1.1 数字图像概念

1.1 数字图像概念

本节摘要：SOURCE 1.1：数字图像是物理场景经采样与量化得到的离散矩阵。本节动手用 OpenCV 读图、打印 dtype 与动态范围，理解灰度 0–255 与二值图在分割中的角色。

学习目标

1. 区分模拟图像与数字图像
2. 说明采样率与量化位数对质量的影响
3. 运行最小读图脚本并解释输出

一、从光到矩阵

连续光信号 → 传感器采样 → 每点量化到整数。灰度图每像素 1 通道 0–255；彩色 RGB 每像素 3 通道；二值图 0/1 表前景背景。

import cv2
import numpy as np
img = cv2.imread('sample.png', cv2.IMREAD_GRAYSCALE)
print(img.shape, img.dtype, img.min(), img.max())
# 例：(480, 640) uint8 0 255
​

二、动手：创建合成图像

# 256x256 渐变 — 理解量化
h, w = 256, 256
grad = np.tile(np.linspace(0, 255, w, dtype=np.uint8), (h, 1))
cv2.imwrite('grad.png', grad)
​

数字化流程

数字化流程

三、质量指标（SOURCE 1.1.4）

• 分辨率：H×W 越高细节越多，存储越大
• 灰度级：8 bit = 256 级；医学 CT 常用 12–16 bit
• 信噪比 SNR：后续第 2 章去噪用 PSNR/SSIM 评估

四、实验验收

1. 读入彩色图转灰度，确认 (H,W) 降维
2. 对灰度图 >128 得二值图，数白色像素占比
3. 把 grad.png 直方图用 cv2.calcHist 画出 — 应近似均匀

⚠️ 常见坑：imread 失败返回 None 未检查 — 路径或中文编码问题。

💡 关键直觉：CV 里「图像」= NumPy 数组，算法 = 数组运算。

要点速记

• 采样+量化产生数字图像
• uint8 灰度 0–255 是最常见工作格式
• 二值图是分割输出形态
• OpenCV 读图先验 shape/dtype

下一节深入矩阵存储与通道顺序。

位深、分辨率与存储

数字图像由"采样密度（分辨率）"和"量化位数（位深）"两个维度刻画。分辨率决定空间细节：同样视野下 1920×1080 能分辨的最小物体是 640×480 的三倍小，但存储和计算也近似三倍。位深决定灰度层次：8 位灰度提供 256 级，医学影像常用 12 位（4096 级）或 16 位，因为病灶组织的灰度差异可能只有几十级，位深不足会直接丢失诊断信息。工业相机常见 8 位和 10 位，HDR 合成图像常以 16 位保存避免累加溢出。

# 存储量估算
h, w, c = 1920, 1080, 3          # 彩色 1080p
bytes_per_img = h * w * c        # 未压缩约 6.2 MB
# 灰度为 h*w*1，二值图可压缩到 1/8（bit 打包）
​

二值图虽然在视觉上简单，实际却要谨慎处理：阈值选在哪、前后景如何定义，直接决定下游轮廓和测量的准确性。灰度图转二值图是"信息压缩"，压缩时损失的细节无法恢复，所以工业流水线里通常保留灰度图做测量，只在需要掩膜时临时转二值。

质量指标与实验设计

评价图像质量有两个视角。客观指标：PSNR 用于和"干净参考图"比较，适合去噪实验；SSIM 更接近人眼感知，对结构信息敏感，适合评估压缩和增强效果；信噪比 SNR 衡量信号相对噪声的强度。主观视角：肉眼检查边缘是否清晰、是否有伪影，工业验收里"目视合格"往往是第一道门槛。做实验时建议固定一个标准动作：读图 → 打印 shape 和 dtype → 转灰度 → 画直方图 → 做变换 → 保存对比。这个固定动作跑熟之后，后续所有章节的实验都能复用，也是培养工程手感最快的方式。

补一个关于 dtype 的工程提醒：uint8 的加减会回绕（255+1=0），浮点图的范围是 0.0-1.0 而不是 0-255。用 numpy 直接做算术时一定要先确认类型，cv2.add 这类函数会自动饱和截断，而 numpy 的加法不会——这两者的差异是初学者最常见的隐性 bug 来源。遇到图像全黑或全白，第一反应检查类型和数值范围，多半能定位问题。

最后，数字化流程的物理意义值得多说一句：采样率不满足奈奎斯特条件时会产生混叠（锯齿、摩尔纹），这也是为什么工程上拍摄高密度纹理（栅栏、网格布）时图像会"闪"。理解采样量化这一对操作，是理解后续一切图像算法的起点。

再补一个像素邻接的概念：数字图像里像素的邻接有 4 邻接（上下左右）和 8 邻接（加对角线）两种，它决定连通性判断——8 邻接下两个对角相接的像素是连通的，4 邻接下则不是。这个区分在形态学（3.3 节）和区域生长（4.3 节）里直接影响结果，到时会回头用到本节的概念。另外图像显示时要注意数据类型：uint8 直接显示是 0-255 灰度，float32 直接显示往往全黑，需要归一化到 0-255 或 0-1，这也是实验里最常见的显示问题之一。