总结

在本章中，我们已经确立了数字图像的基本原则，这是计算机视觉后续所有主题的基础。

我们从数字图像的正式定义开始，将其定义为一个将离散空间域映射到一组强度值的函数，$f: \mathbb{Z}^d \to \mathbb{R}^B$。我们根据图像的空间维度（$d$）和通道数（$B$）对其进行分类，区分了常见的类型，如灰度图像（$B=1$）和RGB彩色图像（$B=3$）。

接着，我们探讨了图像采集的流程，从人眼的生物学原型开始。我们研究了现代传感器如何利用CCD或CMOS技术将光子转换为电信号。我们详细介绍了将此模拟信号转换为离散数字表示的关键过程：采样和量化，并分析了在此过程中可能出现的固有失真，例如混叠、噪声和模糊。

随后，我们研究了显示和分析图像的方法。对于灰度图像，我们引入了颜色图作为可视化和伪彩色处理的工具。对于彩色图像，我们重点关注了加色RGB颜色模型。

最后，我们介绍了两类基本的图像处理操作：

1. 算术运算，例如加法、减法和除法，它们是用于降噪、变化检测和光照校正等任务的强大点运算。

2. 直方图，图像强度分布的统计表示。我们讨论了如何解读直方图，以及如何利用直方图变换（例如，均衡化、对比度拉伸）来执行有效的对比度增强。

有了对数字图像本质和基本操作工具的这些基础理解，我们现在准备在接下来的章节中探索图像滤波、分割和分析等更高级的主题。

参考文献¶

• R.C. Gonzalez and R.E. Woods, Digital Image Processing, Pearson, 2010.

• B. Jähne, Digital Image Processing, Springer, 2005.