图像处理基本知识

《图像处理基本知识》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、图形图像两兄弟我们在计算机屏幕上看到的各种画面大致分为两种：一种是位图，还有一种是矢量图。位图是由像素组成的，像素说得通俗一点就是一个一个不同颜色的小点，这些不同颜色的点一行行、一列列整齐地排列起来，最终我们就看到了有这些不同颜色的点组成的画面，我们称之为像素。将图片中的局部放大到1200％，可以清楚地看到像素了。矢量图是以数学的方式，对各种各样的形状进行记录，最终我们看到是有不同的形状组成的画面，我们称之为图形。归纳起来就是：位图——像素——图像矢量图——数学——图形由此我们知道了：图形和图像是两回事。简单地说，图像是我们看到的自然景物的直接反映，

2、比如照片、摄像的画面等等。而图形是我们按照自己的理解表达出来的形状，比如一条线、一个圆、一个卡通人物等等。我们的PHOTOSHOP是图像处理软件，是一处理位图为主的。PHOTOSHOP从6.0以后，加强了软件中的矢量功能，但最终还是要落实到像素，还是一个位图图像处理软件。现在，你可以清楚地分辨下边的两幅画面中，哪一个是位图，哪一个是矢量图了吧。计算机是如何记录矢量图和位图的呢？且听下回分解！位图矢量各千秋我们已经知道了位图和矢量的概念，计算机是如何来记录位图和矢量图的呢？例如这张图：图中有一条曲线。大家已经知道这应该是一个矢量图形。你不要把它看成是一

3、个“2”。而位图也可以用像素来记录这条曲线，在黑线的位置上是褐色的像素，没有黑线的地方是白色像素，一行一行的像素整齐地排列，最终我们看到了有所有的黑色像素所组成的这条黑线。所有白色的地方都是白色的像素，在RGB图像中，每一个像素是由24位数字来记录的。仔细一想，尽管这些白色象素，对于我们这些黑色的曲线是没有意义的，但是却一个也不能少，这样下来，文件就非常的大。同样是这张图，矢量就好办了，只需要确定这条曲线的起点、终点等相关的坐标，给定相关的函数，表述曲线的颜色和粗细，这条曲线就有了。也就是说，用数学的方式将这条曲线表述清楚了。没有曲线图形的地方，矢量

4、图根本不管。这样一来，记录的文件就非常小。既然矢量图这么好，我们所有的画面为何不都用矢量图呢？比如这幅色彩极其丰富的照片。用位图来表述的时候，只是用不同颜色的像素来排列。在照片的某个点上，应该是什么颜色，就用相应颜色的像素来记录。所有五颜六色的像素整齐地，从头至尾排列下来，我们就看到了有这些像素所组成的这幅图像。如果用矢量来记录这幅照片呢，实际上也是可以的。无非是一个点一个点地建立数学的计算公式，细致地表述每一个点的颜色、形状、位置。但是因为这些颜色的变化太丰富，颜色点之间的跳跃非常激烈，没有一致的规律，因此，矢量图要按照每一个衍射点来建立数量浩瀚的

5、数学公式。而每一个数学公式的信息量，肯定要大于一个像素的信息量，由此可知，这幅图片转换成矢量图以后，比位图还要大得多，计算机绘不堪重负。也就是说，一般来说，位图大于矢量图，但并不是绝对的。现在我们知道了：图像—像素—位图图形—数学—矢量关于位图像素与图像之间的关系，且听下回分解。图像精度莫随意我们已经知道了：位图是由像素组成的图像。那么，像素数量的多少就会直接影响到图像的质量。在一个单位长度之内，排列的像素多，表述的颜色信息多，这个图像就清晰，排列的像素少，表述的颜色信息少，这个图像就粗糙。这就使图像的精度，我们也称之为“分辨率”。下面这两幅图像的尺

6、寸是相同的，但是分辨率精度相差很大，我们可以命相安道：分辨率高的图像比分辨率低的图像要清晰。注意：分辨率是指单位长度内排列像素的多少，因而，只有位图才有分辨率，矢量图不存在分辨率问题。当别人给你一个图像文件，告诉你分辨率，你可千万不能问：是位图还是矢量图？那可就丢人现眼了。我们说的分辨率的单位长度，全世界都是以英寸为单位的。也就是在1英寸之内排列多少像素。同时你应该知道：1英寸＝2.54厘米。别人给你一个图像文件，同时告诉你：分辨率是300的。意思是这个图像是由每英寸300个像素记录的。现在我们知道，在这1英寸之内排列的像素越多，图像分辨率越高，图像

7、也就越清晰。但是，我们不能一味地盲目增加像素，意图提高分辨率。比如，1英寸排列10000个像素行吗？不行！实际上，图像分辨率的设定是很规矩的，通常：铜版纸：300Pixels/inch(或dpi)胶版纸：200dpi新闻纸：150dpi大幅面喷绘：以90cm*120cm展板为例，100dpi足矣。计算机屏幕显示：72dpi这些数据应该烂熟于心，。制作图像时根据输出的需要，从一开始建立新文件的时候，就要设定好所需的图像分辨率。一般不能在以后更改分辨率，因为那样会严重影响图像的质量。如果拿到的图像分辨率很低，输出时需要大幅度提高分辨率，或镇阿道的图像尺寸

8、很小，输出时需要大大扩展图像尺寸，这都涉及令人头疼的“像素插值理论”。这个问题且听下回分解。图像插值心里明如