摘要：
$r_k$表示一个$L$级的图像$f(x,y)$，$f$的未标准化直方图表示为： \[ h(r_k)=n_k \] $n_k$表示$f$中强度为$r_k$的像素点数量。标准化的直方图定义为： \[ p(r_k)=\frac{h(r_k)}{MN}=\frac{n_k}{MN} \] \(M\)、$N 阅读全文
摘要：
首先，使用$r$代表经过处理之前的像素点，$s$代表处理后的像素点。 图像反转 Image Negatives \[ s=L-1-r \] 使用这种方式将图像反转，会有相当于照片底片的效果。这种方式通常用于增强暗区域嵌入了白色或者灰色细节的图片，尤其是暗色区域在大小上较多的时候。 对数变换 Log 阅读全文
摘要：
这章的内容较为简单，没什么可说的。 The Basics of Intensity Transformations and Spatial Filtering $f(x,y)$为输入图像，$g(x,y)$为输出图像，$T$是在$f$上，对点$(x,y)$的邻域进行的操作。 若邻域大小为$1\time 阅读全文
摘要：
线形运算的定义 若给定一张图片$f(x,y)$，则通过一系列变换得到$g(x,y)$ \[ H[f(x,y)]=g(x,y) \] 若$H$为线形运算，则 \[ \begin{align}H[af_1(x,y)+bf_2(x,y)]=&aH[f_1(x,y)]+bH[f_2(x,y)]\\=&ag_ 阅读全文
摘要：
Neighbors of a Pixel（邻域） 对于一个像素点$p(x,y)$，其垂直与水平的邻居为 \[ （x+1,y),(x-1,y),(x,y+1),(x,y-1) \] 这4个邻域使用$N_4(p)$来表示。 斜方向的邻域是 \[ (x+1,y+1),(x+1,y-1),(x-1,y-1) 阅读全文
摘要：
图像的采样与量化 大多数传感器的输出都是连续的电压波形，为了得到数字图片，需要将输入进行采样与量化两个过程。 采样与量化的基本概念 图像可以是相对与$x$坐标与$y$坐标的连续图像，也可以是振幅的连续图像。若要将其数字化，则必须在坐标与振幅中对函数进行采样。将坐标值数字化的过程成为采样，将振幅值数字 阅读全文
摘要：
图像的函数定义 我们用$f(x,y)$来表示图像。其中$f(x,y)$由两部分组成: $i(x,y)$表示在正在被观察的场景上,入射的光源照明量; $r(x,y)$表示在场景中,物体的反射照明量。 最后，\(f(x,y)=i(x,y)r(x,y)\) 其中$0\leq i(x,y) \leq \in 阅读全文
摘要：
本章的内容大多都是一些科普，这里只写了一点我觉着有用的、需要记住的东西。 眼睛的成像原理 对于普通的照相机，镜头有固定的焦距。观察远处的物体是通过改变镜头与成像平面之间的距离来实现各种距离的焦距的。但是眼睛相反，镜头中心与成像传感器（也就是视网膜）是固定的，通过改变透镜（视网膜）的形状来获取适合的焦 阅读全文