¿Cómo se digitaliza una imagen?
Para procesar imágenes en una computadora, el proceso de digitalización de imágenes debe primero digitalizar las imágenes reales (fotos, ilustraciones, libros, dibujos, etc.) en un formato de visualización y almacenamiento aceptable para la computadora, y luego use la computadora para realizar análisis y procesamiento. El proceso de digitalización de imágenes se divide principalmente en tres pasos: muestreo, cuantificación y codificación. 1. Muestreo
La esencia del muestreo es cuántos puntos se utilizan para describir una imagen. La calidad de los resultados del muestreo se mide mediante la resolución de la imagen mencionada anteriormente. En pocas palabras, una imagen continua en un espacio bidimensional se divide en una estructura de red rectangular a intervalos iguales en las direcciones horizontal y vertical, y los pequeños cuadrados formados se denominan píxeles. Una imagen se muestrea en un conjunto de píxeles finitos. Por ejemplo: una imagen con una resolución de 640*480 significa que la imagen está compuesta por 640*480=307200 píxeles.
Como se muestra en la Figura 2-2-15, la imagen de la izquierda es el objeto que se va a muestrear y la imagen de la derecha es la imagen de la muestra. Cada cuadrícula pequeña es un píxel. La frecuencia de muestreo se refiere al número de muestras por segundo, que refleja el intervalo entre los puntos de muestreo. Cuanto mayor sea la frecuencia de muestreo, más realistas serán las muestras de imágenes obtenidas y mayor será la calidad de la imagen, pero mayor será la cantidad de almacenamiento necesaria.
Al realizar el muestreo, la selección del tamaño del intervalo del punto de muestreo es muy importante, ya que determina hasta qué punto la imagen muestreada puede reflejar verdaderamente la imagen original. En términos generales, cuanto más compleja sea la imagen y más ricos sean los colores de la imagen original, menor debe ser el intervalo de muestreo. Dado que el muestreo de imágenes bidimensionales es una generalización de imágenes unidimensionales, de acuerdo con el teorema de muestreo de señales, para restaurar con precisión las imágenes a partir de muestras de muestreo, se puede obtener el teorema de Nyquist de muestreo de imágenes: la frecuencia de muestreo de imágenes debe ser mayor o igual que el doble del componente de frecuencia más alta de la imagen de origen. 2. Cuantización
La cuantización se refiere al rango de valores que se utilizarán para representar cada punto después del muestreo de la imagen. El resultado de la cuantificación es el número total de colores que la imagen puede albergar, lo que refleja la calidad del muestreo.
Por ejemplo: Si un punto se almacena en 4 bits, significa que la imagen solo puede tener 16 colores; si un punto se almacena en 16 bits, hay 216 = 65536 colores. Por lo tanto, la cantidad de bits de cuantificación es cada vez mayor, lo que significa que la imagen puede tener más colores, lo que naturalmente puede producir efectos de imagen más detallados. Sin embargo, también ocupará más espacio de almacenamiento. La cuestión básica para ambos es el equilibrio entre efectos visuales y espacio de almacenamiento.
Supongamos que hay una foto en escala de grises en blanco y negro. Debido a que sus cambios de escala de grises son continuos en las direcciones horizontal y vertical, se puede considerar que tiene innumerables píxeles y el valor de la escala de grises en cualquier punto Todos son infinitos. valores posibles de negro a blanco. Esta imagen simulada se puede descomponer en un número finito aproximado de píxeles mediante muestreo a intervalos iguales a lo largo de las direcciones horizontal y vertical, y el valor de cada píxel representa la escala de grises (brillo) del píxel. Cuantifique la escala de grises para que su valor se convierta en un número limitado de valores posibles.
Una imagen obtenida mediante dicho muestreo y cuantificación es un número finito de píxeles que están distribuidos discretamente en el espacio, y un número finito de valores discretos posibles en valor de gris se denomina imagen digital. Siempre que haya suficientes puntos de muestreo horizontales y verticales y el número de bits de cuantificación sea lo suficientemente grande, la calidad de la imagen digital no será menos buena que la de la imagen analógica original.
El número de valores discretos determinados durante la cuantificación se denomina nivel de cuantificación. El número de dígitos binarios necesarios para representar el valor de color cuantificado (o valor de brillo) se denomina longitud de palabra de cuantificación. Generalmente, se pueden utilizar longitudes de palabra de cuantificación de 8, 16, 24 bits o superiores para representar el color. la imagen; cuanto mayor sea la longitud de la palabra de cuantificación, más fielmente podrá reflejar el color de la imagen original, pero la capacidad de la imagen digital resultante también será mayor.
Por ejemplo: Figura 2-2-16, la curva del valor de gris de la imagen continua a lo largo del segmento de línea AB (imagen de la izquierda) (imagen de la derecha), el valor del blanco es el más grande y el valor del negro es el mínimo . Muestreo primero: el muestreo se realiza a intervalos iguales a lo largo del segmento de línea AB. Los valores muestreados se distribuyen continuamente en valores grises, como se muestra en la imagen izquierda de la Figura 2-2-17;
Re-. Cuantización: luego se realiza la digitalización del valor de gris continuo (8 niveles de escala de grises), como se muestra en el lado derecho de la Figura 2-2-17.
3. La cantidad de datos de imagen obtenidos después de la digitalización mediante codificación por compresión es muy grande y se debe utilizar tecnología de codificación para comprimir la cantidad de información. En cierto sentido, la tecnología de codificación y compresión es la clave para la transmisión y el almacenamiento de imágenes.
Actualmente existen muchos algoritmos de codificación maduros que se utilizan en la compresión de imágenes. Los más comunes incluyen codificación predictiva de imágenes, codificación de transformación, codificación fractal, codificación de compresión de imágenes por transformada wavelet, etc.
Cuando se requiere una compresión de alta velocidad para la información de imagen transmitida o almacenada, se debe adoptar una tecnología de codificación de imagen compleja. Sin embargo, sin un estándar consistente como base, diferentes sistemas no serán compatibles a menos que los detalles de cada método de codificación sean exactamente los mismos, será muy difícil conectar los sistemas.
Con el fin de estandarizar la compresión de imágenes, después de la década de 1990, la Unión Internacional de Telecomunicaciones (UIT), la Organización Internacional de Normalización ISO y la Comisión Electrotécnica Internacional IEC han desarrollado y continúan desarrollando una serie de imágenes fijas y en movimiento. Estándares de codificación de imágenes de este año. Estándares internacionales, los estándares actualmente aprobados incluyen principalmente el estándar JPEG, el estándar MPEG, H.261, etc. Estos estándares y recomendaciones son un resumen de los resultados y experiencias de investigación colaborativa realizada por expertos de varios países que trabajan en los campos correspondientes. La aparición de estos estándares internacionales también ha llevado al rápido desarrollo de la codificación de imágenes, especialmente la tecnología de compresión y codificación de imágenes de vídeo. En la actualidad, han surgido en el mercado productos de hardware, software y circuitos integrados para aplicaciones específicas fabricados de acuerdo con estos estándares (como escáneres de imágenes, cámaras digitales, grabadoras de vídeo digitales, etc.), lo cual es muy importante para el rápido desarrollo de La comunicación de imágenes moderna y el desarrollo de nuevos campos de aplicación de la codificación de imágenes desempeñan un papel importante.