? ? 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython ?
一、引言
本系列文章记录了老猿自学冈萨雷斯数字图像处理的感知和总结，但估计更新会比较慢，白天工作，晚上花时间学习，学习一章后回顾总结，想学习朋友可以下载英文原版（目前到第四版）和中文翻译（目前应该到第三版）电子版，如果你想英文原版也找到第三版。
这本《数字图像处理》不愧为数字图像处理的经典教程，知识面广，内容详细，案例贴近实践，至少符合老猿的口味。但是中译有两个问题:
- 有些翻译得不够精准或流利，对于这样的内容如果在老猿总结知识中出现，会以斜体字标记，有些关键术语老猿会附上英文原词；
- 许多中文翻译的图像案例比原版差得多，甚至影响了对讲述内容的理解。因此，即使你不阅读原始文本，图像案例最好与原始文本进行比较。
二、知识概要:光和电磁波谱（Light and the Electromagnetic Spectrum）
- 电磁波可以看作是波长λ 正弦波的传播（sinusoidal waves），或者可以看作是以波的形式光速传播和移动的无质量（massless）的粒子流（particles），每个粒子都叫光子（photon）；
- 波长可用于电磁波λ (单位:米)，频率v(单位:赫兹)和能量E三者的关系是：
λ = c/v，c为光速，c = 2.998×108E = hv，其中普朗克常数可以看出，能量与频率成正比，与波长成反比。因此，无线电波对活体组织的危害较小，伽马射线对活体组织的危害较大。与电磁波谱相对应的电磁波顺序为：无线电波<微波<红外线<可见光<紫外线<X射线<伽马射线 - 完整的电磁波谱图：
- 光是一种特殊的电磁辐射，能被人眼感知，人眼能辨别的可见光（visible light）彩色范围只占电磁波的一小部分。从上图可以看出，彩色光谱分为紫色、蓝色、绿色、黄色、橙色和红色。
- 人感觉物体的颜色是由物体反射的（the light reflected from the object）决定的。 无色光称为单色光（monochromatic ）或无色广（achromatic），其唯一属性是强度（intensity）或数量（amount），灰度级(gray level)一个词通常用来表示单色光的强度。
- 彩色光源可从以下三个方面量化描述：
- （radiance）：辐射量是光源发出的总能量，单位瓦特（w）。中译本称为发光强度
- （luminance）：它是观察者从光源中感受到的能量数，单位是流明数（lm）。例如，远红外发出的光有辐射量，但人眼很难感知，光通量几乎为0
- （brightness）：它是对光感知的主观描述，是描述色感和单色光强度的关键因素
三、知识概要:图像感知和获取（Image Sensing and Acquisition）
-
大多数图像都是由辐射（illumination）源能量入射与图像对应景物（scene）”元素对能量的反射（reflection）或吸收（absorption）这里对两者加引号，强调两者比可见光照射三维景物更常见。辐射源可以是电磁波、声波、超声波甚至计算机产生的照射模式，而风景可以是熟悉的物体和沉积岩（buried rock formations）、分子（molecules）或人脑；
-
如果可以开发传感器来检测电磁波谱辐射的能量，理论上可以使用电磁波成像，但前提是电磁波的波长必须小于等于观察对象的大小。图像传感器的基本限制是这种限制和传感材料的物理特性；
-
辐射成像的基本过程是依靠辐射源的特性（nature），辐射能（illumination energy）被物体反射（reflected，如相机拍照)或透射（transmitted through，例如，x光图像)，传感器捕获特定类型的辐射能量，传感器根据捕获能量输出电压波形（voltage waveform）作为响应，将电压波形数字化转换为数字量。
-
主要有三种辐射能成像传感器： √ 单图像传感器：Single imaging sensor，如光电二极管（photodiode），传感器前面可以有个滤光器（filter）来改善选择性（selectivity.，例如，绿色过滤器有利于绿色光通过，输出的绿色光比其它可见光强），以使单个传感器成像，在传感器和成像区之间必须有x和y相对位移的方向（relative displacements） √ 条带传感器：Line sensor，如平板扫描仪、航空、传感器一次成像一行x方向数据，图像y方向数据采集通过传感器相对物体的移动完成。一些条带传感器(如圆形传感器)CT、MRI）重建算法必须输出（reconstruction algorithms）重建算法的目的是将感知数据转换为有意义的剖面图像 √ 阵列传感器：Array sensor，如数码相机CCD，传感器在成像过程中不需要移动，通过将能量聚焦到阵列表面获得图像。由于传感器的响应与捕获的辐射总能量相比，通过累积输入信号可以达到降噪的目的。
-
能成像模型的简单辐射（A Simple Image Formation Model） 学习总结和感受冈萨雷斯的数字图像处理：第一章 绪论 百闻不如一见 https://blog.csdn.net/LaoYuanPython/article/details/116807930介绍了二维函数的使用f(x,y)表示图像，空间坐标（x,y），函数f的值是坐标图像（x，y）幅值为正标量（positive scalar quantity），其物理意义由图像源决定。
数字图像函数辐射成像f(x,y)可以有两个重量（two components）来表示： √ 辐射源（source illumination）入射（incident）观察景物的总能量，称为入射（illumination）重量，表示为i(x,y)； √ 景物中的物体反射的辐射总量，称为反射（reflectance）重量，表示为r(x,y)。 √ 入射分量i(x,y)和反射分量r(x,y)两个重量的乘积是f（x,y），即：
f(x, y) = i (x, y) r (x, y)其中：0<i(x,y)<∞，其值取决于辐射源，0<r(x,y)<其值取决于成像物体。反射分量为0，表示入射能量被完全吸收，1表示全反射。 √ 除反射成像场景外，上述公式也适用于透射成像场景，但r（x,y）透射分量函数应表示。 -
虽然成像主要基于电磁波辐射能量，但这并不是生成图像的唯一方法，其他声波反射，如超声波成像（sound reflected）、电子显微镜的电子束（electron beams）以及图形和可视化（graphics and visualization）的图像合成（synthetic images）都是数字图像的图像源。
四、感受和总结
基于冈萨雷斯《数字图像处理》第二章第二节和第三节的内容，介绍了与数字图像密切相关的电磁波谱和光以及获取图像的成像传感器。
老猿认为这部分最重要的概念是辐射能成像的原理，如电磁波进入成像对象，由于成像对象的不同特性，进入物体反射或吸收的能量表示景观的特征，使传感器通过捕获反射或透射能量获得对象的图像。
本章的图像公式 f(x, y) = i (x, y) r (x, y)老猿认为这是一个非常重要的公式，从辐射源的入射能量强度和物体反射（或透射）系数来表达辐射成像的原理，是一个抽象但容易理解的概念，老猿不理解公式的后续使用，但认为它应该对后续图像的转换具有重要意义。老猿是一个非常纠结的人，在学习这本书之前，在网上看到相关资料，图像的噪声图像等于原图像与噪声函数的乘积，当时特别不理解为什么一定是相乘，为什么不是相加或者其他更复杂的公式（如n次函数），有了这个公式后，虽然到现在还是没有彻底想明白机理，但老猿基本能接受噪声图像的计算为什么是两个函数相乘。
写博不易，敬请支持：
如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！
关于老猿的付费专栏
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_9607725.html 使用PyQt开发图形界面Python应用》专门介绍基于Python的PyQt图形界面开发基础教程，对应文章目录为《 https://blog.csdn.net/LaoYuanPython/article/details/107580932 使用PyQt开发图形界面Python应用专栏目录》；
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_10232926.html moviepy音视频开发专栏 )详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理，对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/107574583 moviepy音视频开发专栏文章目录》；
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_10581071.html OpenCV-Python初学者疑难问题集》为《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的伴生专栏，是笔者对OpenCV-Python图形图像处理学习中遇到的一些问题个人感悟的整合，相关资料基本上都是老猿反复研究的成果，有助于OpenCV-Python初学者比较深入地理解OpenCV，对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/109713407 OpenCV-Python初学者疑难问题集专栏目录 》
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_10762553.html Python爬虫入门 》站在一个互联网前端开发小白的角度介绍爬虫开发应知应会内容，包括爬虫入门的基础知识，以及爬取CSDN文章信息、博主信息、给文章点赞、评论等实战内容。
前两个专栏都适合有一定Python基础但无相关知识的小白读者学习，第三个专栏请大家结合《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的学习使用。
对于缺乏Python基础的同仁，可以通过老猿的免费专栏《https://blog.csdn.net/laoyuanpython/category_9831699.html 专栏：Python基础教程目录）从零开始学习Python。
如果有兴趣也愿意支持老猿的读者，欢迎购买付费专栏。
如对文章内容存在疑问，可在博客评论区留言，或关注： 微信公号发消息咨询。