一般的图像（模拟图像）不能直接用计算机来处理 ， 必须首先转化为数字图像
把模拟图像分割成一个个称为像素的小区域 ， 每个像素的亮度或灰度值用一个整数表示

文章插图

数字化的含义：
使模拟图像的灰度、亮度和色彩数据化
【图形数字化步骤 图像数字化包括哪两个过程】

文章插图

图像数字化的步骤：
两个步骤：
1、在空间坐标对图像离散化——图像采样
2、在幅度上离散化——灰度级量化（取整）
图像采样示意图：


文章插图

也就是在xy轴上（空间坐标）将完整的一幅图像定义在从某些位置上“拆解”（离散）成最小单位即像素快 ， 用坐标（x ， y）表示像素点之间的位置关系 。
将虚拟图像转换为数字图像是为了达到计算机进行处理的目的 。 虚拟图像转换为数字图像的方式就是把虚拟图像由像素点来表示 。
数字图像 ， 它是由像素点（图像的最小单位）构成的 ， 每个像素点表示着一个灰度值在平面坐标系上矩阵排布 ， 这些灰度值按照一定的关系组合在一起形成了图像 。 至此 ， 既然图像的操作单元以及它的排布关系已经确定了 ， 那么就可以通过计算机对其计算处理 。
为什么是灰度？
这个问题我最早也困惑为什么不是红度？绿度？蓝度？ ， 后来想想无论红的绿的蓝的黑的都可以 ， 确定图像完全可以由任意颜色的0~255之间的值来表示 。 偏向于灰度可能是因为灰的极端为黑白两种鲜明的对比色也或许是因为早期的成像都是黑白 。
灰度值量化
经过采样 ， 模拟图像已在空间上离散化为像素 ， 但抽样所得的像素值仍是连续量（非整数） ， 必须将其化为正整数——灰度级的量化 。
若抽样点（橡素）的连续浓淡值为Zi ， Zi-1 <= Zi < Zi+1 ， 则Zi = qi ， 即Zi量化为整数qi ， qi称为像素的灰度值
（所谓量化 ， 就是把经过抽样得到的瞬时值将其幅度离散 ， 即用一组规定的电平 ， 把瞬时抽样值用最接近的电平值来表示 。 经过抽样的图像 ， 只是在空间上被离散成为像素(样本)的阵列 。 而每个样本灰度值还是一个由无穷多个取值的连续变化量 ， 必须将其转化为有限个离散值 ， 赋予不同码字才能真正成为数字图像 。 这种转化称为量化 。 ）
一般 ， 灰度图像常量化为8位图像 。


文章插图

数字图像数据量的计算
抽样点数越多 ， 图像像素数目越多 ， 图像数据量越大
量化级别越高 ， 图像每个像素所占用的字节越长 ， 图像数据量越大 。
一幅数字图像的总数据量可用公式计算：
数据量=M*N*b
M——每行像素量
N——每列像素量
b——灰度量化所占用的位数或字节数
例如：一幅8位灰度图像 ， 大小为512*512 ， 其数据量多大？
512*512*8bit = 512*512*1k = 512*512 / 1024 = 256 kb
数字图像处理的实质：
通过对数字图像中像素数据的判断 ， 依据处理或识别要求 ， 最后逐个修改像素的灰度值 。
数字图像的数据以矩阵形式排列
一幅M*N个像素的数字图像 ， 其像素灰度值的排列实际形成了一个M行N列的矩阵F ， 数字图像中的像素与矩阵元素是一 一对应的