第二章 數字圖象處理基礎

第二章數字圖像處理基礎

（4課時）2.1色度學基礎2.2人的視覺特性2.3圖像數字化2.4數字圖像表示形式和特點2.5圖像灰度直方圖2.6圖像處理算法的形式2.7圖像數據結構與圖像文件格式2.8圖像的特征與噪聲2.1色度學基礎1、三基色原理：（格拉斯曼定律）人眼視網膜上存在大量能分辨顏色的錐狀細胞，分別對應紅、綠、藍三種顏色，即分別對紅光、綠光、藍光敏感。由此，紅(R)、綠(G)、藍(B)這三種顏色被稱為三基色。（相互獨立）根據人眼三基色吸收特性，人眼所感受到的顏色其實是三種基色按照不同比例的組合。（完備性）

C=aR(r)+bG(g)+cB(b)2.1色度學基礎2、物體的色是人的視覺器官受光后在大腦的一種反映。物體的色取決于物體對各種波長光線的吸收、反射和透視能力。物體分消色物體和有色物體。（1）消色物體的色：消色物體指黑、白、灰色物體，對照明光線具有非選擇性吸收的特性，即光線照射到消色物體上時，被吸收的各種波長的入射光是等量的；被反射或透射的光線，其光譜成分也與入射光的光譜成分相同。當白光照射到消色物體上時，反射率在75%以上，即呈白色；反光率在10%以下，即呈黑色；反光率介于兩者間，呈深淺不的的灰色。2.1色度學基礎（2）有色物體的色：有色物體對照明光線具有選擇性吸收的特性，即光線照射到有色物體上，入射光中各種波長的色光是不等量的被吸收，有的被吸收得多，有的被吸收得少。白光照射到有色物體上，其反射或透射的光線與入射光線相比，不僅亮度有所減弱，光譜成分也改變了，因而呈現出各種不同的顏色。2.1色度學基礎（3）光源的光譜成分對物體顏色的影響當有色光照到消色物體上時，物體反射光顏色與入射光顏色相同。兩種以上有色光同時照射到消色物體上時，物體顏色呈加色法效應。如紅光和綠光同時照射白色物體，該物體呈黃色。加色原理：利用源色(紅、綠、藍)相加獲取彩色。2.1色度學基礎（3）光源的光譜成分對物體顏色的影響當有色光照到有色物體上時，物體的顏色呈減色法效應。如黃色物體在品紅光照射下呈現紅色，在青色光照射下呈現綠色，在藍色光照射下呈灰色或黑色。減色原理：利用白光中減去補色(黃、品、青)獲取彩色影像的方法。2.1色度學基礎2.1.1、顏色模型各種表示顏色的方法，稱做顏色模型。目前使用最多的是面向機器（如顯示器、攝像機、打印機等）的RGB模型和面向顏色處理（也面向人眼視覺）的HSI(HSV）模型。1、RGB模型：2.1色度學基礎2.1.1、顏色模型2、HSI(V)模型：利用色調、飽和度和亮度三個屬性組成一個表示顏色的圓柱體。2.1色度學基礎2.1.1、顏色模型HSI優(yōu)點是，能夠獨立變化每一個HSI成分而不會影響到其他的HSI成分。例如，反差拉伸能夠應用于圖像的亮度成分，而在圖像增強過程中像元的色度和飽和度將不會變化。也可用于顯示具有不同分辨率的空間配準后的數據。例如，一個數據源的高分辨率下的數據可以作為亮度成分顯示，而來自另一個數據源的低分辨率下的數據可以作為色度和飽和度成分來顯示。2.1色度學基礎2.1.1、顏色模型3、CMY顏色模型：以品紅(magenta)、青(cyan)、黃(yellow)作為三基色，是一種減色系統(tǒng)。CMY減色系統(tǒng)和RGB加色系統(tǒng)顏色互為補色。所謂某顏色的補色是從白色中減去這種顏色后所得到的顏色。品紅是綠色的補色，青色是紅色的補色，黃色是藍色的補色。相加系統(tǒng)的補色就是相減系統(tǒng)的基色(R+G=黃，G+B=青，R+B=品紅)。2.1色度學基礎2.1.2、顏色模型間轉換通常在HSI下作完增強后，再變回RGB顯示。RGB色彩立方體的投影面。當對黑白點之間逐步變小的立方體進行投影時，就會產生一系列的投影結果。2.1色度學基礎2.1.2、顏色模型間轉換2.1色度學基礎2.1.2、顏色模型間轉換如果投影面沿灰度線從白到黑移動，就會使一系列的更小的立方體被投影，從而在投影面上產生一序列的尺寸逐步降低的六邊形。白色六邊形最大，而黑色六邊形最小，實際上已經縮小到一個點（立體六角錐）。亮度定義為沿灰度線方向從黑包到任意給定六邊形的投影距離；色度用環(huán)繞六邊形的角度來表示；飽和度用距六邊形中心灰度點的距離來表示。2.2人的視覺特性1、人眼的構造與機理要點（1）瞳孔：透明的角膜后是不透明的虹膜，虹膜中間的圓孔稱為瞳孔，其直徑可調節(jié)，控制進入人眼內之光通量(照相機光圈作用)（2）晶狀體：瞳孔后是一扁球形彈性透明體，其曲率可調節(jié)，以改變焦距，使不同距離的圖在視網膜上成象(照相機透鏡作用)2.2人的視覺特性1、人眼的構造與機理要點（3）視細胞：大量于視網膜上，分為兩類：1）錐狀細胞：600萬－700萬個；明視細胞，在強光下檢測亮度和顏色；白天視覺過程靠此完成。2）桿(柱)狀細胞：更多(10-20倍)；暗視細胞，在弱光下檢測亮度，無色彩感覺，用于給出總體圖像(平均亮度)。每個錐狀視細胞連接著一個視神經末梢，故分辨率高，分辨細節(jié)、顏色；多個桿狀視細胞連接著一個視神經末梢，故分辨率低，僅分辨圖的輪廓。2.2人的視覺特性1、人眼的構造與機理要點（4）人眼成象過程：光線通過角膜、前室水狀液、水晶體、后室玻璃體，成像在視網膜的黃斑區(qū)周圍。視網膜上的光敏細胞感受到不同的光刺激，產生強度不同的電脈沖，并經神經纖維傳送到視神經中樞，由于不同位置的光敏細胞產生了和該處光的強弱成比例的電脈沖，所以，大腦中便形成了一幅景物的感覺。2.2人的視覺特性1、人眼的構造與機理要點人眼的適應亮度范圍很寬：10的10次方(最大與最小之差)。同時識別亮度范圍很有限的：（適應的范圍寬，同時識別范圍窄）。如從亮屋到黑屋什么都看不見（需適應20～30秒），從黑屋到白屋適應較快（僅需1～2秒）。人眼對亮度有適應能力，因此很難判別亮度絕對值。即使相同亮度，但若背景亮度不同，人眼的主觀感覺的亮度亦不一致。要人眼感覺物體在運動，至少15幀/S。2.2人的視覺特性1、人眼的構造與機理要點系統(tǒng)輸出圖像員終總是由人的視覺系統(tǒng)來評價。圖像質量評價與視覺心理：對圖像的認識或理解是由感覺和心理狀態(tài)決定的；圖像系統(tǒng)評價的真正尺度應該是發(fā)信者的意圖為收信者所理解的程度，而不是對發(fā)信者發(fā)出的圖像像素信息集臺的簡單接收。畫面組成和視覺心理：人的視野，左右約180度，上下約60度，視力好的部位僅限2－3度。人是如何轉動眼球使視線移動，從而適應大的畫面和立體景像的？2.2人的視覺特性1、人眼的構造與機理要點人眼中心視力分辨率強，可以進行圖像細節(jié)的認識，但只能認識圖像的一小部分；而周邊視力分辨率差，但可認識圖像的全貌，而且可以將所視目標特征部分檢出，利用檢出的目標圖像特征去控制眼球運動。必要時可以再用中心視力來進一步認識這一部分圖像。對于大畫面圖像，充分利用周邊視產生較強的臨場感；而小畫面臨場感弱，為了產生充分的臨場感。畫面尺寸一般應有30度以上的視野。寬銀幕和球幕電影的視覺效果好的原因。2.2人的視覺特性1、人眼的構造與機理要點視覺的時空頻率分析：視覺的空間頻率特性是影響圖像銳度的主要原因。具有mach效應、Roca-Sulzer微分效應以及中樞神經的Craik-o’brien積分效應等是視覺信息處理的基礎。由此可將視覺和圖像結合起來研究，應用于圖像編碼中。2.2人的視覺特性1、人眼的構造與機理要點mach效應：一種亮度對比現象。當一系列亮度不同的圖形從暗到亮排列在一起時，在較亮圖形臨近較暗圖形的邊緣處，存在一條更亮的帶子；而在較暗圖形臨近較亮圖形的邊緣處，有一條更暗的帶子。2.2人的視覺特性1、人眼的構造與機理要點Mach帶效應：當亮度為階躍變化時，圖像中顯示出豎條灰度梯級圖像，如圖。每個豎條寬度內反射出來的強度是均勻的，相鄰豎條之間的強度是常數，然而看起來每一豎條內右邊要比左邊稍亮。2.2人的視覺特性1、人眼的構造與機理要點眼睛對不同空間頻率產生不同視覺響應的結果。視覺系統(tǒng)對空間高頻和低頻的敏感性較差，而對中頻有較高的敏感性，因而在亮度突變處產生亮度過沖現象；對景物有增強其輪廓的作用。制作效果：用一個黑白組成的圓盤，高速旋轉時,在3個交界處會看到比較亮和比較暗的兩條窄環(huán)：b點亮環(huán)和c點暗環(huán)。亮環(huán)和暗環(huán)就叫馬赫帶。物理上，ab和cd區(qū)的亮度是均勻的，而看起來b點卻比ab區(qū)亮，而c點又比cd區(qū)暗，說明感覺的變化和光強的變化并不完全對應。2.2人的視覺特性1、人眼的構造與機理要點視覺生理和模型研究：視覺生理主要是指從視覺信息的產生、傳輸和處理的機理。涉及神經生理學，對圖像工程技術是很有啟發(fā)性的。已經能夠對部分神經網絡進行模型分析，如側抑制現象、馬赫效應等。但涉及到大腦高級神經中樞的“思考過程”，學習、聯想、記憶等自己組織化機能的研究，還剛起步。埃舍爾矛盾空間1、人眼的構造與機理要點研究課題：（1）搞清決定圖像質量的主觀因素，作出其總的結構模型；（2）找出人腦真正接收信息的容量，大腦有效接收圖像的顯示方式；（3）弄清圖像信源和信宿的結構，建立起包括人的因素在內的信息論；（4）研究視覺和其它感覺的相乘作用，即視覺和其它感覺的互相影響；（5）開發(fā)自己組織作用的綜合研究，進一步建立、發(fā)展“思考過程”；（6）視覺和行為的關系。2.2人的視覺特性2.2人的視覺特性1、人眼的構造與機理要點視覺信息的產生：傾向性的意見：視網膜可分為若干層，各層對視覺信息的產生、加工、傳遞起著不同的作用。視覺信息的產生是在具有桿狀細胞和錐狀細胞的視細胞層。視覺信息傳遞：視覺信息傳遞分眼球內和眼球外兩部分。視覺信息的加工處理：刺激某一個神經元使其興奮，若再刺激該神經元附近的其它神經元時，可以看出后者的興奮對前者的興奮有抑制作用。側抑制的強弱與神經之間距離、興奮程度等有關。2.2人的視覺特性1、人眼的構造與機理要點由于視神經的側抑制作用而產生的視覺馬赫現象，有增強像輪廓提高圖像反差的作用。大腦對圖形的認識過程，知之較少，但有很多設想，如大腦全息記憶型設想。學會走迷宮老鼠切除大腦部分皮層實驗，只切少許不受影響，推測一種現象不能用一種神經元來記憶，而是分散在許多神經元的不同狀態(tài)中,和光學全息很相似，從部分全息記憶中恢復整個圖像。1、人眼的構造與機理要點視覺運動特性：眼球運動及控制、注視點的分布、眼球運動與外界不動性、運動視覺的其它特性。注視點主要集中在圖像黑白交界的部分，尤其拐角處；對閉合的圖形，注視點容易向圖形內側移動；容易集中在時隱時現、運動變化的部分；圖像中一些特別的不規(guī)則處。其他特性：大的運動物體看上去速度慢；假運動現象：當實際靜止的幾個物體時隱時現時，看上去好像物體在運動。2.2人的視覺特性2、人的視覺模型點光源的表示函數：點源可以用δ函數表示，表示平面圖像的二維δ函數為：2.2人的視覺特性則任意一幅圖像可表示為：2.2人的視覺特性2、人的視覺模型

設x(t)為無時限的信號，將它分解為一系列寬度為的窄脈沖之和。當則：

設系統(tǒng)的單位沖激響應為h(t),則系統(tǒng)對應于的沖激響應為則系統(tǒng)對輸入x(t)的總響應為所有沖激響應之和：當：求和符號改為積分符號2.2人的視覺特性2、人的視覺模型卷積積分的圖解法：有助于我們理解卷積的物理意義以及求解步驟，以x(t)*h(t)為例：（1）翻褶：將h（τ）反折，得h（-τ）。（2）移位：將h(-τ）沿τ軸時延t秒，得到h(t－τ）。（3）相乘：將x(τ）與h(t-τ）相乘，得x(τ）.h(t-τ）（4）相加：沿τ軸對x

(τ）.h(t-τ）積分例：設x(t)與h(t)如圖所示，求y(t)=x(t)*h(t)反折：時移（1）（2）（3）（4）(5)y(t)的時域波形如圖所示：2.2人的視覺特性2、人的視覺模型高斯函數：高斯（正態(tài)、常態(tài)）分布。對于隨機變量X，其概率密度函數如圖所示，記為N（μ，σ2）。對不同的μ表現為p(x)的圖形左右平移；對不同的σ（固定μ）p(x)的圖形將隨σ的減小而變高和變窄。特別當μ=0,σ2=1時，X的分布為標準正態(tài)分布。2.2人的視覺特性2、人的視覺模型光學成像系統(tǒng)的表示人的視覺模型2.2人的視覺特性3、人眼的亮度感覺2.2人的視覺特性3、人眼的亮度感覺主觀亮度S與實際亮度B之間的關系:

S=KlnB+k0人眼亮度感覺之應用：若一幅原圖像經過處理，恢復后得到重現圖像，重現圖像的亮度不必等于原圖像的亮度，只要保證二者的對比度及亮度層次（灰度級）相同，就能給人以真實的感覺。2.3圖像數字化1、數字化：將一幅畫面轉化成計算機能處理的形式的過程。（模擬圖像－數字圖像）。包括采樣和量化兩個過程。2.3圖像數字化（1）采樣：將空間上連續(xù)的圖像變換成離散點的操作。采樣間隔和采樣孔徑的大小是兩個很重要的參數。當對圖像進行實際的抽樣時，怎樣選擇各抽樣點的間隔是個非常重要的問題。關于這一點，圖像包含何種程度的細微的濃淡變化，取決于希望真實反映圖像的程度。2.3圖像數字化采樣定量：

采樣過程所應遵循的規(guī)律。說明采樣頻率與信號頻譜之間的關系，是連續(xù)信號離散化的基本依據。1928年由美國電信工程師H.奈奎斯特首先提出來的，因此稱為奈奎斯特采樣定理。1933年由蘇聯工程師科捷利尼科夫首次用公式嚴格地表述這一定理，因此在蘇聯文獻中稱為科捷利尼科夫采樣定理。1948年信息論的創(chuàng)始人C.E.香農對這一定理加以明確地說明并正式作為定理引用，因此在許多文獻中又稱為香農采樣定理。2.3圖像數字化采樣定量：有許多表述形式，但最基本的表述方式是時域采樣定理和頻域采樣定理。采樣定理在數字式遙測系統(tǒng)、時分制遙測系統(tǒng)、信息處理、數字通信和采樣控制理論等領域得到廣泛的應用。時域采樣定理：頻帶為F的連續(xù)信號f(t)可用一系列離散的采樣值f(t1),f(t1±Δt)，f(t1±2Δt)，...來表示,只要這些采樣點的時間間隔Δt≤1/2F，便可根據各采樣值完全恢復原來的信號f(t)。這是時域采樣定理的一種表述方式。

2.3圖像數字化時域采樣定理：另一種表述方式是，當時間信號函數f(t)的最高頻率分量為fM時,f(t)的值可由一系列采樣間隔小于或等于1/2fM的采樣值來確定,即采樣點的重復頻率f≥2fM。2.3圖像數字化頻率域采樣定理：對于時間上受限制的連續(xù)信號f(t)（即當│t│>T

時,f(t)=0,這里T=T2-T1是信號的持續(xù)時間），若其頻譜為F（ω）,則可在頻域上用一系列離散的采樣值的采樣值來表示,只要這些采樣點的頻率間隔。2.3圖像數字化（2）量化：經采樣圖像被分割成空間上離散的像素，但其灰度是連續(xù)的，還不能用計算機進行處理。將像素灰度轉換成離散整數值的過程叫量化。一幅圖像中不同灰度值的個數稱灰度級數，用G表示。一般來說，，g表示圖像像素灰度值所需的比特位數。通常采用8bit量化。從視覺效果上，采用大或等于6bit量化的灰度圖像，視覺效果令人滿意。數字化前需要決定影像大?。ㄐ袛礛、列數N）和灰度級數G的取值。一般數字圖像灰度級數G為2的整數冪。所需的存儲空間為M×N×g（bit）稱為圖像的數據量。2.3圖像數字化量化：2.3圖像數字化一、均勻采樣：等間隔。2.3圖像數字化一、均勻采樣：等間隔。2.3圖像數字化二、均勻量化：2.3圖像數字化三、分辨率變化對圖像的影響2.3圖像數字化三、分辨率變化對圖像的影響(a)256x256;(b)128x128;(c)64x64;(d)32x32;(e)16x16;(f)8x8;2.3圖像數字化三、分辨率變化對圖像的影響2.3圖像數字化三、分辨率變化對圖像的影響(a)K=256;(b)K=128;(c)K=32;(d)K=16;(e)K=4;(f)K=22.3圖像數字化2、像素間的基本關系：2.3圖像數字化3、像素間的鄰接性：2.3圖像數字化3、像素間的鄰接性：2.3圖像數字化4、像素間的距離度量：2.4數字圖像表示形式和特點數字圖像的矩陣表示2.4數字圖像表示形式和特點二值圖像的表示方法為減少計算量，常將灰度圖像轉為二值圖像處理。只有黑白兩個灰度級，0or1：如文字圖片2.4數字圖像表示形式和特點鏈碼表示法：屬特有的表示方法,適合表示直線和曲線組成的二值圖像，以及描述圖像的邊界輪廓。采用鏈碼比矩陣表示可節(jié)省很多的比特數。規(guī)定了鏈的起點坐標和鏈的斜率序列，就可以完全描述曲線或直線。121222121110077655456702.4數字圖像表示形式和特點灰度圖像：灰度圖像是指每個像素由一個量化的灰度值來描述的圖像。它不包含彩色信息。2.4數字圖像表示形式和特點彩色圖像：彩色圖像是指每個像素由R、G、B三原色像素構成的圖像，其中R、B、G是由不同的灰度級來描述的。2.4數字圖像表示形式和特點二值圖像示例2.4數字圖像表示形式和特點灰度圖像示例2.4數字圖像表示形式和特點彩色圖像示例2.4數字圖像表示形式和特點彩色圖像示例2.4數字圖像表示形式和特點數字圖像的特點：（1）信息量大：一幅遙感圖像,如N=1024,G=256，則有8Mb；（2）占用頻帶寬：與語音信息相比，圖像信息占用的帶寬要大幾個數量級。如電視圖像約為5.6MHZ，而語音僅為2KHz左右。因此，處理的難度大，成本高。這就對圖像（頻帶）壓縮提出了必須（很高）的要求；（3）像素間相關性大：同幅內相鄰像素間具有相同（或相近）灰度的可能性很大；運動圖像的相鄰幀對應像素間相關性更大。所以，圖像壓縮的潛力（可能性）很大。（4）視覺效果的主觀性大。2.5圖像灰度直方圖一個簡單而非常有用的工具。概括反映一幅圖像的灰度級內容和圖像可觀的信息。反映的是一幅圖像中各灰度級與各灰度級像素出現的頻率之間的關系。以灰度級為橫坐標，縱坐標為灰度級的頻率，繪制頻率同灰度級的關系圖就是灰度直方圖。它是圖像的一個重要特征，反映了圖像灰度分布的情況。2.5圖像灰度直方圖灰度圖像的直方圖：2.5圖像灰度直方圖彩色圖像的分波段直方圖：2.5圖像灰度直方圖直方圖統(tǒng)計：該圖像像元總數為8*8=64,i=[0,7]2.5圖像灰度直方圖直方圖性質：只能反映圖像的灰度分布情況，而不能反映圖像像素的位置,即丟失像素的位置信息。一幅圖像對應唯一的灰度直方圖，反之不成立。不同的圖像可對應相同的直方圖。一幅圖像分成多個區(qū)域，多個區(qū)域的直方圖之和即為原圖像的直方圖。2.5圖像灰度直方圖直方圖應用：判斷圖像量化是否恰當(是否合理利用全部允許的范圍)。(a)恰當量化(b)未能有效利用(c)超過了動態(tài)范圍

用于確定圖像二值化的閾值。2.5圖像灰度直方圖直方圖應用具有二峰性的圖像2.5圖像灰度直方圖直方圖應用：當物體部分的灰度值比其它部分灰度值大時，可利用直方圖統(tǒng)計圖像中物體的面積。計算圖像信息量H（熵）：反映圖像信息豐富程度，在圖像編碼處理中有重要意義。2.6圖像處理算法的形式按圖像處理的輸出形式，圖像處理的基本功能可分為三種形式。1）單幅圖像→單幅圖像，如圖：

2）多幅圖像→單幅圖像，如圖：3）單（或多）幅圖像→數字或符號等，如圖：2.6圖像處理算法的形式圖像處理的幾種具體算法1、局部處理鄰域：對于任一像素（i，j），集合{（i+p,j+q），p、q取合適的整數}叫做該像素的鄰域，如圖（a）。常用的鄰域如圖（b）、（c),分別表示中心像素的4-鄰域、8-鄰域。2.6圖像處理算法的形式圖像處理的幾種具體算法1、局部處理：對輸入圖像IP（i,j）處理時，某一輸出像素JP(i,j)值由輸入圖像像素（i,j)及其鄰域N(i,j)中的像素值確定。這種處理稱為局部處理。計算表達式為：2.6圖像處理算法的形式圖像處理的幾種具體算法1、局部處理：圖像的移動平均平滑和空間域銳化屬于局部處理。例如對一幅圖象采用3×3模板進行卷積運算。2.6圖像處理算法的形式圖像處理的幾種具體算法1、局部處理：在局部處理中，當輸出值JP(i,j)僅與IP(i,j)有關，則稱為點處理，如圖。計算表達式為：圖像對比度增強、圖像二值化等屬于點處理。2.6圖像處理算法的形式圖像處理的幾種具體算法1、局部處理：輸出像素JP(i,j)的值取決于輸入圖像大范圍或全部像素的值，這種處理稱為大局處理。計算表達式為：2.6圖像處理算法的形式圖像處理的幾種具體算法2、迭代處理：反復對圖像進行某種運算直至滿足給定的條件，從而得到輸出圖像的處理形式稱為迭代處理。如下圖像的細化處理過程。2.6圖像處理算法的形式圖像處理的幾種具體算法3、跟蹤處理：選擇滿足適當條件的像素作為起始像素，檢查輸入圖像和已得到的輸出結果，求出下一步應該處理的像素，進行規(guī)定的處理，然后決定是繼續(xù)處理下面的像素，還是終止處理。這種處理形式稱為跟蹤處理。4、位置不變處理和位置可變處理：輸出像素JP(i，j)的值的計算方法與像素的位置(i，j)無關的處理稱為位置不變處理或位移不變處理；隨位置不同計算方法也不同的處理稱為位置可變處理。2.6圖像處理算法的形式圖像處理的幾種具體算法5、窗口處理和模板處理對圖像的處理，一般采用對整個畫面進行處理，但也有只對畫面中特定的部分進行處理的情況。這種處理方式的代表有窗口處理和模板處理。單獨對圖像中選定的矩形區(qū)域內的像素進行處理的方式叫做窗口處理

2.6圖像處理算法的形式圖像處理的幾種具體算法5、窗口處理和模板處理希望單獨處理任意形狀的區(qū)域時，可采用模板處理。模板：任意形狀的區(qū)域；模板平面：一個和處理圖像相同大小的二維數組，用來存儲模板信息。多是一幅二值圖像；模板處理：邊參照模板平面邊對圖象進行某種操作。模板成矩形區(qū)域，則與窗口處理具有相同的效果。模板處理必須設置一個模板平面。2.6圖像處理算法的形式圖像處理的幾種具體算法6、串行處理和并行處理串行處理：后一像素輸出結果依賴于前面像素處理的結果，并且只能依次處理各像素而不能同時對各像素進行相同處理的一種處理形式。并行處理：對圖像內各像素同時進行相同形式運算的一種處理形式。2.7圖像數據結構與文件格式1、圖像的數據結構：采用何種形式存儲；將圖像各像素灰度值用一維或二維數組相應的各元素加