析中常用的一些特征提取技术。
　　第4章：介绍了图像增强方法，包括灰度变换增强、直方图增强、图像平滑和锐化、频率域增强和彩色增强等，通过本章，读者可以学习到改进图像视觉效果或突出图像感兴趣区域的处理技术。
　　第5章：介绍了图像复原方法，包括线性复原、非线性复原、盲复原与几何复原等。通过本章，读者可以学习到数码相机及图像处理软件中常用的将模糊或几何畸变的图像进行还原的技术。
　　第6章：介绍了图像重建方法，包括傅里叶反投影重建、卷积反投影重建、代数重建、超分辨率重建以及三维图像的面绘制和体绘制算法，同时还介绍了图像重建常用的VTK工具包。通过本章，读者可以学习到医学图像处理、虚拟现实和数字地球中常用的根据投影数据重建图像的技术。
　　第7章：介绍了图像形态学处理方法，包括二值图像和灰度图像的腐蚀、膨胀、开运算和闭运算、击中/击不中变换、骨架抽取、灰值形态学梯度计算和Top-Hat变换等。通过本章，读者可以学习到数学形态学的基本理论及其用于数字图像处理的技术。
　　第8章：介绍了图像分割方法，包括传统的边缘检测法、阈值分割法、边界分割法、区域生长法、彩色分割法和新兴的分水岭分割法。通过本章，读者可以学习到图像分析中常用的目标提取技术。
　　第9章：介绍了图像匹配方法，包括基于像素的匹配（归一化积相关灰度匹配和序贯相似性检测法匹配）以及基于特征的匹配（不变矩匹配、距离变换匹配和最小均方误差匹配等）。通过本章，读者可以学习到图像识别、计算机视觉和多源图像融合中常用的图像匹配技术。
　　第10章：介绍了图像压缩编码方法，包括Huffman编码、Shannon-Fano编码、算术编码、游程编码、线性预测编码以及有损预测编码和变换编码等，特别介绍了目前广泛使用的JPEG 2000编码。通过本章，读者可以学习到Internet、移动通信、数字图书馆以及电子商务等领域广泛使用的图像压缩技术。
　　第11章：介绍了图像显示特效和滤镜效果的实现方法，包括扫描、移动、百叶窗、栅条、马赛克和雨滴等显示特效以及底片、黑白、雾化和素描等滤镜效果。通过本章，读者可以学习到照片处理软件、数码相框中常用的图像特效处理技术。
　　第12章：介绍了Visual C++结合OpenCV编程的方法，包括OpenCV的安装与编程环境配置、OpenCV编程风格、数据结构、常用函数及使用方法等。通过本章，读者可以学习到在Visual C++中利用OpenCV源码库开发数字图像处理系统的技术。
　　第13章：详解了两个完整的车辆识别综合应用实例，包括车型识别系统和车牌识别系统。通过本章，读者能从工程应用的角度加深对数字图像处理技术的认识和理解。
　　读者对象
　　数字图像处理系统开发人员
　　计算机视觉系统开发人员
　　多媒体信息处理系统开发人员
　　数字图像处理相关领域科研人员
　　数字图像处理编程爱好者
　　Visual C++程序设计爱好者
　　高等学校的教师和学生
　　本书光盘
　　本书配套光盘包含各章实例的完整源代码及测试用的图像文件，读者可以按照书中的说明对程序源代码进行编译和运行。
　　本书主要由刘海波、沈晶、岳振勋、刘英波、唐坤、许可、王天昊、党银强、崔莹及于义雪编著，参加本书内容修订、案例开发和资料整理的还有吴艳霞、周长建、李致毅、邱志广、闫向阳、吴晓飞、吴彦波、隋荣辉及潘明明等。本书得到中央高校基本科研业务费专项资金、哈尔滨工程大学国家大学科技园基金和黑龙江省高等教育教学改革项目资助。
　　感谢你选择了本书，希望我们的努力对你的学习和工作有所帮助，也希望你把对本书的意见和建议告诉我们。
　　零点工作室网站地址：www.zerobook.net
　　零点工作室联系信箱：gdz_zero@126.com
　　零点工作室
　　2013年8月
　　第1版前言
　　数字图像处理研究利用计算机进行图像信息处理的基本理论和方法，已在航空航天、生物医学工程、工业检测、机器人视觉、公安司法、导航制导、安保监控、文化艺术等诸多领域得到非常广泛的应用。
　　数字图像处理技术的研究和应用离不开程序设计，Visual C++则是最强大、最常用的数字图像处理程序开发工具之一。本书全面地介绍了在Visual C++环境下进行数字图像处理的程序设计方法，内容涵盖了数字图像处理的理论基础和常用数字图像处理方法的Visual C++实现技术，各种方法均给出基本原理、典型算法及其完整的Visual C++源码。每种算法的源代码均以函数形式给出，读者在理解了相关代码的功能后可以直接用这些代码组合成各种功能更强大的数字图像处理应用程序。
　　本书特点
　　本书主要有以下特点。
　　1．技术全面，内容充实
　　本书全面涵盖了从图像的变换、增强、复原、重建、分割、匹配、形态学处理到压缩编码和特效处理等常用的数字图像处理技术和典型算法，同时还介绍了Visual C++与VTK、OpenCV和MATLAB相结合开发数字图像处理系统的技术。通过阅读本书读者可以全面掌握Visual C++数字图像处理的核心技术和周边相关技术。
　　2．技循序渐进，深入浅出
　　为了方便初学者学习，本书从数字图像处理的基本概念讲起，逐步引入数字图像处理的专门理论和核心技术，再过渡到高级综合应用。对每项处理技术的讲解也是从基本原理开始，再给出算法描述，然后结合应用实例讲解开发过程。读者不需要具备数字图像处理知识就能循序渐进地掌握本书的内容，也可以根据自己的知识基础选择阅读本书时的切入点和对内容进行取舍。
　　3．理论凝练，算法清晰
　　本书在清楚讲述问题的情况下，对繁杂的数字图像处理理论做了大量的简化和凝练工作，这体现在最基本的原理、最核心的计算公式和清晰简明的算法描述。读者不必再花大量的精力从理论堆里去发掘算法步骤，可以直接从给出的算法步骤开始编程实践。
　　4．代码完整，讲解详尽
　　在介绍完基本原理和算法步骤之后，本书对每个算法、每章的实例和最后的车牌识别系统综合应用案例都给出了完整的源代码，对开发步骤做了详尽的讲解，并对关键的代码部分进行了详细的注释说明，每段代码都给出了运行结果。读者可以参照基本原理、算法描述和运行结果去阅读源程序，以便加深理解。
　　5．结合应用，注重实践
　　书中提供了大量的综合应用实例，结合实例详细透析了数字图像处理系统的开发过程，每章都从工程实践的角度总结了作者多年来在数字图像处理领域的开发经验、常见的问题及其解决方法。
　　主要内容
　　本书分为4篇，共15章。各章的主要内容如下。
　　第一篇 数字图像处理编程基础
　　第1章：主要介绍数字图像处理的基本知识，包括颜色模式、调色板、常用数字图像文件格式以及使用Visual C++对数字图像进行处理的基础方法。如果读者没有接触过数字图像处理技术，本章可以引导读者进入数字图像处理领域。
　　第二篇 数字图像处理核心技术
　　第2章：介绍了图像几何变换的方法，包括图像的平移、旋转、镜像、转置、缩放以及插值算法等。通过阅读本章读者可以学习到图像编辑中最为常用的图像变换技术。
　　第3章：介绍了图像正交变换的方法，包括离散傅里叶变换、离散余弦变换、离散沃尔什变换、K-L变换、SVD变换和小波变换等。通过阅读本章读者可以学习到图像分析中常用的特征提取技术。
　　第4章：介绍了图像增强方法，包括灰度变换增强、直方图增强、图像平滑和锐化、频域增强和彩色增强等，通过阅读本章读者可以学习到改进图像视觉效果或突出图像某个区域的图像处理技术。
　　第5章：介绍了图像复原方法，包括线性复原、非线性复原、盲目复原与几何复原等。通过阅读本章读者可以学习到数码相机及图像处理软件中常用的将模糊或几何畸变的图像进行还原的技术。
　　第6章：介绍了图像重建方法，包括傅里叶反投影重建、卷积反投影重建、代数重建、超分辨率重建以及三维图像的面绘制和体绘制算法，同时还介绍了图像重建常用的VTK工具包。通过阅读本章读者可以学习到医学图像处理、虚拟现实和数字地球中常用的根据投影数据重建图像的技术。
　　第7章：介绍了图像形态学处理方法，包括二值图像和灰度图像的腐蚀、膨胀、开运算和闭运算、击中击不中变换、骨架提取、灰值形态学梯度计算和Top-Hat变换等。通过阅读本章读者可以学习到数学形态学的基本理论及其用于数字图像处理的技术。
　　第8章：介绍了图像分割方法，包括传统的边缘检测法、阈值分割法、边界分割法、区域生长法、彩色分割法和新兴的分水岭分割法与水平集分割法。通过阅读本章读者可以学习到图像分析中常用的目标提取技术。
　　第9章：介绍了图像匹配方法，包括基于像素的归一化积相关灰度匹配和序贯相似性检测法匹配以及基于特征的不变矩匹配、距离变换匹配及最小均方误差匹配等。通过阅读本章读者可以学习到图像识别、计算机视觉和多源图像融合中常用的图像匹配技术。
　　第三篇 数字图像媒体处理技术
　　第10章：介绍了图像压缩编码方法，包括Huffman编码、Shannon-Fano编码、算术编码、游程编码、线性预测编码以及有损预测编码和变换编码等，特别介绍了目前广泛使用的JPEG 2000编码。通过阅读本章读者可以学习到Internet、移动通信、数字图书馆以及电子商务等领域广泛使用的图像压缩技术。
　　第11章：介绍了图像显示特效和滤镜效果的实现方法，包括扫描、移动、百叶窗、栅条、马赛克和雨滴等显示特效以及底片、雕刻、黑白、雾化和素描等滤镜效果。通过阅读本章读者可以学习到数码照片处理软件中常用的图像特效处理技术。
　　第四篇 数字图像编程高级应用
　　第12章：介绍了Visual C++结合OpenCV编程的方法，包括OpenCV的安装与编程环境配置、OpenCV编程风格、数据结构、常用函数及使用方法等。通过阅读本章读者可以学习到在Visual C++中利用OpenCV源码库开发数字图像处理系统的技术。
　　第13章：介绍了Visual C++结合MATLAB编程的方法，包括利用MATLAB和Simulink进行数字图像处理的基本方法以及Visual C++通过MATLAB引擎、MCC和MATCOM调用MATLAB的基本方法。通过阅读本章读者可以学习到Visual C++和MATLAB混合编程技术。
　　第14章：给出了一个完整的车牌识别系统综合应用实例，包括车牌定位、倾斜校正、字符分割、牌号识别等全过程。通过阅读本章读者能从工程应用的角度加深对数字图像处理技术的认识和理解。
　　读者对象
　　数字图像处理系统开发人员
　　计算机视觉系统开发人员
　　多媒体信息处理系统开发人员
　　数字图像处理相关领域科研人员
　　数字图像处理编程爱好者
　　Visual C++程序设计爱好者
　　高等院校的教师和学生
　　本书光盘
　　程序源代码：包含书中各章实例和综合应用实例的完整源代码及测试用的图像文件，读者可以按照书中的说明对程序源代码进行编译和运行。
　　本书主要由刘海波、沈晶、郭耸编著，参加本书编著和资料整理的还有李平科、于化龙、宋锋、林玉娥、朱长明、王勇、石磊、周长建、马梦成、刘胜宇、吴艳霞、刘萌、梁晓丽、宫洁、宁士勇、陆志鹏、沈祺等。李平科和郭耸完成了全书的统稿工作，刘海波和沈晶审校了全书。本书得到中央高校基本科研业务费专项资金资助，在编写过程中得到了海军潜艇学院宋一兵高工和哈尔滨工程大学郭方方副教授的大力支持，在此特别表示感谢！
　　感谢你选择了本书，希望我们的努力对你的工作和学习有所帮助，也希望你把对本书的意见和建议告诉我们。
　　作者：gdz_zero@126.com
　　作者
　　2010年5月
　　

.　　1）基础服务，提供对Windows系统可用的基础资源的访问接口，比如文件系统、外部设备、进程、线程以及访问注册表和错误处理机制。这些功能接口位于16位Windows的kernel.exe、krnl286.exe、krnl386.exe系统文件中，或者32位Windows的kernel32.dll和advapi32.dll中。
　　2）图形设备接口（Graphics Device Interface，GDI），提供的功能为输出图形内容到显示器、打印机以及其他外部输出设备。它位于16位Windows的gdi.exe或32位Windows的gdi32.dll中。
　　3）图形化用户界面（Graphical User Interface，GUI），提供了创建、管理屏幕功能，大多数基本控件（比如按钮和滚动条等），接收鼠标和键盘输入，以及其他与GUI有关的功能。这些调用接口位于16位Windows的user.exe或32位Windows的user32.dll中。从Windows XP版本之后，基本控件和通用对话框控件的调用接口都放在comctl32.dll中。
　　4）通用对话框链接库，为应用程序提供标准对话框，比如“打开”→“保存文件”对话框、“颜色”对话框和“字体”对话框等。这个链接库位于16位Windows的commdlg.dll或32位Windows的comdlg32.dll中。
　　5）通用控件链接库，为应用程序提供接口来访问操作系统提供的一些高级控件，比如状态栏、进度条、工具栏和标签。这个链接库位于16位Windows的commctrl.dll或32位Windows的comctl32.dll中。
　　6）Windows外壳，作为Windows API的组成部分，不仅允许应用程序访问操作系统shell提供的功能，还对其有所改进和增强。它位于16位Windows的shell.dll或32位Windows的shell32.dll中（Windows 95则在 shlwapi.dll中）。
　　7）网络服务，为访问操作系统提供的多种网络功能提供接口，包括NetBIOS、WinSock、NetDDE及RPC等。
　　2．MFC
　　MFC是一个强大的Windows开发工具，是随着Visual C++开发工具一起发布的，在某种程度上，它的发展过程就是Visual C++的发展过程。
　　MFC和AFX小组关系密切。AFX是英文Application Framework的缩写，本意是应用程序框架。1989年，微软为了使Windows应用程序编写能充分利用面向对象的技术，促进程序的移植和代码重用，提出了使用应用程序框架的概念，其目的是形成统一的编程风格，并为此成立了AFX小组——后来成为MFC的创造者。所以在MFC类库中经常会见到有些以Afx打头的函数。AFX小组通过大量工作，建立了新的应用程序框架，封装了Windows API，提供了一整套用于Windows开发的类。这一应用程序框架的实现促成了MFC的诞生。AFX小组除创建了MFC类库之外，还创建了与MFC类库协调工作的许多可视化工具，如Visual C++中的应用程序向导和类向导等。
　　从本质来讲，MFC是用来编写Windows应用程序的C++类库，该类库以层次结构的方式组织起来，其中封装了大部分Windows API和Windows控件，它所包含的功能涉及整个Windows操作系统。MFC大大简化了使用Visual C++开发Windows应用程序的工作。MFC提供的类库对程序设计的高度抽象，使得程序员的主要精力不用放在程序设计的细节实现上，而是放在程序功能的拓展上。它同时允许在编程过程中自定义和扩展应用程序中的类，还允许调用Windows API，从而使应用程序能以最小的规模实现最丰富的功能，而且能够提供高效的运行代码。
　　此外，MFC还具有良好的可移植性，使用MFC开发的应用程序适用于多种不同的平台。对于多种编译器，MFC也是可移植的，而且有许多软件开发公司已经把它作为一种基于Windows开发标准的应用程序框架。MFC之所以如此流行，还得益于微软公司的不断支持，使得MFC类库始终能跟得上软件发展的潮流，而且在功能扩展的同时，MFC还很好地保持了程序的向下兼容性。
　　1.2 数字图像处理概述
　　1.2.1 图像与数字图像
　　据统计，人类获得的信息有75%以上来自视觉系统，即通过图像获得。图像是光辐射能量照在客观存在的物体上，经其反射或透射，或发光物体本身发生光能量，在人的视觉系统中形成的视觉信息。客观世界是三维的，但是通常从客观景物得到的图像是二维的。因此，一幅图像可以用二维的函数f (x,y)来表示，这里的x、y表示二维空间中一个坐标点的位置，f表示图像在点（x,y）处的某种属性，如亮度。常见的图像是连续的，即f、x、y的取值是连续的。为了使计算机能够对图像进行处理，需要对图像进行采样、量化和编码，从而形成一幅离散的数字图像。因此，通常用I=f (x,y)来表示一幅数字图像，也可以用如下矩阵的形式来描述一幅M*N的数字图像。
　　矩阵中的各个元素称为像素，一幅数字图像是由在水平方向上的M列像素和垂直方向上的N行像素构成的，在数值上等于数字图像在该坐标点处的灰度值。
　　1.2.2 颜色与颜色空间
　　颜色是眼睛对不同波长和强度的光的感知。人眼视网膜表面分布着众多接收细胞，它们可以接收光的能量，并转换为电信息传递给大脑皮质社区的接收器，形成视觉图像。人眼视网膜由两种细胞组成：锥状细胞和杆状细胞。每只眼睛的锥状细胞个数为600～700万，它们主要位于视网膜的中间部分，称为中央凹。锥状细胞对颜色的灵敏度很高，每个锥状细胞都连接着它自己的神经末梢，人们可以借助这些细胞来分辨图像的颜色和细节。杆状细胞数量要比锥状细胞数量大得多，在视膜表面有7500～15000万个杆状细胞，它们的分布面积大，且几个杆状细胞连到一个神经末梢，因此，杆状细胞主要用来呈现出视野内的整体图像，它们没有颜色感觉，并且在低照度下对图像敏感。人的眼睛可以分辨几千种不同的颜色，却只能分辨二十几种不同深浅的灰度。
　　一般人眼中有3种不同的锥状细胞：第一种主要感受红色，其最大敏感点在565nm左右；第2种主要感受绿色，其最大敏感点在535nm左右；第3种主要感受蓝色，其最大敏感点在420nm左右。人的眼睛就是通过对比各刺激强度感受到不同光的颜色。为了科学地定量描述和使用颜色，人们提出了各种颜色空间。颜色空间也称“彩色模型”（又称彩色空间或彩色系统），用途是在某些标准下用通常可接受的方式对彩色加以说明。本质上，彩色模型是坐标系统和子空间的阐述。
　　目前常用的颜色空间按用途可分为两类，一类面向诸如视频监视器、彩色摄像机或打印机之类的硬件设备；另一类面向以彩色处理为目的的应用，如动画中的彩色图形。
　　1．RGB颜色模式
　　根据人眼结构，所有颜色都可看作是3个基本颜色——红（R, red），绿（G, green）和蓝（B, b1ue）的不同组合。RGB颜色模式用三维空间中的一个点来表示一种颜色，每个点有3个分量，分别代表该点颜色的红、绿、蓝的亮度值，亮度值限定在[0, 1]。在RGB模式立方体中，原点所对应的颜色为黑色，它的3个分量值都为零；距离原点最远的顶点对应的颜色为白色，它的3个分量值都为1；从黑色到白色的灰度值分布在这两个点的连线上，该线称为灰度线；如图1-1所示，立方体内其余各点对应不同的颜色。彩色立方体中有3个角分别对应于三基色——红、绿、蓝，剩下的3个角对应于三基色的补色——黄色、青色（蓝绿色）、品红（紫色）。红、绿、蓝原色混合在一起可以产生混合色。RGB颜色模式常用于显示器系统。
　　2．HSI颜色模式
　　HSI颜色模式从人的视觉系统出发，用色调（Hue）、色饱和度（Saturation或Chroma）和亮度（Intensity或Brightness）来描述色彩。HSI颜色模式可以用一个圆锥空间模型来描述。用这种描述HSI颜色模式的圆锥模型相当复杂，但却能把色调、亮度和色饱和度的变化情形表现得很清楚。色调和饱和度通常通称为“色度”，用来表示颜色的类别与深浅程度。由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于色彩处理和识别，人的视觉系统经常采用HSI颜色模式，它比RGB颜色模式更符合人的视觉特性。在图像处理和计算机视觉中，大量算法都可在HSI颜色模式中方便地使用，它们可以分开处理，而且是相互独立的。因此，在HSI颜色模式可以大大简化图像分析和处理的工作量。HSI颜色模式和RGB颜色模式只是同一物理量的不同表示法，因而它们之间存在着转换关系。
　　HSI颜色模式中的饱和度与颜色的白光光量刚好成反比，饱和度可以说是一个颜色鲜明与否的指标。因此如果在显示器上使用HSI模型来处理图像，将能得到较为逼真的效果。色调（Hue）指物体传导或反射的波长，更常见的是以颜色（如红色，橘色或绿色）来辨识，取0～360°的数值来衡量。饱和度（Saturation）又称色度，是指色彩的强度或纯度，代表灰色与色调的比例，并以0%（灰色）～100%（完全饱和）来衡量。亮度（Intensity）是指颜色的相对明暗度，通常以0%（黑色）～100%（白色）的百分比数值来衡量。