图像数字化的过程包括那几个步骤？？ 图像数字化的图像数字化过程
\u56fe\u50cf\u7684\u6570\u5b57\u5316\u5305\u542b\u54ea\u4e9b\u6b65\u9aa4\u56fe\u50cf\u7684\u6570\u5b57\u5316\u4e3b\u8981\u5305\u542b\u91c7\u6837\u3001\u91cf\u5316\u4e24\u4e2a\u8fc7\u7a0b\u3002\u91c7\u6837\u662f\u5c06\u7a7a\u57df\u4e0a\u8fde\u7eed\u7684\u56fe\u50cf\u53d8\u6362\u6210\u79bb\u6563\u91c7\u6837\u70b9\u96c6\u5408\uff0c\u662f\u5bf9\u7a7a\u95f4\u7684\u79bb\u6563\u5316\u3002\u7ecf\u8fc7\u91c7\u6837\u4e4b\u540e\u5f97\u5230\u7684\u4e8c\u7ef4\u79bb\u6563\u4fe1\u53f7\u7684\u6700\u5c0f\u5355\u4f4d\u662f\u50cf\u7d20\u3002\u91cf\u5316\u5c31\u662f\u628a\u91c7\u6837\u70b9\u4e0a\u8868\u793a\u4eae\u6697\u4fe1\u606f\u7684\u8fde\u7eed\u91cf\u79bb\u6563\u5316\u540e\uff0c\u7528\u6570\u503c\u8868\u793a\u51fa\u6765\uff0c\u662f\u5bf9\u4eae\u5ea6\u5927\u5c0f\u7684\u79bb\u6563\u5316\u3002\u7ecf\u8fc7\u91c7\u6837\u548c\u91cf\u5316\u540e\uff0c\u6570\u5b57\u56fe\u50cf\u53ef\u4ee5\u7528\u6574\u6570\u9635\u5217\u7684\u5f62\u5f0f\u6765\u63cf\u8ff0\u3002
\u8981\u5728\u8ba1\u7b97\u673a\u4e2d\u5904\u7406\u56fe\u50cf\uff0c\u5fc5\u987b\u5148\u628a\u771f\u5b9e\u7684\u56fe\u50cf\uff08\u7167\u7247\u3001\u753b\u62a5\u3001\u56fe\u4e66\u3001\u56fe\u7eb8\u7b49\uff09\u901a\u8fc7\u6570\u5b57\u5316\u8f6c\u53d8\u6210\u8ba1\u7b97\u673a\u80fd\u591f\u63a5\u53d7\u7684\u663e\u793a\u548c\u5b58\u50a8\u683c\u5f0f\uff0c\u7136\u540e\u518d\u7528\u8ba1\u7b97\u673a\u8fdb\u884c\u5206\u6790\u5904\u7406\u3002\u56fe\u50cf\u7684\u6570\u5b57\u5316\u8fc7\u7a0b\u4e3b\u8981\u5206\u91c7\u6837\u3001\u91cf\u5316\u4e0e\u7f16\u7801\u4e09\u4e2a\u6b65\u9aa4\u3002 \u91c7\u6837\u7684\u5b9e\u8d28\u5c31\u662f\u8981\u7528\u591a\u5c11\u70b9\u6765\u63cf\u8ff0\u4e00\u5e45\u56fe\u50cf\uff0c\u91c7\u6837\u7ed3\u679c\u8d28\u91cf\u7684\u9ad8\u4f4e\u5c31\u662f\u7528\u524d\u9762\u6240\u8bf4\u7684\u56fe\u50cf\u5206\u8fa8\u7387\u6765\u8861\u91cf\u3002\u7b80\u5355\u6765\u8bb2\uff0c\u5bf9\u4e8c\u7ef4\u7a7a\u95f4\u4e0a\u8fde\u7eed\u7684\u56fe\u50cf\u5728\u6c34\u5e73\u548c\u5782\u76f4\u65b9\u5411\u4e0a\u7b49\u95f4\u8ddd\u5730\u5206\u5272\u6210\u77e9\u5f62\u7f51\u72b6\u7ed3\u6784\uff0c\u6240\u5f62\u6210\u7684\u5fae\u5c0f\u65b9\u683c\u79f0\u4e3a\u50cf\u7d20\u70b9\u3002\u4e00\u526f\u56fe\u50cf\u5c31\u88ab\u91c7\u6837\u6210\u6709\u9650\u4e2a\u50cf\u7d20\u70b9\u6784\u6210\u7684\u96c6\u5408\u3002\u4f8b\u5982\uff1a\u4e00\u526f640*480\u5206\u8fa8\u7387\u7684\u56fe\u50cf\uff0c\u8868\u793a\u8fd9\u5e45\u56fe\u50cf\u662f\u7531640*480=307200\u4e2a\u50cf\u7d20\u70b9\u7ec4\u6210\u3002\u5982\u56fe\u201c\u56fe\u50cf\u91c7\u6837\u201d\u6240\u793a\uff0c\u5de6\u56fe\u662f\u8981\u91c7\u6837\u7684\u7269\u4f53\uff0c\u53f3\u56fe\u662f\u91c7\u6837\u540e\u7684\u56fe\u50cf\uff0c\u6bcf\u4e2a\u5c0f\u683c\u5373\u4e3a\u4e00\u4e2a\u50cf\u7d20\u70b9\u3002\u91c7\u6837\u9891\u7387\u662f\u6307\u4e00\u79d2\u949f\u5185\u91c7\u6837\u7684\u6b21\u6570\uff0c\u5b83\u53cd\u6620\u4e86\u91c7\u6837\u70b9\u4e4b\u95f4\u7684\u95f4\u9694\u5927\u5c0f\u3002\u91c7\u6837\u9891\u7387\u8d8a\u9ad8\uff0c\u5f97\u5230\u7684\u56fe\u50cf\u6837\u672c\u8d8a\u903c\u771f\uff0c\u56fe\u50cf\u7684\u8d28\u91cf\u8d8a\u9ad8\uff0c\u4f46\u8981\u6c42\u7684\u5b58\u50a8\u91cf\u4e5f\u8d8a\u5927\u3002\u5728\u8fdb\u884c\u91c7\u6837\u65f6\uff0c\u91c7\u6837\u70b9\u95f4\u9694\u5927\u5c0f\u7684\u9009\u53d6\u5f88\u91cd\u8981\uff0c\u5b83\u51b3\u5b9a\u4e86\u91c7\u6837\u540e\u7684\u56fe\u50cf\u80fd\u771f\u5b9e\u5730\u53cd\u6620\u539f\u56fe\u50cf\u7684\u7a0b\u5ea6\u3002\u4e00\u822c\u6765\u8bf4\uff0c\u539f\u56fe\u50cf\u4e2d\u7684\u753b\u9762\u8d8a\u590d\u6742\uff0c\u8272\u5f69\u8d8a\u4e30\u5bcc\uff0c\u5219\u91c7\u6837\u95f4\u9694\u5e94\u8d8a\u5c0f\u3002\u7531\u4e8e\u4e8c\u7ef4\u56fe\u50cf\u7684\u91c7\u6837\u662f\u4e00\u7ef4\u7684\u63a8\u5e7f\uff0c\u6839\u636e\u4fe1\u53f7\u7684\u91c7\u6837\u5b9a\u7406\uff0c\u8981\u4ece\u53d6\u6837\u6837\u672c\u4e2d\u7cbe\u786e\u5730\u590d\u539f\u56fe\u50cf\uff0c\u53ef\u5f97\u5230\u56fe\u50cf\u91c7\u6837\u7684\u5948\u594e\u65af\u7279\uff08Nyquist\uff09\u5b9a\u7406\uff1a\u56fe\u50cf\u91c7\u6837\u7684\u9891\u7387\u5fc5\u987b\u5927\u4e8e\u6216\u7b49\u4e8e\u6e90\u56fe\u50cf\u6700\u9ad8\u9891\u7387\u5206\u91cf\u7684\u4e24\u500d\u3002 \u91cf\u5316\u662f\u6307\u8981\u4f7f\u7528\u591a\u5927\u8303\u56f4\u7684\u6570\u503c\u6765\u8868\u793a\u56fe\u50cf\u91c7\u6837\u4e4b\u540e\u7684\u6bcf\u4e00\u4e2a\u70b9\u3002\u91cf\u5316\u7684\u7ed3\u679c\u662f\u56fe\u50cf\u80fd\u591f\u5bb9\u7eb3\u7684\u989c\u8272\u603b\u6570\uff0c\u5b83\u53cd\u6620\u4e86\u91c7\u6837\u7684\u8d28\u91cf\u3002\u4f8b\u5982\uff1a\u5982\u679c\u4ee54\u4f4d\u5b58\u50a8\u4e00\u4e2a\u70b9\uff0c\u5c31\u8868\u793a\u56fe\u50cf\u53ea\u80fd\u670916\u79cd\u989c\u8272\uff1b\u82e5\u91c7\u752816\u4f4d\u5b58\u50a8\u4e00\u4e2a\u70b9\uff0c\u5219\u6709216=65536\u79cd\u989c\u8272\u3002\u6240\u4ee5\uff0c\u91cf\u5316\u4f4d\u6570\u8d8a\u6765\u8d8a\u5927\uff0c\u8868\u793a\u56fe\u50cf\u53ef\u4ee5\u62e5\u6709\u66f4\u591a\u7684\u989c\u8272\uff0c\u81ea\u7136\u53ef\u4ee5\u4ea7\u751f\u66f4\u4e3a\u7ec6\u81f4\u7684\u56fe\u50cf\u6548\u679c\u3002\u4f46\u662f\uff0c\u4e5f\u4f1a\u5360\u7528\u66f4\u5927\u7684\u5b58\u50a8\u7a7a\u95f4\u3002\u4e24\u8005\u7684\u57fa\u672c\u95ee\u9898\u90fd\u662f\u89c6\u89c9\u6548\u679c\u548c\u5b58\u50a8\u7a7a\u95f4\u7684\u53d6\u820d\u3002\u5047\u8bbe\u6709\u4e00\u5e45\u9ed1\u767d\u7070\u5ea6\u7684\u7167\u7247\uff0c\u56e0\u4e3a\u5b83\u5728\u6c34\u5e73\u4e8e\u5782\u76f4\u65b9\u5411\u4e0a\u7684\u7070\u5ea6\u53d8\u5316\u90fd\u662f\u8fde\u7eed\u7684\uff0c\u90fd\u53ef\u8ba4\u4e3a\u6709\u65e0\u6570\u4e2a\u50cf\u7d20\uff0c\u800c\u4e14\u4efb\u4e00\u70b9\u4e0a\u7070\u5ea6\u7684\u53d6\u503c\u90fd\u662f\u4ece\u9ed1\u5230\u767d\u53ef\u4ee5\u6709\u65e0\u9650\u4e2a\u53ef\u80fd\u503c\u3002\u901a\u8fc7\u6cbf\u6c34\u5e73\u548c\u5782\u76f4\u65b9\u5411\u7684\u7b49\u95f4\u9694\u91c7\u6837\u53ef\u5c06\u8fd9\u5e45\u6a21\u62df\u56fe\u50cf\u5206\u89e3\u4e3a\u8fd1\u4f3c\u7684\u6709\u9650\u4e2a\u50cf\u7d20\uff0c\u6bcf\u4e2a\u50cf\u7d20\u7684\u53d6\u503c\u4ee3\u8868\u8be5\u50cf\u7d20\u7684\u7070\u5ea6\uff08\u4eae\u5ea6\uff09\u3002\u5bf9\u7070\u5ea6\u8fdb\u884c\u91cf\u5316\uff0c\u4f7f\u5176\u53d6\u503c\u53d8\u4e3a\u6709\u9650\u4e2a\u53ef\u80fd\u503c\u3002\u7ecf\u8fc7\u8fd9\u6837\u91c7\u6837\u548c\u91cf\u5316\u5f97\u5230\u7684\u4e00\u5e45\u7a7a\u95f4\u4e0a\u8868\u73b0\u4e3a\u79bb\u6563\u5206\u5e03\u7684\u6709\u9650\u4e2a\u50cf\u7d20\uff0c\u7070\u5ea6\u53d6\u503c\u4e0a\u8868\u73b0\u4e3a\u6709\u9650\u4e2a\u79bb\u6563\u7684\u53ef\u80fd\u503c\u7684\u56fe\u50cf\u79f0\u4e3a\u6570\u5b57\u56fe\u50cf\u3002\u53ea\u8981\u6c34\u5e73\u548c\u5782\u76f4\u65b9\u5411\u91c7\u6837\u70b9\u6570\u8db3\u591f\u591a\uff0c\u91cf\u5316\u6bd4\u7279\u6570\u8db3\u591f\u5927\uff0c\u6570\u5b57\u56fe\u50cf\u7684\u8d28\u91cf\u5c31\u6bd4\u539f\u59cb\u6a21\u62df\u56fe\u50cf\u6beb\u4e0d\u900a\u8272\u3002\u5728\u91cf\u5316\u65f6\u6240\u786e\u5b9a\u7684\u79bb\u6563\u53d6\u503c\u4e2a\u6570\u79f0\u4e3a\u91cf\u5316\u7ea7\u6570\u3002\u4e3a\u8868\u793a\u91cf\u5316\u7684\u8272\u5f69\u503c\uff08\u6216\u4eae\u5ea6\u503c\uff09\u6240\u9700\u7684\u4e8c\u8fdb\u5236\u4f4d\u6570\u79f0\u4e3a\u91cf\u5316\u5b57\u957f\uff0c\u4e00\u822c\u53ef\u75288\u4f4d\u300116\u4f4d\u300124\u4f4d\u6216\u66f4\u9ad8\u7684\u91cf\u5316\u5b57\u957f\u6765\u8868\u793a\u56fe\u50cf\u7684\u989c\u8272\uff1b\u91cf\u5316\u5b57\u957f\u8d8a\u5927\uff0c\u5219\u8d8a\u80fd\u771f\u5b9e\u7b2c\u53cd\u6620\u539f\u6709\u7684\u56fe\u50cf\u7684\u989c\u8272\uff0c\u4f46\u5f97\u5230\u7684\u6570\u5b57\u56fe\u50cf\u7684\u5bb9\u91cf\u4e5f\u8d8a\u5927\u3002\u4f8b\u5982\uff1a\u56fe\u201c\u7ebf\u6bb5AB\uff08\u91cf\u5316\uff09\u201d\uff0c\u6cbf\u7ebf\u6bb5AB\uff08\u5de6\u56fe\uff09\u7684\u8fde\u7eed\u56fe\u50cf\u7070\u5ea6\u503c\u7684\u66f2\u7ebf\uff08\u53f3\u56fe\uff09\uff0c\u53d6\u767d\u8272\u503c\u6700\u5927\uff0c\u9ed1\u8272\u503c\u6700\u5c0f\u3002\u5148\u91c7\u6837\uff1a\u6cbf\u7ebf\u6bb5AB\u7b49\u95f4\u9694\u8fdb\u884c\u91c7\u6837\uff0c\u53d6\u6837\u503c\u5728\u7070\u5ea6\u503c\u4e0a\u662f\u8fde\u7eed\u5206\u5e03\u7684\uff0c\u5982\u56fe\u201c\u7ebf\u6bb5\u7684\u91c7\u6837\u548c\u91cf\u5316\u201d\u5de6\u56fe\uff1b\u518d\u91cf\u5316\uff1a\u8fde\u7eed\u7684\u7070\u5ea6\u503c\u518d\u8fdb\u884c\u6570\u5b57\u5316\uff088\u4e2a\u7ea7\u522b\u7684\u7070\u5ea6\u7ea7\u6807\u5c3a\uff09\uff0c\u5982\u56fe\u201c\u7ebf\u6bb5\u7684\u91c7\u6837\u548c\u91cf\u5316\u201d\u53f3\u56fe\u3002 \u6570\u5b57\u5316\u540e\u5f97\u5230\u7684\u56fe\u50cf\u6570\u636e\u91cf\u5341\u5206\u5de8\u5927\uff0c\u5fc5\u987b\u91c7\u7528\u7f16\u7801\u6280\u672f\u6765\u538b\u7f29\u5176\u4fe1\u606f\u91cf\u3002\u5728\u4e00\u5b9a\u610f\u4e49\u4e0a\u8bb2\uff0c\u7f16\u7801\u538b\u7f29\u6280\u672f\u662f\u5b9e\u73b0\u56fe\u50cf\u4f20\u8f93\u4e0e\u50a8\u5b58\u7684\u5173\u952e\u3002\u5df2\u6709\u8bb8\u591a\u6210\u719f\u7684\u7f16\u7801\u7b97\u6cd5\u5e94\u7528\u4e8e\u56fe\u50cf\u538b\u7f29\u3002\u5e38\u89c1\u7684\u6709\u56fe\u50cf\u7684\u9884\u6d4b\u7f16\u7801\u3001\u53d8\u6362\u7f16\u7801\u3001\u5206\u5f62\u7f16\u7801\u3001\u5c0f\u6ce2\u53d8\u6362\u56fe\u50cf\u538b\u7f29\u7f16\u7801\u7b49\u3002\u5f53\u9700\u8981\u5bf9\u6240\u4f20\u8f93\u6216\u5b58\u50a8\u7684\u56fe\u50cf\u4fe1\u606f\u8fdb\u884c\u9ad8\u6bd4\u7387\u538b\u7f29\u65f6\uff0c\u5fc5\u987b\u91c7\u53d6\u590d\u6742\u7684\u56fe\u50cf\u7f16\u7801\u6280\u672f\u3002\u4f46\u662f\uff0c\u5982\u679c\u6ca1\u6709\u4e00\u4e2a\u5171\u540c\u7684\u6807\u51c6\u505a\u57fa\u7840\uff0c\u4e0d\u540c\u7cfb\u7edf\u95f4\u4e0d\u80fd\u517c\u5bb9\uff0c\u9664\u975e\u6bcf\u4e00\u7f16\u7801\u65b9\u6cd5\u7684\u5404\u4e2a\u7ec6\u8282\u5b8c\u5168\u76f8\u540c\uff0c\u5426\u5219\u5404\u7cfb\u7edf\u95f4\u7684\u8fde\u63a5\u5341\u5206\u56f0\u96be\u3002\u4e3a\u4e86\u4f7f\u56fe\u50cf\u538b\u7f29\u6807\u51c6\u5316\uff0c20\u4e16\u7eaa90\u5e74\u4ee3\u540e\uff0c\u56fd\u9645\u7535\u4fe1\u8054\u76df(ITU)\u3001\u56fd\u9645\u6807\u51c6\u5316\u7ec4\u7ec7ISO\u548c\u56fd\u9645\u7535\u5de5\u59d4\u5458\u4f1aIEC\u5df2\u7ecf\u5236\u5b9a\u5e76\u7ee7\u7eed\u5236\u5b9a\u4e00\u7cfb\u5217\u9759\u6b62\u548c\u6d3b\u52a8\u56fe\u50cf\u7f16\u7801\u7684\u56fd\u9645\u6807\u51c6\uff0c\u5df2\u6279\u51c6\u7684\u6807\u51c6\u4e3b\u8981\u6709JPEG\u6807\u51c6\u3001MPEG\u6807\u51c6\u3001H.261\u7b49\u3002
包括3个步骤：采样、量化、压缩编码
1、采样：采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。一副图像就被采样成有限个像素点构成的集合。
2、量化：量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。
3、压缩编码：数字化后得到的图像数据量十分巨大，必须采用编码技术来压缩其信息量。在一定意义上讲，编码压缩技术是实现图像传输与储存的关键。
扩展资料：
图像数字化的对象和意义：
图像数字化的对象：
1、模拟图像：空间上连续/不分割、信号值不分等级的图像。
2、数字图像：空间上被分割成离散像素，信号值分为有限个等级、用数码0和1表示的图像。
图像数字化的意义：
图像数字化是将模拟图像转换为数字图像。图像数字化是进行数字图像处理的前提。图像数字化必须以图像的电子化作为基础，把模拟图像转变成电子信号，随后才将其转换成数字图像信号。
参考资料来源：
百度百科--图像数字化
图像的数字化过程主要分采样、量化与编码三个步骤。
1、采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。
2、量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。
3、数字化后得到的图像数据量十分巨大，必须采用编码技术来压缩其信息量。在一定意义上讲，编码压缩技术是实现图像传输与储存的关键。已有许多成熟的编码算法应用于图像压缩。常见的有图像的预测编码、变换编码、分形编码、小波变换图像压缩编码等。
扩展资料：
图像数字化的对象：
1、模拟图像：空间上连续/不分割、信号值不分等级的图像。
2、数字图像：空间上被分割成离散像素，信号值分为有限个等级、用数码0和1表示的图像。
图像数字化的意义：
图像数字化是将模拟图像转换为数字图像。图像数字化是进行数字图像处理的前提。图像数字化必须以图像的电子化作为基础，把模拟图像转变成电子信号，随后才将其转换成数字图像信号。
图像数字化应用：遥感学
遥感科学与技术，所属一级学科为测绘科学与技术，是在测绘科学、空间科学、电子科学、地球科学、计算机科学以及其学科交叉渗透、相互融合的基础上发展起来的一门新兴交叉学科。
它利用非接触传感器来获取有关目标的时空信息，不仅着眼于解决传统目标的几何定位，更为重要的是对利用外层空间传感器获取的影像和非影像信息进行语义和非语义解译，提取客观世界中各种目标对象的几何与物理特征信息。
参考资料来源：百度百科——图像数字化
1、采样：采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。一副图像就被采样成有限个像素点构成的集合。
2、量化：量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。
3、压缩编码：数字化后得到的图像数据量十分巨大，必须采用编码技术来压缩其信息量。在一定意义上讲，编码压缩技术是实现图像传输与储存的关键。
扩展资料
将图片存储为数据有两种方案。
其一为位图，也被称为光栅图。即是以自然的光学的眼光将图片看成在平面上密集排布的点的集合。每个点发出的光有独立的频率和强度，反映在视觉上，就是颜色和亮度。这些信息有不同的编码方案，在互联网上最常见的就是RGB。
根据需要，编码后的信息可以有不同的位(bit)数——位深。位数越高，颜色越清晰，对比度越高；占用的空间也越大。另一项决定位图的精细度的是其中点的数量。
一个位图文件就是所有构成其的点的数据的集合，它的大小自然就等于点数乘以位深。位图格式是一个庞大的家族，包括常见的JPEG/JPG, GIF, TIFF, PNG, BMP。
第二种方案为矢量图。它用抽象的视角看待图形，记录其中展示的模式而不是各个点的原始数据。它将图片看成各个“对象”的组合，用曲线记录对象的轮廓，用某种颜色的模式描述对象内部的图案（如用梯度描述渐变色）。
比如一张留影，被看成各个人物和背景中各种景物的组合。这种更高级的视角，正是人类看世界时在意识里的反映。矢量图格式有CGM, SVG, AI (Adobe Illustrator), CDR (CorelDRAW), PDF, SWF, VML等等。
参考资料来源：百度百科—图像数字化
要在计算机中处理图像，必须先把真实的图像（照片、画报、图书、图纸等）通过数字化转变成计算机能够接受的显示和存储格式，然后再用计算机进行分析处理。图像的数字化过程主要分采样、量化与编码三个步骤。
1．采样 采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。一副图像就被采样成有限个像素点构成的集合。例如：一副640*480分辨率的图像，表示这幅图像是由640*480=307200个像素点组成。 如图2-2-15所示，左图是要采样的物体，右图是采样后的图像，每个小格即为一个像素点。
采样频率是指一秒钟内采样的次数，它反映了采样点之间的间隔大小。采样频率越高，得到的图像样本越逼真，图像的质量越高，但要求的存储量也越大。 在进行采样时，采样点间隔大小的选取很重要，它决定了采样后的图像能真实地反映原图像的程度。一般来说，原图像中的画面越复杂，色彩越丰富，则采样间隔应越小。由于二维图像的采样是一维的推广，根据信号的采样定理，要从取样样本中精确地复原图像，可得到图像采样的奈奎斯特（Nyquist）定理：图像采样的频率必须大于或等于源图像最高频率分量的两倍。
2．量化 量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。 例如：如果以4位存储一个点，就表示图像只能有16种颜色；若采用16位存储一个点，则有216=65536种颜色。所以，量化位数越来越大，表示图像可以拥有更多的颜色，自然可以产生更为细致的图像效果。但是，也会占用更大的存储空间。两者的基本问题都是视觉效果和存储空间的取舍。 假设有一幅黑白灰度的照片，因为它在水平于垂直方向上的灰度变化都是连续的，都可认为有无数个像素，而且任一点上灰度的取值都是从黑到白可以有无限个可能值。通过沿水平和垂直方向的等间隔采样可将这幅模拟图像分解为近似的有限个像素，每个像素的取值代表该像素的灰度（亮度）。对灰度进行量化，使其取值变为有限个可能值。 经过这样采样和量化得到的一幅空间上表现为离散分布的有限个像素，灰度取值上表现为有限个离散的可能值的图像称为数字图像。只要水平和垂直方向采样点数足够多，量化比特数足够大，数字图像的质量就比原始模拟图像毫不逊色。 在量化时所确定的离散取值个数称为量化级数。为表示量化的色彩值（或亮度值）所需的二进制位数称为量化字长，一般可用8位、16位、24位或更高的量化字长来表示图像的颜色；量化字长越大，则越能真实第反映原有的图像的颜色，但得到的数字图像的容量也越大。 例如：图2-2-16，沿线段AB（左图）的连续图像灰度值的曲线（右图），取白色值最大，黑色值最小。
先采样：沿线段AB等间隔进行采样，取样值在灰度值上是连续分布的，如图2-2-17左图； 再量化：连续的灰度值再进行数字化（8个级别的灰度级标尺），如图2-2-17右图。
3．压缩编码
数字化后得到的图像数据量十分巨大，必须采用编码技术来压缩其信息量。在一定意义上讲，编码压缩技术是实现图像传输与储存的关键。
扫描，分色，取样，量化
扫描：将画面划分为M x N个网格，每个网格称为一个取样点
分色：将彩色图像取样点的颜色分解成三个基色(RGB)
取样：测量每个取样点每个分量的亮度值
量化：对亮度值进行A/D转换，把模拟量用数字量来表示
绛旓細鍥惧儚鐨勬暟瀛楀寲杩囩▼涓昏鍒嗛噰鏍枫侀噺鍖栦笌缂栫爜涓変釜姝ラ銆1銆侀噰鏍风殑瀹炶川灏辨槸瑕佺敤澶氬皯鐐规潵鎻忚堪涓骞呭浘鍍忥紝閲囨牱缁撴灉璐ㄩ噺鐨勯珮浣庡氨鏄敤鍓嶉潰鎵璇寸殑鍥惧儚鍒嗚鲸鐜囨潵琛￠噺銆2銆侀噺鍖栨槸鎸囪浣跨敤澶氬ぇ鑼冨洿鐨勬暟鍊兼潵琛ㄧず鍥惧儚閲囨牱涔嬪悗鐨勬瘡涓涓偣銆傞噺鍖栫殑缁撴灉鏄浘鍍忚兘澶熷绾崇殑棰滆壊鎬绘暟锛屽畠鍙嶆槧浜嗛噰鏍风殑璐ㄩ噺銆3銆佹暟瀛楀寲鍚庡緱鍒扮殑鍥惧儚...
绛旓細鍥惧儚鐨勬暟瀛楀寲杩囩▼涓昏鍒嗛噰鏍枫侀噺鍖栦笌缂栫爜涓変釜姝ラ銆1銆侀噰鏍风殑瀹炶川灏辨槸瑕佺敤澶氬皯鐐规潵鎻忚堪涓骞呭浘鍍忥紝閲囨牱缁撴灉璐ㄩ噺鐨勯珮浣庡氨鏄敤鍓嶉潰鎵璇寸殑鍥惧儚鍒嗚鲸鐜囨潵琛￠噺銆2銆侀噺鍖栨槸鎸囪浣跨敤澶氬ぇ鑼冨洿鐨勬暟鍊兼潵琛ㄧず鍥惧儚閲囨牱涔嬪悗鐨勬瘡涓涓偣銆傞噺鍖栫殑缁撴灉鏄浘鍍忚兘澶熷绾崇殑棰滆壊鎬绘暟锛屽畠鍙嶆槧浜嗛噰鏍风殑璐ㄩ噺銆3銆佹暟瀛楀寲鍚庡緱鍒扮殑鍥惧儚...
绛旓細鍥惧儚鏁板瓧鍖栭渶瑕佺粡杩囦互涓嬫楠わ細鎵弿銆佸彇鏍枫侀噺鍖栥佺紪鐮銆傛壂鎻忔槸鍥惧儚鏁板瓧鍖栫殑绗竴姝ャ傚湪杩欎竴闃舵锛岀墿鐞嗗浘鍍忛氳繃鎵弿浠瓑璁惧琚浆鍖栦负鍙互琚绠楁満璇嗗埆鐨勬暟瀛椾俊鍙枫傛壂鎻忎华閫氳繃鍏跺唴缃殑鍏夊绯荤粺鎹曟崏鍥惧儚淇℃伅锛屽皢杩炵画鐨勫浘鍍忚浆鍖栦负绂绘暎鐨勫儚绱犵偣闃靛垪銆傝繖涓杩囩▼瀹為檯涓婃槸灏嗗浘鍍忎俊鎭浆鎹负鏁板瓧褰㈠紡鐨勫熀纭銆傚彇鏍锋槸绱ч殢鎵弿...
绛旓細鍥惧儚鐨勬暟瀛楀寲鍖呮嫭浠ヤ笅鍑犱釜涓昏姝ラ锛1. 鍥惧儚鑾峰彇锛氳繖鏄浘鍍忔暟瀛楀寲鐨勭涓姝锛岄氬父鏄氳繃浣跨敤鐓х浉鏈恒佹壂鎻忎华鎴栧叾浠栬澶囨潵鎹曡幏鍥惧儚銆傝繖浜涜澶囧彲浠ユ崟鎹夊埌鐜板疄涓栫晫鐨勫浘鍍忥紝骞跺皢鍏惰浆鍖栦负鏁板瓧鏍煎紡銆2. 鍥惧儚棰勫鐞锛氬湪灏嗗浘鍍忔暟瀛楀寲涔嬪墠锛屽彲鑳介渶瑕佸鍥惧儚杩涜涓浜涢澶勭悊鎿嶄綔銆傝繖鍙兘鍖呮嫭璋冩暣浜害鍜屽姣斿害銆佸幓鍣佷慨澶...
绛旓細鍖呮嫭3涓楠わ細閲囨牱銆侀噺鍖栥佸帇缂╃紪鐮 1銆侀噰鏍凤細閲囨牱鐨勫疄璐ㄥ氨鏄鐢ㄥ灏戠偣鏉ユ弿杩颁竴骞呭浘鍍忥紝閲囨牱缁撴灉璐ㄩ噺鐨勯珮浣庡氨鏄敤鍓嶉潰鎵璇寸殑鍥惧儚鍒嗚鲸鐜囨潵琛￠噺銆傜畝鍗曟潵璁诧紝瀵逛簩缁寸┖闂翠笂杩炵画鐨勫浘鍍忓湪姘村钩鍜屽瀭鐩存柟鍚戜笂绛夐棿璺濆湴鍒嗗壊鎴愮煩褰㈢綉鐘剁粨鏋勶紝鎵褰㈡垚鐨勫井灏忔柟鏍肩О涓哄儚绱犵偣銆備竴鍓浘鍍忓氨琚噰鏍锋垚鏈夐檺涓儚绱犵偣鏋勬垚鐨勯泦鍚...
绛旓細鍥惧儚鏁板瓧鍖栫殑鍏蜂綋杩囩▼濡備笅锛1. 鍥惧儚鑾峰彇锛氶鍏堬紝闇瑕侀氳繃鐩告満銆佹壂鎻忎华鎴栧叾浠栬澶囧皢绾歌川鐓х墖銆佺粯鐢绘垨鍗板埛鐗╄浆鎹㈡垚鏁板瓧褰㈠紡銆傝幏鍙栫殑杩囩▼鍙互浣跨敤鍏夊鎴栫數瀛愯澶囪繘琛岋紝灏嗗浘鍍忚浆鍖栦负鏁板瓧淇″彿銆2. 閲囨牱锛氳幏鍙栫殑鍥惧儚淇″彿鏄繛缁殑妯℃嫙淇″彿锛岄渶瑕佽繘琛岄噰鏍枫傞噰鏍锋槸鎸囧湪涓瀹氭椂闂撮棿闅斿唴瀵瑰浘鍍忕殑鍍忕礌杩涜娴嬮噺鍜岃褰曪紝鐢...
绛旓細鎷撳睍鐭ヨ瘑锛氬浘鍍忕殑鏁板瓧鍖栬繃绋嬮氬父鍖呮嫭浠ヤ笅鍑犱釜姝ラ锛1. 鍥惧儚閲囬泦锛氳繖鏄皢鐪熷疄涓栫晫鐨勫浘鍍忚浆鎹负鏁板瓧鍥惧儚鐨勮繃绋嬨傝繖鍙互閫氳繃浣跨敤鐩告満銆佹壂鎻忎华鎴栧叾浠栧浘鍍忔崟鑾疯澶囨潵瀹屾垚銆2. 鍥惧儚棰勫鐞锛氬湪閲囬泦鍒扮殑鍥惧儚涓紝鍙兘瀛樺湪涓浜涢棶棰橈紝濡傚厜绾夸笉瓒炽佸櫔闊炽佸け鐪熺瓑銆傞澶勭悊闃舵鏄负浜嗗杩欎簺鍥惧儚杩涜澶勭悊锛屼互渚垮悗缁楠ゅ彲浠...
绛旓細閲忓寲瀛楅暱瓒婂ぇ,鍒欒秺鑳界湡瀹炵鍙嶆槧鍘熸湁鐨勫浘鍍忕殑棰滆壊,浣嗗緱鍒扮殑鏁板瓧鍥惧儚鐨瀹归噺涔熻秺澶. 渚嬪锛氬浘2-2-16,娌跨嚎娈礎B锛堝乏鍥撅級鐨勮繛缁浘鍍忕伆搴﹀肩殑鏇茬嚎锛堝彸鍥撅級,鍙栫櫧鑹插兼渶澶,榛戣壊鍊兼渶灏忋傚帇缂╃紪鐮鏁板瓧鍖鍚庡緱鍒扮殑鍥惧儚鏁版嵁閲忓崄鍒嗗法澶,蹇呴』閲囩敤缂栫爜鎶鏈潵鍘嬬缉鍏朵俊鎭噺.鍦ㄤ竴瀹氭剰涔変笂璁,缂栫爜鍘嬬缉鎶鏈槸瀹炵幇鍥惧儚浼犺緭...
绛旓細鍥惧儚鏁板瓧鍖栫殑涓昏姝ラ鍖呮嫭锛1. 閲囨牱锛氫娇鐢ㄦ暟瀛楀寲璁惧锛堝鏁扮爜鐩告満鎴栨壂鎻忎华锛夊妯℃嫙鍥惧儚杩涜閲囨牱銆傞噰鏍锋槸鎸囧皢杩炵画鐨勬ā鎷熷浘鍍忓垎鎴愮鏁ｇ殑鍍忕礌鐐癸紝骞朵负姣忎釜鍍忕礌鐐圭‘瀹氫寒搴﹀拰棰滆壊鍊笺2. 閲忓寲锛氬皢姣忎釜鍍忕礌鐐圭殑浜害鍜岄鑹插艰浆鎹负绂绘暎鐨勬暟瀛楀笺傞噺鍖杩囩▼涓紝灏嗚繛缁殑浜害鑼冨洿鍜岄鑹茶寖鍥村垝鍒嗘垚鏈夐檺鐨勭鏁ｇ骇鍒紝骞...
绛旓細鍥惧儚鏁板瓧鍖栨槸灏嗙┖闂村垎甯冨拰浜害鍙栧煎潎杩炵画鍒嗗竷鐨勬ā鎷熷浘鍍忕粡閲囨牱鍜岄噺鍖栬浆鎹㈡垚璁＄畻鏈鸿兘澶熷鐞嗙殑鏁板瓧鍥惧儚鐨勮繃绋嬨鍥惧儚鐨勬暟瀛楀寲杩囩▼涓昏鍒嗛噰鏍枫侀噺鍖栦笌缂栫爜涓変釜姝ラ锛屼笉鍖呮嫭鍘嬬缉銆傚叾涓紝閲囨牱鐨勫疄璐ㄥ氨鏄鐢ㄥ灏戠偣鏉ユ弿杩颁竴骞呭浘鍍忥紝閲囨牱缁撴灉璐ㄩ噺鐨勯珮浣庡氨鏄敤鍓嶉潰鎵璇寸殑鍥惧儚鍒嗚鲸鐜囨潵琛￠噺銆傚浘鍍忕殑鏁板瓧鍖栧叿浣撴潵璇达紝灏辨槸...
