1.59k likes | 1.85k Views
DIGITAL IMAGE PROCESSING. Instructor: Dr J. Shanbehzadeh Shanbehzadeh@gmail.com. DIGITAL IMAGE PROCESSING. Chapter 2 - Digital Image Fundamentals. Dr J. Shanbehzadeh Shanbehzadeh@gmail.com. Road map of chapter 2. 1.6. 1.3. 1.3. 1.5. 1.6. 1.4. 1.1. 1.1. 1.4. 1.5. 1.2.
E N D
DIGITAL IMAGE PROCESSING Instructor: Dr J. Shanbehzadeh Shanbehzadeh@gmail.com
DIGITAL IMAGE PROCESSING Chapter 2 - Digital Image Fundamentals Dr J. Shanbehzadeh Shanbehzadeh@gmail.com
Road map of chapter 2 1.6 1.3 1.3 1.5 1.6 1.4 1.1 1.1 1.4 1.5 1.2 1.2 1.2 • 2.1- Elements of Visual Perception • 2.2-Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6-An Introduction to the Mathematical Tools Used in Digital Image Processing • Some Basic Relationships Between Pixels • Light and the electromagnetic Spectrum • Image Sensing and Acquisition • Elements of Visual Perception • Image Sampling and Quantization • An Introduction to the Mathematical Tools Used in Digital Image Processing
Structure of the Human Eye Elements of Visual Perception Image Formation in the Eye Brightness Adaptation and Discrimination • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
Elements of Visual Perception(Preview) • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • DIP is built on a foundation of mathematical and probabilistic formulations, But, human intuition and analysis play a central role in the choice of one technique versus another, and this choice often is made based on subjective, visual judgments. Hence, a basic understanding of human visual perception is appropriate. • We cover the most rudimentary aspects of human vision. • We focus on the: • mechanics and parameters related to how images are formed in the eye. • physical limitations of human vision in terms of factors that also are used in digital images. • Factors such as: how human and electronic imaging compare in terms of resolution and ability to adapt to changes in illumination and to from a practical point of view.
Structure of the Human Eye Structure of the Human Eye Elements of Visual Perception Image Formation in the Eye Brightness Adaptation and Discrimination • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
تنظیم دوربین تصویر برداری از چشم )طرز قرار دادن سر بیمار(
Vessels Macula Optic Disc
مدهای تصویر برداری شبکیه تصویر سبز ( Red-Free (RF تصویر اتو فلورسنس AF تصویر رنگی (Fundus Images) FA-ICG فاز اول FA-ICG فاز دوم FA-ICG فاز سوم تصویرآنژیوگرافیک Fluoroscein Angiography (FA) Indocyanine Green Chorioangiography (ICG)
Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • داخلي ترين غشاء چشم شبکيه است که داخل بخش پشتي، کل ديوار را ميپوشاند. • دو دسته از سلولها در چشم وجود دارند که وظيفه دريافت تصاوير را بر عهده دارند. سلولهاي مخروطي و سلولهاي ميله اي. • سلولهاي مخروطي در منطقه اي که لکه زرد خوانده ميشود قرار دارند و نسبت به رنگ بسيار حساسند. انسانها مي توانند بوسيله اين سلولها جزئيات ريز را تشخيص دهند. • تعداد سلولهاي ميله اي بسيار بيشتر از سلولهاي مخروطي است و در سطح شبکيه پخش شده اند. • وسعت ناحيه پخش اين سلولها و اتصال چندين سلول به يک پايه عصبي از جزئيات تصوير ميکاهد. • در حالت کلي براي توليد تصوير کلي و کامل از ميدان ديد به کار مي روند.
Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
قرنيه • قرنيه قسمت شفاف جلوي كره چشم است كه از پشت آن ساختمان هاي داخلي تر كره چشم مثل عنبيه و مردمك ديده مي شود. قرنيه چشم را مي توان به شيشه پنجره تشبيه كرد. همانطور كه اگر شيشه پنجره كثيف باشد اشياء بيرون تار ديده مي شوند، اگر بر روي قرنيه كسي لكه يا كدورتي وجود داشته باشد فرد اشياء را تار مي بيند. به علاوه همانطور كه از پشت يك شيشه موجدار يا مشجر اشياء كج و كوله و ناصاف ديده مي شوند. در صورتي كه سطح قرنيه ناهموار باشد اشياء ناصاف و تار ديده مي شوند. البته قرنيه انسان يك تفاوت مهم با شيشه پنجره دارد و آن هم اينكه شيشه پنجره يك سطح صاف است در حاليكه قرنيه بخشي از يك كره است. اين ساختمان كروي باعث مي شود كه قرنيه چشم مثل يك ذره بين عمل كند و نورهايي را كه از محيط خارج وارد كره چشم مي شوند به صورت پرتوهاي همگرا درآورد كه تصوير واضحي روي شبكيه ايجاد كنند. البته در همه افراد اين امر به صورت دقيق اتفاقي نمي افتد. مثلاً اگر انحناي قرنيه كسي بيشتر از حد طبيعي باشد تصاوير به جاي آنكه روي پرده شبكيه بيفتد در جلوي پرده شبكيه تشكيل مي شود. چنين فردي نزديك بين (ميوپ) است. همچنين اگر انحناي قرنيه كسي كمتر از حد طبيعي باشد تصاوير به جاي آنكه روي پرده شبكيه بيفتند در پشت آن تشكيل مي شوند. چنين فردي دوربين (هيپروپ) است. به طوري كه مي بينيم قرنيه افراد نقش مهمي در تعيين دوربيني يا نزديك بيني يا شماره چشم افراد دارد. به همين علت اكثر روش هاي جراحي براي اصلاح ديد و شماره عينك روي اين بخش از چشم انجام مي گيرد. مثلاً در روش هاي ليزر (PRK)، ليزيك(LASIK)، لازك(LASEK) و جراحي با تيغه الماس (RK) مقدار انحناي قرنيه تغيير مي كند و شماره چشم فرد اصلاح مي شود. همچنين استفاده از لنز تماسي (كنتاكت لنز) كمك مي كند كه انحناي قرنيه فرد موقتاً به اندازه مطلوب برسد و ديد فرد اصلاح شود.
ساختمان چشم انسان عنبيه و مردمك • عنبيه • عنبيه بخش رنگي پشت قرنيه است كه رنگ چشم افراد را تعيين مي كند. رنگ اين بخش در چشم افراد مختلف متفاوت است و از آبي و سبز تا عسلي و قهوه اي تغيير مي كند. • مردمك • در وسط عنبيه سوراخي به نام مردمك وجود دارد كه مقدار نور وارد شده به چشم را تنظيم مي كند. كار مردمك مثل پرده اي است كه پشت پنجره آويزان شده و نور ورودي به اتاق را كم و زياد مي كند. همانطور كه وقتي نور خارج شديد و زياد باشد، پرده را مي بنديم تا نور كمتري به اتاق وارد شود، وقتي چشم در محيط پر نور قرار مي گيرد مردمك تنگ مي شود تا مقدار نور كمتري وارد چشم شود. به همين صورت وقتي چشم در محيط كم نور قرار مي گيرد مردمك گشاد مي شود تا نور بيشتري وارد چشم شود. برگشت
ساختمان چشم انسان اتاق قدامي • اتاق قدامي فضاي كوچكي است كه بين قرنيه و عنبيه قرار دارد. در اين فضا مايعي به نام زلاليه جريان دارد كه به شستشو و تغذيه بافت هاي داخل چشم كمك مي كند. همانطور كه در يك استخر براي پاك ماندن استخر مرتباً مقداري آب خارج مي شود و به جاي آن آب تصفيه شده وارد مي شود، در چشم هم مرتباً مقداري از مايع زلاليه خارج مي شود و مايع زلاليه جديدي كه در چشم توليد شده است جايگزين آن مي شود. اگر به هر دليلي تعادل بين توليد و خروج اين مايع به هم بخورد مقدار مايع زلاليه در چشم افزايش پيدا مي كند و فشار داخل كره چشم از حد طبيعي بيشتر مي شود. (مقدار طبيعي فشار چشم در افراد بالغ بين 10 تا 21 ميلي متر جيوه است). بالا رفتن فشار چشم به پرده شبكيه و عصب بينايي آسيب مي زند و باعث بيماري آب سياه يا گلوكوم مي شود.
ساختمان چشم انسان عدسي • عدسي يك ساختمان شفاف در پشت عنبيه است كه در متمركز كردن دقيق پرتوهاي نور بر روي شبكيه به قرنيه كمك مي كند. ضخامت عدسي چشم در شرايط مختلف تغيير مي كند و بسته به آنكه شيء مورد نظر در چه فاصله اي از فرد قرار داشته باشد ضخامت عدسي كم و زياد مي شود. بنابراين فرد مي تواند اشياء را در فواصل مختلف (از بي نهايت تا حدود 20 سانتي متري و گاهي نزديك تر) به طور واضح ببيند. هرچه سن افراد بيشتر مي شود قدرت تغيير شكل عدسي كمتر مي شود به طوري كه در حدود سن 40 سالگي قدرت تغيير شكل عدسي آنقدر كم مي شود كه اكثر افراد براي ديدن اشياء نزديك و انجام كارهايي مثل مطالعه و خياطي به عينك كمكي براي ديد نزديك (عينك مطالعه) نياز پيدا مي كنند. اين همان حالتي است كه به آن پير چشمي گفته مي شود. • با گذشت سن علاوه بر آنكه قدرت تغيير شكل عدسي كم مي شود ميزان شفافيت عدسي هم كم مي شود. گاهي كدورت عدسي آنقدر زياد مي شود كه مثل پرده اي ديد فرد را تار مي كند. اين كدورت عدسي را اصطلاحاً آب مرواريد يا كاتاراكت مي گويند.
ساختمان چشم انسان زجاجيه • زجاجيه مايع ژله مانند شفافي است كه داخل كره چشم را پر مي كند و به آن شكل مي دهد.. زجاجيه از پشت عدسي تا روي پرده شبكيه وجود دارد.. با گذشت سن ساختمان ژله مانند زجاجيه تغيير مي كند و در بعضي جاها حالت آبكي پيدا مي كند. در اين حال بعضي قسمت هاي زجاجيه شفافيت خود را از دست مي دهد و سايه اي روي پرده شبكيه مي اندازد كه فرد آن را به صورت اجسام شناور كوچكي مي بيند كه مثل مگس در ميدان بينايي بالا و پايين مي روند. اين حالت اصطلاحاً مگس پران گفته مي شود.
ساختمان چشم انسان شبكيه • شبكيه يك پرده نازك حساس به نور (شبيه فيلم عكاسي) است كه در عقب كره چشم قرار دارد. پرتوهاي نوري كه به شبكيه برخورد مي كنند به پيام هاي عصبي تبديل مي شوند كه از طريق عصب بينايي به مغز منتقل مي شوند و در مغز تفسير مي شوند. • در شبكيه انسان انواع مختلفي از سلول هاي گيرنده نوري وجود دارد كه ميزان حساسيت آن ها به نور متفاوت است. گيرنده هاي نوري استوانه اي بيشتر براي ديد در محيط هاي تاريك به كار مي روند. گيرنده هاي مخروطي براي تشخيص رنگ و جزئيات ظريف تمايز يافته اند. ترتيب قرار گيري اين سلول ها در شبكيه طوري است كه در ناحيه مركزي شبكيه (ماكولا) تعداد گيرنده هاي مخروطي بيشتر است. بنابراين وقتي فردي به صورت مستقيم به شيئي نگاه مي كند تصوير آن شيء مستقيماً روي ماكولا در جايي مي افتد كه تعداد سلول هاي مخروطي بيشتر است و در نتيجه شيء با وضوح بيشتري مشاهده مي شود.
Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
Cornea is a transparent structure thatcovers the iris and pupil Pupil allows varying amounts of light to enter the eye. Lens helps to focus light on theretina. Cones areconcentrated in the centerof the retina - the fovea Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Retina includes • Rods (94%) (light sensitive) • Cones (6%) (color sensitive)
Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Rods are thin cells with slender rodlike projections that are the photoreceptors for: • Black and white vision • Vision in dim light • Cones are the receptors for: • Color vision • Visual acuity • There are three types of cones, each with a different visual pigment • One sensitive to green light • One sensitive to blue light • One sensitive to red light • The perceived color of an object depends on the quantity and combination of cones that are stimulated • In very dim light, cones do not function
Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Cons and Rods Distribution
Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Color blindness occurs because there is an absence or deficiency of one or more of the visual pigments in the cones. So the person cannot distinguish certain colors. • Retina also contains the macula lutea which is a small pigmented area made up of closely packed cones that is responsible for central vision. • The fovea centralis is the center of the macula lutea and the area with the highest concentration of cones.
Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
Structure of the Human Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
Structure of the Human Eye Image Formation in the Eye Elements of Visual Perception Image Formation in the Eye Brightness Adaptation and Discrimination • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
Image Formation in the Eye • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Example: • Calculation of retinal image of an object 15/100=h/17 or h=2.55 mm
Structure of the Human Eye Brightness Adaptation and Discrimination Elements of Visual Perception Image Formation in the Eye Brightness Adaptation and Discrimination • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
Brightness Adaptation and Discrimination • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Range of light intensity levels to which HVS (human visual system) can adapt: on the order of 1010. • Subjective brightness (i.e. intensity as perceived by the HVS) is a logarithmic function of the light intensity incident on the eye. • The HVS cannot operate over such a range simultaneously. • For any given set of conditions, the current sensitivity level of HVS is called the brightness adaptation level.
Brightness Adaptation and Discrimination • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • The eye also discriminates between changes in brightness at any specific adaptation level. Where: Ic: the increment of illumination discriminable 50% of the time I : background illumination
Brightness Adaptation and Discrimination • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing Range of subjective brightness sensations showing a particular adaptation level Typical Weber ratio as a function of intensity
Brightness Adaptation and Discrimination • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing Basic Experimental setup used to characterize brightness discrimination
Brightness Adaptation and Discrimination • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Small values of Weber ratio mean good brightness discrimination (and vice versa). • At low levels of illumination brightness discrimination is poor (rods) and it improves significantly as background illumination increases (cones). • The typical observer can discern one to two dozen different intensity changes • i.e. the number of different intensities a person can see at any one point in a monochrome image
Brightness Adaptation and Discrimination • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Overall intensity discrimination is broad due to different set of incremental changes to be detected at each new adaptation level. • Perceived brightness is not a simple function of intensity • Scalloped effect, Mach band pattern • Simultaneous contrast
Mach Bands Effect • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing سیستم بینائی مایل است در مرز ناحیه های شدت مختلف، به پائین یا بالا جهش کند. گرچه شدت نوارها ثابت است، یک الگوی روشنائی را دریافت می کنیم که شدیدا در نزدیک مرزها کنگره مانند دیده میشود. Perceived Intensity is not a simple function of actual intensity.
Simultaneous Contrast • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing کنتراست همزمان : روشنائی دریافتی ناحیه، ارتباط ساده ای با شدت آن ندارد. تمام مربع های مرکزی شدت یکسانی دارند اما هر چه زمینه روشنتر می شود آنها در چشم تیره تر دیده میشوند.
Optical Illusions • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing توهم نوری پدیده ایست که در آن چشم با اطلاعاتی پر می شود که وجود ندارد یا به طور نادرست خواص هندسی اشیا را دریافت می کند.
Light and the Electromagnetic Spectrum (1) • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • In 1666, Sir Isaac Newton discovered that when a beam of sunlight is passed through a glass prism, the emerging beam of light is not white but consists instead of a continuous spectrum of colors ranging from violet at one end to red at the other. • The range of colors we perceive in visible light represents a very small portion of the electromagnetic spectrum. • On one end of the spectrum are radio waves with wavelengths billions of times longer than those of visible light. • On the other end of the spectrum are gamma rays with wavelengths millions of times smaller than those of visible light.
Light and the Electromagnetic Spectrum (2) • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing = • The electromagnetic spectrum can be expressed in terms of wavelength, frequency, or energy. • his Planck’s constant. • The units of wavelength are meters, with the terms microns and nanometers being used just as frequently. • Frequency is measured in Hertz (Hz), with one Hertz being equal to one cycle of a sinusoidal wave per second. • unit of energy is the electron-volt.
Light and the Electromagnetic Spectrum (3) • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • امواج الکترومغناطیسی را می توان پخش امواج سینوسی در نظر گرفت که طول موج آنها λ است. • آنها را میتوان جریانی از ذرات بدون جرم دانست که هر کدام به صورت یک الگوی شبیه موج با سرعت نور حرکت می کنند. • هر ذره بدون جرم شامل مقداری انرژی است. • هر بسته انرژی فوتون نام دارد. لذا پدیده الکترومغناطیس با فرکانس بالاتر (طول موج کوتاهتر) انرژی بیشتری حمل می کند.
Light and the Electromagnetic Spectrum (4) • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing
Light and the Electromagnetic Spectrum (5) • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Electromagnetic waves can be visualized as propagating sinusoidal waves with wavelength, or they can be thought of as a stream of mass-less particles, each traveling in a wavelike pattern and moving at the speed of light. Each mass-less particle contains a certain amount (or bundle) of energy. Each bundle of energy is called a photon. • Energy is proportional to frequency, • Higher-frequency (shorter wavelength) electromagnetic phenomena carry more energy per photon. • Gamma rays are so dangerous to living organisms.
Light and the Electromagnetic Spectrum (Light) • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Light is a particular type of electromagnetic radiation that can be seen and sensed by the human eye. • The visible band of the electromagnetic spectrum spans the range from approximately 0.43 micro m (violet) to about 0.79 micro m (red). • For convenience, the color spectrum is divided into six broad regions: Violet, Blue, Green, Yellow, Orange, and Red.
The Origins of Digital Image Processing (color) • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • The colors that humans perceive in an object are determined by the nature of the light reflected from the object. • A body that reflects light and is relatively balanced in all visible wavelengths appears white to the observer. • A body that favors reflectance in a limited range of the visible spectrum exhibits some shades of color. • For example, green objects reflect light with wavelengths primarily in the 500 to 570 nm range while absorbing most of the energy at other wavelengths.
The Origins of Digital Image Processing (Achromatic or Monochromatic) • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Light that is void of color is called achromatic or monochromatic light. • The only attribute of such light is its intensity, or amount. • The term gray level generally is used to describe monochromatic intensity because it ranges from black, to grays, and finally to white.
The Origins of Digital Image Processing (Chromatic light) • 2.1- Elements of Visual Perception • 2.2- Light and the Electromagnetic Spectrum • 2.3- Image Sensing and Acquisition • 2.4- Image Sampling and Quantization • 2.5- Some Basic Relationships Between Pixels • 2.6- An Introduction to the Mathematical Tools Used in Digital Image Processing • Chromatic light spans the electromagnetic energy spectrum from approximately 0.43 to 0.79 m, as noted previously. • علاوه بر فرکانس، سه کمیت اساسی برای توصیف کیفیت منبع نور رنگی به کار میرود : • تابندگی : میزان کل انرژی است که از منبع نور جاری می شود • درخشندگی: معیاری برای میزان انرژی است که بیننده از منبع دریافت میکند • روشنائی: یک توصیف ذهنی است که اندازه گیری آن غیرممکن است