感觉系统/视觉系统/图像处理

图像处理

一个主要的理解技术工具是计算机处理图像的方式。我们必须了解如何编辑图像以及有哪些技术可以重新排列图像。

图像表示

灰度

对于计算机来说，图像只不过是大量的小方块。这些方块被称为“像素”。在灰度图像中，每个像素都包含一个数字 n，通常是 $0\leq n\leq 255$ 。这个数字 n 代表了图像中该方块的确切颜色。这意味着，在一个灰度图像中，我们可以使用 256 种不同的灰度，其中 255 代表白色斑点，而 0 代表方块是黑色的。说实话，我们甚至可以使用超过 256 种不同的灰度级别。用这种方法，每个像素使用正好 1 字节（或 8 位）的内存来保存。（由于计算机的二进制系统，它包含：2⁸=256）如果你认为你的图像需要更多不同的灰度级别，这不是问题。你只需要使用更多内存来保存图片即可。但请记住，对于大型图像来说，这可能是一项艰巨的任务。此外，你经常会遇到这样的问题：你的传感设备（例如你的显示器）可能无法显示超过 256 种不同的灰色。

颜色

表示彩色图像比灰度图像只稍微复杂一点。你需要知道的只是计算机使用三种主要颜色红色、绿色和蓝色的加色混合。这些是所谓的 RGB 颜色。

这些图像也是由像素保存的。但是现在每个像素必须知道 3 个介于 0 到 256 之间的值，每种颜色 1 个值。因此，现在我们可以表示 256³= 16,777,216 种不同的颜色。类似于灰度图像，这里也成立，没有颜色意味着黑色，所有颜色都意味着白色。这意味着，颜色 (0,0,0) 是黑色，而 (0,0,255) 意味着蓝色，(255,255,255) 是白色。

图像滤波

一维滤波器

在许多技术应用中，我们发现了一些可以轻松描述特征的原始基础。在一维情况下，滤波器并不复杂，因此我们可以使用这些滤波器来更改图像。所谓的“Savitzky- Golay 滤波器”允许平滑传入的信号。该滤波器由 Abraham Savitzky 和 Marcel J. E. Golay 于 1964 年提出。它是一种脉冲响应滤波器（IR）。

为了更好地理解，让我们看一个例子。在 1d 中，我们通常处理向量。一个这样的给定向量，我们称之为 x，它包含： $\mathbf {x} =(x_{1},x_{2},\dots ,x_{n})\;with\;n\;\in \mathbb {N}$ 。我们的目的是平滑这个向量 x。为此，我们只需要另一个向量 $\mathbf {(} w)=(w_{1},w_{2},\dots ,w_{m})\;with\;n>m\;\in \mathbb {N}$ ，我们称这个向量为权重向量。

有了 $y(k)=\displaystyle \sum _{i=1}^{m}w(i)x(k-m+i)$ ，我们现在得到了一个平滑的向量 y。这个向量比之前的向量更平滑，因为我们只保存了向量中几个元素的平均值。这意味着新找到的向量元素取决于要平滑的元素左右两边的几个元素。这种方法的一个主要缺点是，新找到的向量 y 只有 n-m 个元素，而不是像原始向量 x 那样有 n 个元素。