1、1 緒論1.1人眼視覺與數字圖像 1.1.1 人眼的視覺 視覺是人類的重要功能。視覺過程是有多個步驟組成的復雜過程。概括地說，視覺過程有光學過程、化學過程和神經處理過程這三個順序的過程所構成。光學過程人的眼睛是人類視覺系統的重要組成部分，是實現光學過程的物理基礎。眼睛是很復雜的器官，單從成像的角度可將眼睛和照相機進行簡單的比較。眼睛本身是一個平均直徑約為20mm的球體。球體前端有一個晶狀體(lens)，對應于照相機的鏡頭，而晶狀體前的瞳孔(pupil)對應于照相機的光圈。球體內壁有一層視網膜(retina)，它是含有光感受器和神經組織網絡的薄膜，對應于照相機的膠片。當眼睛聚焦在前方物體上時，從

2、外部射入眼睛的光就在視網膜上成像。晶狀體的屈光能力可以由在晶狀體周圍的睫狀體纖維內的壓力控制而改變，當屈光能力從最小變到最大時，晶狀體聚焦中心和視網膜間的距離可以從約17mm變到14mm。當眼睛聚焦在一個3m以外的物體上的時晶狀體具有最小的屈光能力，而當眼睛聚焦在一個很近的物體上的時晶狀體具有最強的屈光能力。據此可計算物體在視網膜上的成像尺寸?；瘜W過程視網膜表面分布著一個個光接受細胞（光感單元），它們可以接受光的能量并形成視覺圖案。光接受細胞有兩類：錐細胞(cone),柱細胞(rod)。每個眼內約有6 000 0007 000 000個錐細胞。它們對顏色很敏感。錐細胞又可以分為三種，它們對入射

3、的輻射有不同的頻譜響應曲線。人類能借助這些細胞區分細節主要是因為每個細胞各自連接到它自己的神經末梢。錐細胞視覺稱為適亮視覺(photopic vision)。每個眼內柱細胞的數量要比錐細胞的多很多，在視網膜表面上大約有75 000 000150 000 000個柱細胞。它們分布面大，但分辨率低，這是因為幾個柱細胞都連到同一個神經末梢。柱細胞僅在非常暗的光線下工作，并對低照度較敏感。柱細胞主要是提供視野的整體視像，因為只有一種，柱細胞不感受顏色。例如在日光下（由錐細胞感受到的）鮮艷的彩色物體在月光下變得像無色的，就是由于在月光下只有柱細胞在工作。這種現象叫做適暗視覺(scotopic visio

4、n)。視網膜中心也稱中央凹(fovea)，是眼睛內對光最敏感的區域。錐細胞在中央凹區域的密度很高。為了解釋的方便可把中央凹看做一個1.5mm1.5mm方形傳感器矩陣。錐細胞在這個區域的密度約是150 000個/mm2,所以近似地說，中央凹里的錐細胞約有337 000個。單從原始分辨能力看，一個目前分辨率比較低的CCD圖像采集陣就可以把這么多個光電感受元件集中在一個不超過7mm 7mm的接收陣中。由此可見眼睛的分辨能力是可由目前的電子成像傳感器所達到的，單這并不表明人類視覺系統的能力已能用電子器件實現了。錐細胞和柱細胞均由色素分子組成，其中含有可吸收光的視紫紅質(rhodopsin)。這種物質吸

5、收光后通過化學反應分解成為令兩種物質。一旦化學反應發生，分子就不再吸收光。反過來，如果不再有光通過視網膜，化學反應就反過來進行，分子可重新工作（這個過程常需幾十分鐘）。當光通量增加，受到照射的視網膜細胞數量也增加，分解視紫紅質的化學反應增強，從而使產生的視神經元信號變的更強。從這個角度看，視網膜可看做是一個化學實驗室，將光學圖像通過化學反應轉換成其他形式的信息。在視網膜各處產生的信號強度反映了場景中對應位置的光強度。由此可見，化學過程基本確定了成像的亮度或顏色。視神經處理過程神經處理過程是一個在大腦神經系統里進行的轉換過程。每個視網膜接受單元都與一個神經元細胞相連。每個神經元細胞借助其他的突觸

6、再與其他細胞連接，從而構成光神經網絡。光神經進一步與大腦中的側區域連接，并到達大腦中的紋狀皮層(striated cortex)。在那里，對光刺激產生的響應經過一系列處理最終形成關于場景的表象，從而將對光的感覺轉化為對景物的知覺。視覺過程先從光源發光開始。光的模式通過場景中的物體反射進入作為視覺感受器官的左右眼睛并同時作用在視網膜上引起視覺感。視網膜是含有光感受器和神經組織網絡的薄膜。光刺激在視網膜上鏡神經處理產生的神經沖動沿視神經纖維傳出眼睛，通過視覺通道傳到大腦皮層進行處理并最終引起視知覺，或者說在大腦中隊光刺激產生響應，形成關于場景的表象。大腦皮層的處理要完成一系列工作，從圖像存儲到根據

7、圖像做出響應決策。如果說視感覺主要是從分子的觀點來解釋對光反應的基本性質，是知覺則主要論述從客觀世界接受視覺刺激后如何反應及反應所采用的方式。兩者結合構成完整的視覺。 視感覺和視知覺人們不僅需要從外界獲得信息，而且還需要對信息進行加工才能做出決策。所以，人的視覺、聽覺、嗅覺、味覺、觸覺、熱覺等功能都可以分為感覺和知覺兩個層次。感覺是較低的層次，它主要是接收外部刺激。知覺則是處于較高的層次，它主要是將外部刺激轉化為有意義的內容。一般感覺對外部刺激是基本不加區別地完全接收，而知覺則要確定外部刺激的哪些部分應組合成所關心的“目標”或對外部刺激的源做出判斷。視覺是人類了解世界的一種重要功能。視覺包括“

8、視”和“覺”，所以也可進一步分為視感覺和視知覺。在很多情況下，視覺主要指視感覺，而其他內容則在視知覺中討論。視感覺主要是從分子的觀點來解釋人們對光反應的基本性質（如亮度，顏色），它主要涉及物理、化學等。視感覺中主要研究的內容有：光的物理特性，如光量子、光波、光譜等光刺激視覺感受器官的程度，如光度學、眼睛構造、視覺適應、視覺的強度和靈敏度、視覺的時空特性等；光作用于視網膜后經視覺系統加工而產生的感覺，如明亮程度、色調等郝 1983。視知覺主要是論述人們從客觀世界接受刺激后如何反應及反應所采用的方式。它研究如何通過視覺形成人們關于外在世界空間的表象，所以兼有心理因素。視知覺是在神經中樞進行的一組活

9、動，它把視野中一些分散的刺激加以組織，構成具有一定形狀的整體以認識世界。早在2000年前，亞里斯多德就定義視知覺的任務是確定“什么東西在什么地方”(what is where)Finkel 1994。人們利用視覺所知覺的客觀事物具有多種特性，對它們的光刺激，人類的視覺系統會產生不同形式的反應，所以視知覺又可分為亮度知覺，顏色知覺，形狀知覺，空間知覺，運動知覺等。需要注意，在各種特性中有些是依刺激物理量的變化而變化的，如亮度依賴于光強度，顏色依賴于光的波長，但也有些特性，如空間、時間和運動特性與刺激物理量之間沒有明確的對應關系。具有對應關系的特性比較容易分析，而沒有明確對應關系的特性則要結合其他

10、知識綜合考慮。 視知覺的復雜性視知覺是一個復雜的過程，在很多情況下，只依靠光投射到視網膜上形成的視網膜圖像和人們已知的眼或神經系統的機制還難以把全部過程解釋清楚。視覺邊緣的感知視覺邊緣(visual edge)指從一個視點觀察到的兩個不同亮度的表面間的邊界，這里亮度的不同可以有許多原因，例如光照不同、反射性質不同等。如果從一個視點觀察時，一個表面在另一個表面的后面，則可以看到視覺邊緣。但如果改變視點再觀察，視覺邊緣有可能改變位置。這樣一來，對被觀察物體的認知就可能隨觀察位置的不同而不同。對視覺邊緣的感知即與客觀因素有關也取決于主觀因素。（2）亮度對比的感知視覺系統感覺的主要是亮度的變化而不是亮

11、度本身，一個表面的心理亮度基本上是由它與周圍環境亮度的關系所決定的。如果兩個物體與它們各自的背景有類似的亮度比例，那么它們看起來會有相同的亮度，這和他們自身的絕對亮度沒有關系。反過來，同一個物體如果放在較暗的背景上將會顯得比方在較亮的背景上更亮。視覺系統也能將對亮度的感知與對視覺邊緣的感知聯系起來。兩個可視表面的亮度僅在他們被看做處在同一個視覺平面上時可利用感知進行比較。如果將它們看做與眼有不同的距離，要比較它們相對的亮度就很困難了。類似的，當一個視覺邊緣被看做是在同一個表面上由于照明而產生（例如有從光照射到的區域到陰影區域的變化），而不是由于不同的表面，那么邊緣兩邊的亮度差將會自動顯得更強，

12、并且會被認為是同樣的亮的。 圖像的雙重感知真實性人們在觀察圖像時會同時將圖像感知為一個平面的一部分和一個3-D空間的一部分。這個基本的心理現象稱為圖像的雙重感知真實性(double perceptual reality of images)Aumont 1994,簡稱雙重真實性。下面討論一些有關雙重真實性的問題。有關圖像2-D真實性的信息將一個攝像機放在一個固定位置，所拍攝的平面圖像包括三類潛在的信息：圖像幀，圖像的（紋理）表面，模擬表達的缺陷（特別是在圖片中， 彩色常不如實際中那樣飽和，對比度也不如實際中那樣強烈）。有關圖像3-D真實性的信息要將圖像感知為具備3-D真實性需仔細構建圖像。這需

13、要盡可能的模仿自然視域的某些特征（這些特性的數量可能和視覺本身特性的數量一樣多）。雷納德 達芬奇曾在他關于繪畫的論述中給出了許多這樣的特性，所以有時候這些特性也稱為雷納德準則。例如，他曾經注意到離圖片平面較近的物體應該畫的比較飽和，有較明顯的輪廓和較粗的紋理；離圖片平面較遠的物體應該畫在圖片較高處，畫的較小，暗淡一些和具有較細的紋理；實際中平行的直線在圖片中應匯聚等。這些準則使得所畫結果的空間比例等重現真實場景中光和顏色的不連續性在視網膜的投影。視點假設該假設指出:如果能配準同一幅圖像的2-D和3-D真實性，那么就可以確定所獲取的圖像視點，而且可以補償由于視點不正確造成的視網膜失真。換句話說，

14、因為圖像被看做一個平面，那么圖像所隱含的第三維就更容易感知到。試點假設是對雙重真實性的最典型推論。該假設對感知圖像非常重要。事實上，在博物館和電影院中，觀眾很少能處在圖像透視設計給觀眾的確切位置。如果沒有上述補償機制，觀眾看到的總是失真的圖像。雙重真實性和學習對圖像中深度感知的機制推動了對實際深度感知的發展。對圖像的感知與對視網膜的感知都是隨著年齡和經驗增長的，盡管二者增長的節奏并不一定相同。在日常生活中，視覺也不僅僅是對孤立的刺激的簡單反應。通過視力觀察到的東西是怎么組織的呢？要回答這個問題，需要用空間以及時間的語言來描述感知。為此需要了解視覺的時間和空間特性，它們也是最重要的視覺特性。視覺

15、首先并主要是一個空間感受，單時間因素也是視覺感知中的一個基本因素。這可從三個方面解釋：大多數視覺刺激是隨是時間變化的，或者是順序產生的；眼睛一般是在不停運動的，這使得由大腦獲得的信息是不斷變化的；感知本身并不是一個瞬間的過程，盡管有些感知步驟很快，但總有一些步較慢，因為信息處理總是需要時間的。 隨時間變化的視覺現象亮度適應眼睛對亮度敏感的范圍很大，為0.00000110 000 000 cd/。但在實際生活中的任何時刻，人眼所感受到的最大亮度和最小亮度之比很少超過100。最小亮度至最大亮度的范圍在光亮的房間中位1100 cd/，在室外為101000 cd/，而在晚上為0.011 cd/。當眼睛

16、遇到亮度的突然變化時，眼睛會暫時看不見以盡快適應新的亮度。對亮光的適應比對暗光的適應快。例如，當離開電影院進入陽光下時正常的視覺能很快恢復，單從陽光下進入電影院需要相當長的時間才能把所有的東西都看清楚。定量的說，對亮光的適應只需要幾秒鐘，對暗光的適應最多要3545分鐘（其中約10分鐘讓錐細胞達到最大敏感度，再加上30分鐘讓柱狀細胞達到最大敏感度）。對于這些適應現象的解釋一般都歸于化學反應。但這些適應現象本身在實際中是人所共知的，且促進設計了許多小裝置以減少對暗光的適應時間。例如，染成紅色的眼鏡可以用來在晚上不需對暗光進行適應就進行觀察。這里的原理就是紅色主要刺激錐細胞，戴紅色的眼睛可以讓柱細胞

17、保持對暗光的適應。眼睛的時間分辨率有很多的實驗表明，眼睛能感知到兩種不同步的亮度現象，只有在時間上將它們分得開。其中一般需要至少6080s來有把握的區分開它們，另外還需要2040s以確定那個亮度現象先出現。從絕對時間上講，這個間隔看起來不長，但如果與其他感知過程相比還是相當長，例如聽覺系統的分辨時間只有幾微秒。感知中的時間因素1974年發現在光神經中存在兩種細胞，一種對刺激的固定狀態敏感，另一種對刺激的過渡狀態敏感?！肮潭ā奔毎哂休^小的接受區域，對應中央凹，在圖像比較清晰時工作?！斑^渡”細胞具有較大的接受區域，在刺激變化時有響應。后者與周邊視覺有關，對聚焦不好的圖像不太敏感。另外“過渡”細胞

18、會抑制“固定”細胞，前者更像一個報警系統而后者更像一種分解工具。對應兩種細胞，視覺系統有兩種視覺響應。慢響應它對應整體時間刺激的總和。刺激發生在接受器層次，如果有一定時間延續的弱光與一個非常短暫但很強的閃電所發出的能量是相同的，那么它們很難區分開?？祉憫鼘焖僮兓拇碳さ姆磻Ч偤?。在這些效果中，有兩種效果因為與運動圖像的感知相關而顯得特別重要。閃爍。當入射光的輕度變化頻率不太快時，視覺系統能感知到入射光強的變化，其效果就像看到了間斷的閃爍。當光的頻率增加超過一個臨界頻率后，這種效果就消失了，人們好像觀察到連續平穩的光。對中等強度的光，上述臨界頻率約為10Hz，單對強光，這個頻率可以達到

19、1000Hz。視覺屏蔽。一個接一個快速到來的光刺激有可能互相影響，例如第二個光刺激有可能影響對第一個光刺激的感知。這種現象常稱為屏蔽，因為它減小了對第一個刺激的敏感度。具體來說，它使感知到的反差減小，而且感知的敏感度也減小了。視覺在時間上的累積效應視覺的重要時間特性之一是視覺在時間上有累積效應。當對一般亮度（光刺激不太大）的物體進行觀察時，接收光的總能量E與物體可見面積A、表面亮度L和時距（觀察時間長度）T成正比，如令EC為以50%的概率覺察到所需要的臨界能量（即在多次試驗中，每兩次中有一次觀察到光刺激時的光能量），則有Ec=ALT 。上式成立的條件是TTC ,TC為臨界時距。上式表明，在Tc

20、時間沒眼睛受到刺激的程度和刺激的時距成正比。若時距超過了Tc ，則不在有時間累積效應，換句話說，此時，上式不成立。 視覺在空間上的累積效應視覺不僅有時間累積效應也有空間累積效應。人眼對光刺激的感受范圍很大，可多達13個數量級。最低的絕對刺激閾為0.00001 lx（勒克斯），而最高為100 000 000 lx 。在最好的條件下，例如在邊緣視網膜的一個足夠小區域里，每個光量子都被一個柱細胞所吸收時，只需要幾個光量子即可以引起視覺。此時可認為發生了完全的空間累積作用，這種情況可用稱為光面積和強度的反比定律來描述。這個定律可寫為：EC=kAL 。其中EC為50%覺察概率所需要的臨界光能量，即視覺的

21、絕對閾值；A為累積面積；L為亮度；k為一個常數。它與EC ，A ，L，所用的單位有關。注意，能是上述定律滿足的面積有一個臨界值AC（對應直徑約0.3rad的圓立體角），當AAC ，上述定律成立，否則上述定律不成立。由此可見，空間累積效應可以這樣理解：當小而弱的光點單獨呈現時可能看不見，但是當多個這樣的光點連在一起作為一個大光點同時呈現時便能看見。它的機能意義在于：很大的物體在較暗的環境中即使輪廓模糊也能被看見。視敏度在良好光照條件下，人所能看到的景物細節的精確性（對景物精致細節的分辨能力）可以用視敏度(visual acuity)來表示。視敏度具體對應觀察者所能看見的最小測試物體的尺寸。視敏度

22、為1表示對應視角為1度時在標準距離的分辨能力。一般配眼鏡時用字母作為測量視敏度的刺激源，此時視敏度為1（記為10/10）的分辨能力已經相當不錯了。不過人眼對字母的分辨能力并不好。如果不用字母而用白底黑線，在同樣的環境下人眼的視敏度的值可達到120，這對應角度為半分的分辨能力。人眼的視敏度與視網膜上感受細胞的排列，瞳孔的大小，場景中物體的亮度，觀察時間等都有關。視敏度可用不同方式借助不同的測試物或圖形進行測試。覺察觀察者檢測在視野中某個給定物體是否存在。這里需要注意應將光學衍射的現象與覺察問題一起考慮。由于衍射，一個場景中單獨的國土昂點聚焦在視網膜上時不再是一個點，而成為了由一個中心圓盤及一系列

23、圍繞其周圍的暗環和亮環所組成的模式，同樣由于衍射，一條細線在視網膜上的影像總具有一個大于0.0087rad的寬度，不論原來的測試線有多細。定位觀察者對兩個物體相對位置精確辨別的能力。一般人眼剛剛能分辨的偏差為0.00056rad。這類兩眼視像間的位移是立體深度辨別的基礎。解像解像力士對一個視覺形狀各組成部分之間距離的辨別能力。常用的測試圖形是柵格圖形，網格的線寬和間距常相等。最好的眼睛在最好的情況下也只能分辨由對應視角0.00970.011rad寬的線條組成的柵格。認知認知是一種綜合能力或方法，標準視力表舅是采用了這種方法。認知字母的任務不僅包括明度辨別，而且包括一定的解像力及定位能力。上述各

24、種測試視敏度的方法都死通過判斷測試圖在視覺系統中的成像來進行的。最常用的測試圖是柵格形，它的細致程度可用空間頻率單位來定量的表示。這里空間頻率指的就是在測試圖中每一張角里包含的亮線數目。實際的測試柵格由粗細不同和對比度不同的線條組成，可用于測定眼睛覺察柵格線條的對比感受性。舉例來說，如果眼睛所覺察到的柵格亮暗線間的對比度與原測試柵格亮暗線間的對比度接近，就認為對比感受性大。如果測試柵格線條很細，覺察到的柵格亮暗線間的對比度就會比實際的小很多，即未能很好的成像。如果用橫坐標代表測試柵格亮暗線條的粗細程度，用縱坐標代表對比感受性，則實測結果就給出視覺系統的調制傳遞函數。它給出系統將測試圖準確轉換成

25、光學圖像的能力。這里柵格粗細程度可用空間頻率來表示，其單位為每度視角中所包含的周數（線條數目），即周/度。對比感受性可用光的調制系數M來規范，如果設Lmax Lmin和Lav分別代表最大，最小和平均亮度值，則有形狀知覺是對視野中各種空間關系的知覺赫 1983。要理解形狀知覺先需要了解輪廓，圖形（目標）和背景。形狀的感知視覺邊緣和目標對形狀的感知離不開外部刺激導致的視野中的視覺邊緣，這些視覺邊緣給出了形狀感知所需的信息。對有目標的圖像，對形狀的感知不僅與對邊緣的感知有關，也與對目標的感知有關。在這些圖像中，對形狀的感知問題就是對視覺目標的感知問題。當圖像比較抽象或更符號化的時候，對形狀的感知會更

26、困難或不習慣。更進一步，當討論圖像中一個目標的形狀時常有各部分之整體的意思，所以僅根據目標部件本身并不一定能做出形狀的判斷。例如從圖像中辨認出一個人不僅要確定其臉、臂、腿等，還需要看出它們符合某種空間關系。按這種方式看來，形狀的概念是比較抽象的，且相對獨立于物體的物理特征。一個圖形可以改變其尺寸和位置，甚至他的組成單元（如用點線代替連續線）而不真正改變其形狀。前景和背景的分離前景和背景的概念首先是由心理學家將視場用輪廓（封閉的視覺邊緣）分解成區域是提出的。前景位于輪廓的內部，它具有某種形狀并或多或少像一個物體。盡管有時不能被辨識為某種物體，但它總能被感知為距離比較近且具有比較清晰地顏色。實驗表

27、明，前景比背景更容易辨識，更易與語義，美學，情感相聯系。在心理和認知方面重要的格式塔(gestalt)理論認為將前景和背景分離開始一種視覺系統自發的組織結構：所以形狀都是在一定環境下被感知的，前景和背景的關系是這種相互關聯的抽象結構。形狀構造的規律根據格式塔理論，形狀在構造時有一些規律，常用的有以下四條：接近規律，空間相接近的元素比相分離的元素更容易感知為屬于共同的形狀。相似規律，類似形狀或尺寸的元素更容易被感知為屬于相似的集合形狀。連續規律，如果一個形狀不完整，有一種自然地趨勢將其看做完整的。封閉規律，當移動一個形狀時同時被移動的元素被看做屬于同一個整體形狀。格式塔理論認為一個目標被觀察到的

28、方式由整個環境或者說它本身存在的場所決定。換句話說，在人的視場中的視覺元素或者是相互吸引的或者是相互排斥的。關于接近，相似，連續，和封閉的格式塔規律描述的就是在場中結合的方式。形狀和信息有些關于形狀感知的研究借助了香農信息論的概念來進行。這里的基本思路是：對一個給定的前景，其中有些部分提供的信息量要比其他部分的信息量少，這些僅提供少量信息的部分所提供的信息?？杀活A測且可認為是冗余的。利用信息的概念，可以將格式塔原理用更一般的形式描述出來，并將它們結合進最小原理：在對同一個目標的兩個可能的信息組織中，最簡單的那個將被感知到。上述最小原理對合成圖像很容易觀察到。它也能幫助解釋許多實驗，使得視覺過程

29、類似于推理過程。不過它與有些實驗結果還是矛盾的。對一個可視的前景，冗余集中在不間斷的，均勻顏色或亮度的區域。其他冗余由結構的規則性產生，如對稱性，不變性。沒有冗余的部分是不確定的，不可預測的，一般聚焦在輪廓的周圍，特別在方向變化非?？斓牟糠?。當一個觀察者被要求記住或復制前景時，他會集中注意力于這些部分。輪廓輪廓（封閉的邊界）是形狀知覺中最基本的概念，人在知覺一個形狀以前一定先看到一個輪廓。事實上當人們看出一個物體的形狀時，其實就是因為先看出一個輪廓，這個輪廓把該物體與視野中的其他部分區分開來。直觀的說，對形狀的知覺要求在亮度不同的可見區域之間有一條線條分明的輪廓。例如，根據實際經驗可知，當兩個

30、區域的亮度相差很多時，可以容易的將他們分開；而當兩個區域的亮度相同僅色調不同時，并不能引起清晰地形狀知覺。如果讓兩個區域的亮度逐漸接近，它們的輪廓線將逐漸變的模糊，兩個區域形狀變得逐漸不確定。輪廓的構成如果用數學語言來說就是輪廓對應亮度的二階導數。還句話說，僅僅有亮度的（線性）變化并不產生輪廓，必須有亮度的加速變化才有可能產生輪廓。另外，當亮度變化的加速度低于知覺輪廓的閾值時，雖然眼睛注視物體，但并不能看出它的形狀。輪廓與形狀又有區別，輪廓不等于形狀。當視野的兩部分被輪廓分開的時，盡管它們有相同的輪廓線，卻可被看成具有不同形狀。輪廓與形狀的區別也可以這樣解釋：當人注意物體的形狀時，傾向于固定看

31、某一些區域部分（一般是由經驗得出的關鍵部位）；而當人注意輪廓時，則把輪廓看成一條要追蹤的路線，所以從輪廓到形狀的知覺有一個形狀構成的過程?？梢哉f，輪廓只是邊界，是一個局部概念，而形狀則是全體，是一個總體概念。輪廓在幫助構成形狀時還有“方向性”。輪廓通常傾向于對它所包圍的空間產生影響，即輪廓一般是向內部而不是向外部發揮構成形狀的作用。當視野被輪廓分成目標和背景時，輪廓通常只幫助目標構成形狀，而背景似乎并沒有形狀。例如從一幅大圖中挖出一個小塊，兩者具有相同的輪廓，但很少有人能看出它們構成了相同的形狀。這可以解釋在拼拼圖時，有一定圖案的部分比大片藍天海水部分好拼。這是因為前一種情況下可借助于對畫面的

32、理解，而后一種情況下可借助于對畫面的理解，而后一種情況下僅靠圖版的輪廓起線索作用。在形狀知覺中，對輪廓的知覺常由于心理因素等而與實際情況不同。這里給出兩個例證。一個是當觀察兩個亮度不同的區域時，它們之間的輪廓一般表現的特別明顯，而且有一種在邊界處亮度對比加強的現象。這種強烈的視覺輪廓現象為紀念發現者而別命名為馬赫(mach)現象。也有人將這種在輪廓部分發生的主觀對比加強現象稱為邊界對比，并且那個被加強的區域總是發生在亮度變化最大的地方。另一個有趣的現象稱為主觀輪廓。人們在沒有亮度差別的情況下，由于某種原因也可以看到一定的輪廓或形狀。這種在沒有直接刺激作用下而產生的輪廓知覺稱為主觀輪廓或錯覺輪廓

33、。對主觀輪廓有一種認知性的解釋：主觀輪廓的形成是在一定感覺信息的基礎上進行知覺假設的結果。主觀輪廓產生的一個必要條件是視野中有某些不完整的因素出現。如果將他們完整起來就有一種把原圖案轉變成簡單和穩定正規圖案的傾向，這會誘使人們作出某種假設，從而產的主觀輪廓的知覺。圖形和背景當人們觀察一個場景時，常將希望觀察或所關注的物體稱為圖形目標，而把其他部分劃分到背景里。形狀感知的第一步就是將目標從背景中區分出來。區分圖形和背景是理解形狀知覺的基礎，圖形和背景常有如下區別郝 1983和zakia 1997： 圖形有一定的形狀，背景相對來說沒有形狀；圖形有物體的特征，背景好像是未成形的原料；圖形看起來有輪廓

34、，背景看起來好像沒有。 盡管圖形和背景在同一個物理平面上，前景?？雌饋砀咏^察者。另一種說法是圖形經常顯現在前面，而背景顯現在后面；背景看起來像是在圖形背后連續伸展而不中斷。圖形一般占據比背景小的區域面積，但圖形與背景相比更動人，更吸引人，更傾向于具有一定的意義。圖形和背景不能同時看到，但可順序看到（例如，經過努力，你可以看到一個具有圓孔的白色正方形）。形狀知覺研究中有個重要問題，即那些是形成圖像和背景的決定因素。已發現的影響因素如下。視野中的距離視野中兩個因素越接近，則將它們結合起來看做一個整體的概率就越大。例如空間位置相對接近的散點比較容易和在一起構成圖形。另外，對于大小不同的封閉圖形，

35、其面積較小的更傾向于被看做圖形，這也是與接近性密切相關聯的。相同或相似在亮度和顏色相似的點傾向于合成一組并構成一個圖形。良好圖形視野中被看成圖形的部分一般都可以說出其意義。它常是由同一刺激所可能顯示的各種組合中最有意義的圖形，所以又稱為良好圖形原則。組成良好圖形的具體因素包括主要與刺激物本身特征有關的刺激性因素和以觀察者主觀條件而改變的非刺激性因素。幾何圖形視錯覺錯覺是人們的感官對客觀事物不正確感覺的反映。各種感知覺中其實都有錯覺現象，而一般以視錯覺表現的最為明顯，其中人們研究最多的是幾何圖形視錯覺。當觀察線條圖形而把注意力集中于他的某一些特征，如長度，面積，方向時，由于各種主客觀因素的影響，

36、有時感知到的結果與實際的刺激模式不相對應。這種特殊情況稱為幾何圖形視錯覺。幾何圖形視錯覺也稱為視覺變形，指圖形通過視覺產生感覺上的變形，這些變形發生于正常人的視覺，而且是即時發生的，常沒有外來因素的影響。常見的幾何圖形視錯覺可根據引起錯誤的傾向性分為以下兩類：數量（尺寸）上的視錯覺包括在大小，長短方面引起的視錯覺。方向上的視錯覺指直線或曲線在方向上變化引起的視錯覺。近100年來，心理學家和生理學家一直努力試圖解釋視錯覺，有關的假說也提出了許多，其中有不少已經被實驗證明不合理，也有一些由于模糊不清被拋棄，統一的解釋理論始終沒有建立起來。常見的與幾何圖形視錯覺相關的幾種主要假說如下赫 1983：眼

37、球運動假說這種假說有幾種形式。一種形式認為關于物體長度的印象是以眼睛對該物體從一端到另一端進行掃描為基礎的。由于眼球做垂直運動比橫向運動費力，所以產的垂直距離比相同的水平距離長的錯誤印象。另一種形式認為圖形中的特征會是眼睛注視點發生錯誤，從而產生錯覺。不過如果用光學方法將視網膜的像固定下來，對知覺的錯誤還會發生?；蛘哂瞄W光燈閃亮圖像，然后觀察閃光結束后的像，視覺錯誤仍然存在。這都表明產生視錯覺的原因并不在于眼睛的運動。透視假說透視假說(perspective theory)也稱常性誤用假說(mis-applied constancy theory)。透視假說的核心概念是：引起視錯覺的圖形通過透

38、視暗示了深度，而這種深度暗示會導致對圖形大小知覺的變化。變化的一般規則是：引起視錯覺的圖形中變現較遠事物的那些部分被擴大，而表現較近事物的那些部分被縮小。換種方法說，某種特定的視覺模型可以造成深度的印象。因為人們評定物體大小時會把距離也考慮進去，所以看起來相同大小的兩個圖形位于不同距離是會被視為大小不同。需要指出，引起視錯覺的圖形盡管有透視特性，但看起來卻是平面的。印在普通質地紙上的透視圖形具有一種深度假象：它們用透視或其他深度線索描繪出深度，但作為物體它們卻是平面的，它們的表面提供了其為真實平面的深度線索。如果設法消除這些表面線索，是表面不可見，圖形就會表現出戲劇性的深度變化。混淆假說混淆假

39、說(confusion theory)也稱錯誤比較假說(incorrect comparison theory)。它指觀察者在為確定尺寸而進行比較時沒有正確的選擇應比較的對象，或者說，將需比較的圖形與其他圖形混淆了。對比假說兩個大小相同的圓由于位于一圈小圓或一圈大圓的不同包圍之中而顯得大小不同，是由于對比的影響而向對立面轉化的原因。同化假說同化假說（assimilation theory）可以解釋視錯覺。當將平行四邊形分成大小不同的兩部分時，小四邊形越小其對角線看起來越短，這是由于在知覺時將刺激中某一成分同化在它處背景或參照系中了。神經位移假說神經位移假說（neural-displacemen

40、t theory）是一種基于生理學的假說。基于生理學的假說強調視錯覺是由于生理機制受到擾亂而產生的，例如有些圖形特征可能擾亂大小知覺和方向知覺。有一種對視錯覺的解釋認為變形時側抑制的副作用，這里所謂的側抑制是指視覺感受區域間的相互作用，對某個區域的強烈刺激會使其周圍區域的感受性降低。視網膜中的每個細胞都與很多大腦中的細胞相連而構成一個視網膜場，其中包含許多復雜的接受單元。另外，每個接受單元也可以同時屬于成百上千相連的視網膜場。神經元是用兩種不同的方式相連的。如果一組接受單元與一個細胞間有刺激連接，這個細胞將隨著接受單元的激勵而激勵，并通過與其他細胞的連接而影響其他細胞。如果一個連接受到抑制，該

41、細胞或接受單元的活力獎受到抑制并影響其后連接的細胞的活力。在神經位移假說中，認為神經中一定部位處的活動能抑制其臨近區域的活動。這包括三種情況：放在黑白兩種不同背景中的同一塊灰色紙片在兩種情況下，看起來會有明顯差別（亮產生強抑制，暗產生弱抑制），這就是同時對比度現象；人們發現，銳角傾向于被看得較大，鈍角傾向于被看得較小，。兩直線相切割時，有使人傾向于沿與它們垂直方向去看的效果。以上介紹了各種假說和它們可以解釋的視錯覺。需要指出的是，以上各種假說中雖然每種都可以解釋一部分視錯覺類型，但是沒有一種假說可以對所有幾何圖形視錯覺都給出合理的解釋。這方面還有待研究。1.1.2 字圖像感知和采集我們感興趣的

42、各類圖像都是由“照射”源和形成圖像的“場景”元素對光能的反射或吸收相結合而產生的。把“照射”和“場景”加上引號是為了強調比我們所熟悉的情況（即，可見光源照射各種三維場景）更一般的事實。例如，照射可能由電磁能源引起，如雷達，紅外線或X射線能源。但是，正如前面指出的，照射也可以由非傳統光源（如超聲波），甚至由計算機產生的照射模式產生。類似的，場景可能是熟悉的物體，但他們也可能是分子，沉積巖或人類大腦，甚至可以對一個光源成像，如獲得太陽的圖像。根據光源的性質，照射能量可從物體反射或從物體透射。第一類例子是從平面反射，第二類例子是使X光通過病人身體產生一幅X光診斷圖像。在某些應用中，反射和投射都能聚焦

43、到一個照片轉換器上（圖像屏幕），該轉換器把能量轉換為可見光。電子顯微鏡和伽馬成像的應用就是使用這種方法。圖2.12顯示了用來把照射變為數字圖像的三種主要傳感器裝置。原理很簡單，通過將輸入電功率和對特殊類型檢測能源敏感的傳感器材料組合，把輸入能源轉變成電壓。輸出電壓波形是傳感器的響應。同時，一個數字量可從數字化該響應的每個傳感器得到。圖2.12（a）顯示了單個傳感器部件。也許最熟悉的這類傳感器是光二極管，它有硅材料構成，并且其輸出電壓與光成正比。在傳感器前面用一個濾光器改善選擇性。例如，光傳感器前面的綠色（通過）濾光鏡有利于彩色普的濾波段光通過。因此傳感器輸出的綠光筆可見光譜中的其它分量要強。為

44、了用單一傳感器產生二維圖像，在傳感器和成像區之間，還必須在X和Y方向有相對位移。圖2.13顯示了一個用于高精度掃描的裝置，這里把一個負片裝在一只鼓上，該鼓機械位移產生一維位移。單傳感器安裝在引導螺桿上，它提供垂直方向的移動。因為機械運動可以高精度的控制，所以這一方法是得到高分辨率圖像的一種廉價的方法（但是較慢）。另外，類似的機械裝置使用一個平面床，而傳感器在兩個方向上線性移動，這些類型的機械數字化器有時歸為微觀光密度計一類。用單一傳感器成像的另外一個例子是同時放一個激光器和傳感器，用一個鏡子來控制發射光束到掃描圖形上，同時把激光信號反射到傳感器。這個裝置也可使用條形或矩形傳感器獲取圖像。比單個

45、傳感器更常用的幾何結構式線狀排列的傳感器形成的一個傳感器帶，如圖2.12（b）所示，傳感器帶在一個方向上提供成像單元。相對于傳感器帶垂直方向的運動在另一個方向上成像，如圖2.14（a）所示，這是大多數平板掃描儀所用的裝置。感受裝置可能有4000或更多的排成直線的傳感器。線狀傳感器常用于航空拍攝，在這種應用中，成像系統裝在一架飛機上，飛機以恒定的高度和速度飛過被拍攝區?？身憫鞣N電磁波譜波段的一維傳感器帶按與飛行方向垂直的方向安置。成像傳感器帶一次給出一幅圖像的一行，傳感器帶的運動完成二維圖像的另一維。透鏡和其他聚焦方法用來把掃描區域投影到傳感器上。以圓環形狀安裝的傳感器帶醫學和工業成像，以得到

46、三維物體的橫斷面圖像，如圖2.14（b）所示。一個旋轉地X射線源提供照射，并且相對于射線源的傳感器部分收集通過物體的X射線能量（很明顯，傳感器必須對X光敏感）。重要的一點是，傳感器的輸出必須由重建算法處理，重建的目的是把感知數據轉換為有意義的橫截面圖像。換句話說，圖像不可能從傳感器的單一運動得到，它們需要進一步處理。由圖像堆積組成數字體由物體與傳感器環相垂直方向的運動產生。基于CAT原理，其他成像模式包括核磁共振成像（MRI）和正電子發射斷層。照射源，傳感器和各種類型的圖像是不同的，但是在概念上其成像方法是非常相似的。圖2.12（c）顯示了以二維陣列形式排列的獨特傳感器。大量的電磁波和某種超聲

47、波敏感元件常以陣列形式排列。這也是在攝像機上常見的主要結構。這些攝像機的典型傳感器是CCD陣列。這種陣列可用寬帶且有敏感特性的元件制造并封裝為4000*4000或更多單元的穩定陣列。CCD傳感器廣泛的用于數字攝像機和其他光敏設備中。每個傳感器的響應正比于投射到傳感器表面的光能總和。這一特點被用于天文學和其他要求噪聲低的應用中。采用讓傳感器累積輸入的光信號超過幾分鐘甚至幾個小時的方法，可達到減少噪聲的目的。圖2.15（c）所示的傳感器陣列式二維的，它的主要優點是把圖像能量聚焦到陣列表面，以得到完整的圖像。在這樣的傳感器陣列中應用的主要方法示于圖2.15。該圖顯示了來自照射源通過場景反射的能量，但

48、正如本節開始提到的，該能量也可以通過場景單元來傳遞。示于圖2.15（c）的成像系統的第一種功能收集入射能量，并把它聚焦到一個圖像平面上。如果照射的是光，則成像系統終端前面是一個透鏡，透鏡把觀察場景投影到透鏡的聚焦平面上。如圖2.15（d）所示。與焦點面相重合的傳感器陣列產生于每個傳感器接收總光量成正比的輸出。數字或模擬電路掃描這些輸出，并把它們轉換成電視信號，然后由成像系統的其它部分數字化，圖2.15（e）示出了輸出的數字圖像。簡單的成像模型，用f(x,y)二維函數形式表示圖像，在特定的坐標(x,y)處，f值或幅度是一個正的標量，其物理意義由圖像源決定。本書中的大多數圖像是單色圖像，圖像值可稱

49、為灰度級。當一幅圖像從物理過程產生時，它的值正比于物理源的輻射量（如電磁波）。因此，f(x,y)一定是非零或有限的，即0 f(x,y)函數f(x,y)可由兩個分量來表征：（1）入射到觀察場景的光源總量；（2）場景中物體反射光的總量。這兩個分量分別被稱為入射分量和反射分量，表示為i(x,y)和r(x,y)。兩個函數合并形成f(x,y)，即 f(x,y)= i(x,y) r(x,y) 其中0 i(x,y)0 r(x,y)式2.3.4指出反射分量限制在0（全吸收）和1（全反射）之間。i(x,y)的性質取決于照射源，而r(x,y)取決于成像物體的特性。這種表示方法還可應用于照射光通過一個媒體形成圖像的

50、情況，如胸透X光片。在這種情況下，應該用透射函數代替反射函數，但其限制應該與式2.3.4相同，并且形成的圖像函數應該如式2.3.2所示的乘積形式。例2.1 照射和反射的某些典型值 式2.3.3和式2.3.4給出的值是理論界限。對于可見光，下面的平均值表明了i(x,y)的典型范圍。在晴朗的白天，太陽在地球表面產生的照度超過90 000 lm/平方米。在有云的情況下這個數值下降到10 000 lm/平方米。在晴朗的夜晚，滿月情況下大約為0.1lm/平方米的照度。類似的，下面是r(x,y)的某些典型值：黑天鵝絨為0.01，不銹鋼為0.65，白色墻面為0.80，鍍銀金屬為0.90，雪為0.93。我們稱

51、單色圖像在任何坐標（x0,y0）處的強度為圖像在哪一點的灰度級l，即l=f（x0,y0）,l位于下列范圍： LminlLmax 理論上，Lmin僅僅要求是正的，Lmax要求為有限值。實際上，Lmin=imin rmin且Lmax=imax rmax。參考前面提到的平均照度和反射值范圍，我們希望，Lmin10 ， Lmax1000作為沒有附加照明的室內值的典型限制。 區間Lmin , Lmax稱為灰度級。實際情況下常常令該區域為0,L-1,其中l=0為黑，l=L-1在灰度級中位白。所有中間值是從黑到白的各種灰色調。1.2 數字圖像處理的主要研究內容 白20世紀60年代以來，由于數字技術和微電子技

52、術的迅猛發展給數字圖像處理提供了先進的技術手段，數字圖像處理也就從信息處理、自動控制系統論、計算機科學、數據通信、電視技術等學科中脫穎而出，成為研究“圖像信息的獲取、傳輸、存儲、變換、顯示、理解與綜合利用”的一門嶄新學科。 數字圖像處理所包含的內容是相當豐富的，根據抽象程度不同，數字圖像處理可分為三個層次:狹義圖像處理、圖像分析和圖像理解。如圖1.2.1所示。 狹義圖像處理是對輸人圖像進行某種變換得到輸出圖像，是一種圖像到圖像的過程。狹義圖像處理主要指對圖像進行各種操作以改善圖像的視覺效果，或對圖像進行壓縮編碼以減少所需存儲空間或傳輸時間、傳輸通路的要求。 圖像分析主耍是對圖像中感興趣的目標進

53、行檢測和測量，從而建立對圖像的描述。圖像分析是一個從圖像到數值或符號的過程。 圖像理解則是在圖像分析的基礎上，基于人工智能和認知理論，研究圖像中各目標的性質和它們之間的相互聯系，對圖像內容的含義加以理解以及對原來客觀場景加以解譯，從而指導和規劃行動。如果說圖像分析主要是以觀察者為中心研究客觀世界(主要研究可觀察到的對象)，那么圖徽里解在一定程度上是以客觀世界為中心，借助知識、經驗等來把握整個客觀世界。 可見，狹義圖像處理、圖像分析和圖像理解是相互聯系又相互區別的。狹義圖像處理是低層操作，它主要在圖像像素級上進行處理，處理的數據量非常大;圖像分析則進人了中層，經分割和特征提取，把原來以像素構成的

54、圖像轉變成比較簡潔的非圖像形式的描述;圖像理解是高層操作，它是對描述中抽象出來的符號進行推理，其處理過程和方法與人類的思維推理有許多類似之處。由圖1.2.1可見，隨著抽象程度的提高，數據量逐漸減少。一方面，原始圖像數據經過一系列的處理逐步轉化為更有組織和用途的信息，在這個過程中，語義不斷引人，操作對象發生變化，數據量得到了壓縮;另一方面，高層操作對低層操作有指導作用，能提高低層操作的效能。1.3 數字圖像處理系統概述圖1,3.1是一個數字圖像處理系統的基本組成。它包括采集、顯示、存儲、通信、處理和分析五個模塊。與一般的用于數據處理的計算機系統的不同點是必須有專用的輸人輸出和通信設備。各模塊都有

55、其特定的功能，對圖1.3.1中的各個模塊分別簡介如下。1.3.1 數字圖像采集模塊為采集數字圖像，所用設備由兩個部件組成:一是對某個電磁能量波譜段(如x射線、紫外線、可見光、紅外線等)敏感的物理器件，它能產生與所接受到的電磁能量成正比的(模擬)電信號;一是模/數轉換部件，它能將上述(模擬)電信號轉化為數字(離散)的形式。所有數字圖像采集設備都包含這兩種部件。目前圖像采集設備有電荷藕合器件照相機、數字攝像機和掃描儀等。1.3.2數字圖像顯示模塊 對狹義數字圖像處理來說，其目的是提供一幅便于分析、解譯和識別的圖像。對圖像分析而言，分析的結果可以借助計算機圖形學技術轉換為更直觀的圖像形式顯示。所以圖

56、像顯示是數字圖像處理的重要內容之一。 圖像的顯示主要有兩種:一種是將圖像通過CRT顯示器、液晶顯示器或投影儀等設備暫時性顯示的軟拷貝形式;一種是通過照相機、激光拷貝和打印機等將圖像輸出到物理介質上的永久性硬拷貝形式。 打印設備一般用于輸出較低分辨率的圖像。以往打印灰度圖像的一種簡便方法是利用標準行打印機的重復打印功能，輸出圖像上任一點的灰度由該點打印的字符數量和密度來控制。近年來使用的各種熱敏、噴墨和激光打印機等具有更好的性能，已可打印出較高分辨率的圖像。1.3.3數字圖像存儲模塊 圖像的數據量往往很大，因而需要大量的空間存儲圖像。在圖像處理和分析系統中，大容量和快速的圖像存儲器是必不可少的。

57、在計算機中，圖像數據最小的度量單位是比特( bit)。存儲器的存儲量常用字節、千字節 ,兆字節、吉字節、太字節等表示。例如存儲I幅1024*1024的8字節的圖像就需要1 M的存儲器。用于圖像處理和分析的數字存儲器可分為3類:快速存儲器;在線或聯機存儲器;不經常使用的數據庫(檔案庫)存儲器。 計算機內存就是一種提供快速存儲功能的存儲器。目前微型計算機的內存常為32Mb-512Mb。另外一種提供快速存儲功能的存儲器是特制的硬件卡，即幀緩存，它可存儲多幅圖像并以視頻速度(每秒25或30幅圖像)讀取，也可以對圖像進行放大縮小、垂直翻轉和水平翻轉。目前常用的幀緩存容量在幾十兆到上百兆。 固定硬盤和 3

58、.5英寸的軟磁盤一直是小型和微型計算機的必備外存儲器。固定硬盤為計算機提供了大容量的存儲介質，但是其盤片無法更換，存儲的信息也不便于攜帶和交換。 軟盤雖然提供了可更換的存儲介質，但軟盤存在可靠性差、容量小、速度慢、壽命短、容易損壞等缺點，其1.44MB的存儲容量遠遠不能滿足圖像處理的應用要求。 閃存盤是以閃存記憶體為存儲介質，由朗科發明，郎科稱之為“u盤”。它是以USB為接口的一種存儲方式，具有存儲容量大、體積小、保存數據期長且安全可靠、方便攜帶、抗震性能強、防磁防潮、耐溫、性價比高等突出優點，是軟盤的理想替代品。 移動硬盤和u盤性能基本相同，可靠性高，數據保存可達10年以上，數據傳輸率較快，

59、可達到12一400MB/S操作方便，支持熱拔播，無需外接電源，只要插人主機后面的USB接口就可使用。但在外形和性價比上二者有很大的差別:u盤只有大拇指般大小，重20g，采用閃存技術，容量大致在8M-1G之間;移動硬盤重量在150-250G之間，一般采用玻璃盤片存儲技術，容量在5一120GB之間。 大容量的Zip磁盤采用非接觸式磁頭技術，速度較快，盤片有100MB和250MB兩種類型。適用范圍主要是針對應用于多臺電腦的數據傳送、網絡下載數據、文件臨時保存等。 MO是磁光盤(Magneto-Optical Disk)的簡稱，它是傳統磁盤技術與激光技術結合的產物，MO盤片主要有3.5英寸和5.25英

60、寸兩種，3.5英寸的存儲容量有128MB,230MB,540MB和640MB等，5.25英寸的有1.3GB,2.6GB和5 . 2GB等。MO光盤一般都帶有外保護盒，具有防塵和抗損傷的優點。MO的致命缺點是無法在廣泛使用的CD-ROM驅動器上讀取，因而使MO的應用范圍受到了較大的限制。 CD-R是英文“CD Recordable的簡稱，指的是一種允許對CD進行一次性刻寫的特殊存儲技術。CD-RW是英文CD-ReWritable的簡稱，代表一種“重復寫人”技術。CD-R/RW光盤是現代多媒體應用的重要載體，CD-R盤片直徑為12cm，可以保存大約640MB的數據，具有容量大、易保存、攜帶方便等特