下载掌阅APP，畅读海量书库
立即打开
为了用计算机存储、处理图像，我们必须用合适的离散数据结构来表示图像，如采用矩阵的形式，因此，图像就需要进行数字化。图像的数字化过程一般包含两部分：采样和量化。假设图像采集器所获取的图像是平面上两个坐标的函数 I ( x , y )，采样是指将 I ( x , y ) 采样为一个 M 行 N 列的矩阵，即对坐标 x 和 y 进行数字化；而量化则是指将 I ( x , y ) 的幅值划分为 k 个区间，为每个区间赋予一个整数数字，即对 I ( x , y ) 的幅值进行量化。采样及量化越精细（ M 、 N 、 k 越大）， I ( x , y ) 对原始图像的近似就越好。
图像采样有两个问题：一是确定采样的间隔，即相邻采样图像点的距离；二是设置采样点的几何排列，即采样栅格。一幅图像在采样点处被数字化，这些采样点是在平面上有规则排列的，称它们的几何关系为栅格。因此，数字图像就成为一个数据结构，通常是矩阵。在此需要注意栅格与光栅的区别，光栅是指在点之间定义了相邻关系的栅格。在实际应用中，栅格通常是方形的或是正六边形的，如图2-6所示。
图2-6 栅格示意图
栅格中一个无限小的采样点对应于数字图像中的一个像素，称为图像元素、像元（Image Element），整幅图像被全体像素覆盖，这个定义与前面的定义实质上是一样的。实际的数字转换器捕捉的像素具有有限的尺寸，这是因为采样函数不是一组理想的狄拉克冲击，而是一组有限冲击。从图像分析的角度看，像素是不能再分割的一个单位，通常也用一个“点”来表示一个像素。
在图像处理中，采样的图像数值用一个数字来表示。量化是将图像函数 I ( x , y ) 的连续数值（亮度值）转变为其数字等价量的过程。为了使人们能够察觉图像的细致变化，量化级别要足够高。大部分数字图像处理都采用 k 个等间隔区间的量化方式。如果用 b bit表示像素的亮度值，那么亮度级别是 k =2 b 。通常采用每个像素每个通道8bit的表示方式，也有一些系统使用其他表示方式，如16bit。对于数字图像，每个像素的亮度值在计算机中的有效表示一般需要8bit、4bit或1bit，即计算机存储的每字节相应地可以存储1、2、8个像素的亮度值。
当量化级别不够时，图像会出现伪轮廓（False Contours）问题。当亮度级别小于人眼能够分辨的量化级别时，也会出现伪轮廓问题。量化级别与许多因素有关，如平均的局部亮度值，通常在显示时需要最少100级才能避免出现伪轮廓问题。伪轮廓问题可以通过非等间隔的量化策略来解决，具体的方法是对图像中较少出现的亮度值用比较大的量化间隔。