图像的数字化
数字印刷前图文信息的输人即是将模拟的连续调的平面图像转变为数字印刷系统图 像众(抽样点) 原稿 (模拟图像) 数字图像 正方形点阵 图2一27图像扫描、采样与量化过程 文信息处理部分可接受和 处理的数字图像的过程。 所谓图像数字化就是通过 对连续调图像采样,并将各 像素的层次值用数字化的 离散值(整数值)来表示的 过程,其转化过程如图2- 27所示。宣纸印刷 1.采样 所谓图像采样就是把连续调图像分解成如图2-28所示的离散点的过程。 采样可以看作图像的空间量化。由前面讨论我们知道,一幅二维图像可以用一个二 维的连续函数D(二,y表示,其中(二,y)为二维空间域中直角坐标系的像素位置坐标, D(二,y)表示一幅二维图像在位置(二,刃处的层次(亮度)值。 2.层次的量化 经过采样后,图像已被分解成在时间和空间上离散的像素.但这些像素值(浓淡值)仍 然是连续量。量化是指对采样点的层次值的离散化,即指把图像中连续变化的层次值变成 离散值(整数值)的过程,也常称为取整量化过程。即如图2一30所示将图像存在的D, -D--D,.,,量化后成为整数值9i,将这样得到的数值4i,称之为层次值或层次级(Cray Level), 而把真实值D与量化值q‘之差称为最化误差(伽antization Error).把表示对应于各个层次 级的浓淡程度称为层次等级或层次标度。假设对上述NxM个样点的层次值进行n级分档 取整,同样n也常取为2的整数次幂.即产(b为正整数),此时称为对图像进行b比特量化。 当然b取值越大,重建图像失真越小,若要完全不失真重建原图像,b必须取无穷大,否则一 定存在失真,即量化误差的影响。但是由于人眼对层次分辨能力有限,一般人眼观察的图 像,采用5-8比特量化即可,而在区别图像中层次变化不大的图像时,比特数可高些。 图像最化有两种方法。 (1)等间隔量化。这种量化是将采样值的层次范围进行等间隔分割.对于像素层次 值在黑至白范围内均匀分布的图像,其量化误差可变得最小,故又称为均匀量化(Uniform Quantization)或线性ift化(Linear Quantization )。 采用均匀采样方式,把图像中每个采样点位置(iJ)对应的层次值D(x,力再采样为 D(i,j)。这样整幅图像D(x,y)的全部采样点的层次采样值构成具有(NxM)个离散层 次元素的函数D(ij),其中,i=1,2,3"二,M;j二1,2,3-二,N。离散层次函数D(i,j)常用 NxM的数字矩阵: I。(’,,)D(1,2) ”二}D(2,1) D(2,2) LD(M,1) D(M,2) 式中矩阵元D(iJ)是图像在采样点(iJ)的层次值 D(1,N) D(2,N) (2一8) D(M,N) (2)非等间隔量化。这类量化主要有下列三种:①对数量化。此方法将小的层次值 的级别间隔细分,而将大的层次值的级别间隔粗分:②Max最化。此方法使用像素层次 值的概率密度函数,使输人层次值和量化级的均方误差最小;③锥形量化(Tapered Quantization )。此方法对层次值频繁产生的某一区域范围进行细量化,而对其他层次值几 乎不产生的范围内进行粗量化,这种方法其量化级数不变,又能降低量化误差。 量化图像的梯级数目随图像的内容及处理的目的差别而不同,如处理文字和图形时, 各个像素只需有“0”与“1”两个值,即I bit = 2'(比特)的信息,这种用1 bit信息表示的图 像称为二值图像(Binary Image)。而对于风景、人物照片来说,则至少需用32一64梯级层 次来表现;换言之,当某图像像素数目为NxN,当N = 256时可大体获得质最好的图像. N二128时则略微变粗,N二64或32时,则图像质量急剧劣化。若某图像像素数目NxN 为256 x 256,当量化级数分别为256,64,16,4,2,可以发现如果量化级数位于64 - 256 级,则量化级数造成图像区别不显著,而位于16-2时则图像质量明显变差产生伪轮廓。 在印前图文处理中量化级别应大于128为宜。
相关文章: