图像处理书籍笔记1--图像基本数据结构

计算机视觉的目的是寻找输入图像与真实世界之间的关系。由原始图像向模型的转换过程，图像信息逐渐压缩。在输入图像和模型之间，定义若干层次的视觉信息表示，计算机视觉由以下设计所组成：

1.中间表示（数据结构）。

2.创建这些中间表示所用的算法和它们之间关系的导入（算法）。

中间层一般可以表示成四个层次。按照从处于低层次抽象的信号开始到人能够感知的描述的顺序排列。

第一层：最低层的表示，称为图标图像，有原始的像素亮度数据的整数矩阵构成。为了后续图像处理，需要进行预处理（如：滤波或边缘锐化）

第二层：分割图像，图像被分割为可能属于同一物体的区域。

第三层：几何表示，保存2D和3D形状知识。例如，在做普通而复杂的有关实际物体受光照和运动影响的模拟时，几何表示是有用的。

第四层：图像数据表示的关系模型。涉及AI技术，利用一些先验知识，从图像中获得的信息可以表示成语义网络或框架。

传统图像图像数据结构

传统的数据结构有矩阵、链、图、物体属性表、关系数据库，这不仅直接表示图像重要的信息，而且还是更复杂的图像分层表示方法的基础。

矩阵：低层图像表示的最普通的数据结构，矩阵是图像的一个完整表示，与图像数据的内容无关，它隐含这图像组成部分之间的空间关系，这些图像组成部分在语义上具有重要性。在图像中，一个很重要的空间关系是相邻关系。矩阵中有大量的图像数据，因此需要大量的空间，因此如果首先从原始的图像矩阵得出全局信息，可以使算法上加速。两个比较好的全局信息的例子：直方图（一个图像的像素具有某个亮度的概率统计），共生矩阵（具有描述纹理的能力）。

            积分图像是另一种能够描述全局信息的矩阵表示方法。积分图像的构造方式是位置(i,j)处的值ii(i,j)是原图像(i,j)左上角所有像素的和。计算多个尺度的简单矩形图像特征，能够快速的在目标识别和目标跟踪上。

链：在计算机视觉中用于描述物体的边界。链适合组织成符号序列的数据，链中相邻的符号通常对应于图像中邻接的基元。有两种常用的编码方式：链码和行程编码。

拓扑数据结构：将图像描述成一组元素及其相互关系，这些关系通常用图结构来表示。区域图和区域邻接图。

关系结构： 关系数据库也可以用来表示从图像中得到的信息。

分层数据结构  ——  由于计算机视觉需要巨大的数据量，分层数据结构使一些特殊算法成为可能，这些算法在相对小的数据量的基础上决定处理策略。

金字塔：最简单的分层数据结构，有两种：M型金字塔（矩阵型金字塔）和T型金字塔（树形金字塔）。