武汉大学数字图像处理课程讲义：从基础到数据结构

"数字图像处理是一门研究如何通过计算机对数字图像进行采集、分析、处理和展示的学科。在这门课程中，武汉大学的讲义主要涵盖了以下几个核心知识点： 1. 图像模型与基本概念：图像被视为二维空间中光强的函数，每个像素的位置（x,y）与其强度f(x,y)关联，通常有严格的灰度范围限制（Lmin到Lmax）。灰度级l是对实际光强度f(x,y)的量化，通常表示为[0,L-1]。 2. 图像获取与表示：图像通常通过光学传感器（如相机）以反射的形式获得，其数值表示为一个矩阵，每个像素的灰度值用整数表示。在计算机中，图像被分解为像素（Pixel），这些像素的集合构成了一维（线阵）或二维（面阵）的数据结构。 3. 数字图像处理概述：课程强调了处理过程中对像素数据的理解，包括数据结构的选择，如数组方式（如Image[N]或Image[M][N]）用于存储，以及指针方式（如C语言中的unsigned char *pBits）来表示连续的内存区域。 4. 数据结构与特征提取：图像数据结构的选择对处理性能和效率至关重要。除了数组方式，还有组合方式、比特面方式、分层结构、树结构以及多重图像数据存储等方法。课程还提到，针对特定应用场景可能需要提取图像的特征，如纹理、颜色、形状等，以便后续的分析和识别。 通过学习这门课程，学生将掌握从图像采集到处理的全过程，包括图像预处理（如滤波、增强）、特征提取、图像分析（如边缘检测、轮廓提取）和编码解码等方面的技术。这些知识对于计算机视觉、机器学习、图像通信等领域都具有重要意义。"