本文概述
- 像素点
- 与CCD阵列的关系
- 灰阶
- 像素值（0）
文章图片
好处是, 由于像素太小而看不到像素, 因此会产生平滑清晰的图像, 而不是“像素化”。每个像素都有一个值, 或者我们可以说一个唯一的逻辑地址。一次只能有一种颜色。像素的颜色由用于表示像素的位数确定。计算机屏幕的分辨率取决于图形卡和显示屏, 像素的数量, 大小和颜色组合。
文章图片
文章图片
文章图片
【数字图像（像素的概念）】众所周知, 图像是由成千上万个像素组成的。在上面的图像中, 如果我们放大图像, 我们将能够看到一些像素。
与CCD阵列的关系 当图像放大时, CCD的表面看起来像是填充的点, 这些点是称为光电二极管的受光器。
文章图片
CCD尺寸是用200万像素（百万像素）和400万像素（百万像素）之类的术语来描述的。像素数越多, 生成的图像越详细。为了获得清晰和平滑的图像, 请增加CCD和图像尺寸。
文章图片
文章图片
计算总像素数
以下是用于计算图像中像素总数的公式。
文章图片
例如：let rows = 300＆column = 200像素总数= 300 X 200 = 500
文章图片
灰阶 最小灰度值为0。灰度取决于图像的深度。
例如：在8位图像中, 灰度级为255。对于二进制图像, 像素只能采用值0或255。在彩色图像中, 像素可以选择0到255之间的值。
彩色图像的灰度计算公式如下所示：
文章图片
像素值（0） 众所周知, 每个像素都有一个唯一的值。 0是一个唯一值, 表示没有光。这意味着0表示暗。
例如：
我们有一个图像的3X3矩阵, 每个像素的值如下所示：
文章图片
这意味着形成的图像为9个黑色像素。
该图像将如下所示：
文章图片
推荐阅读
- 连续系统与离散系统
- 摄像头机制解析
- 数字图像处理的应用
- 模拟图像处理与数字图像处理
- 数字图像处理|4.Matlab图像灰度变换增强（线性变换和直方图均衡化）
- 数字图像处理|基于OpenCV的图像配准之后的透视变换
- 数字图像处理|灰度图像--图像分割 阈值处理之OTSU阈值
- 数字图像处理|数字图像处理5（图像金字塔）
- 控制算法|惯性测量单元IMU基础