什么是图像
1 前言
图像信息由于其具有较强的直观性易于为人们所接受，能表达语音或者文本信息难以表达的内容而使得图像信息倍受人们欢迎。特别大的信息量，俗话说“百闻不如一见”，它表明一幅图像的信息是巨大的。如，可以根据某人的照片在人群中识别出此人，但是很难根据一篇描述此人的文章来识别他。另外，“一见”也表明可以并行的处理图像信息，一眼看去，图像中所有的信息尽收眼底，但也正是因为如此图像通信一直是图像技术领域的首要问题。
尽管如此说，但到底什么是图像呢？
这个问题，真的没仔细思考过，仔细一想，这还真不知道。
2 什么是图像？
（分别是图像的不同信息，空域指与空间相关的信息，例如像素的灰度，颜色等信息在不同位置不同；而时域指与时间有关的信息，例如：在相同条件下，不同时间取得的图像信息
图像本身用2维矩阵存储，它当前所存在的即为空间域，而通过诸如富利叶变换之后，就使图像转换到频率域去了
）
2.1 连续图像
通常人眼所看到的客观存在的世界称之为景象，而我们从某一点观察某一个景象时，物体所发出的光线（可以是发光物体本身辐射的光，也可以是物体受光源照射后反射或透射的光）进入人眼，在人眼的视网膜上成像。这个“像”反映了客观景物的亮度和颜色随空间位置和方向的变化，因此它是空间坐标的函数。人类对视网膜成的像，用各种形式记录下来的“像”就是所谓的图像。即，图是物体透射或者反射光的分布，像是人的视觉系统接受图的信息而在大脑中形成的印象或认识。图像则是对客观存在的物体的一种相似性的、生动的写真或者描述。因此，可以将一幅图像看作是空间各点光强度的集合。如果把光强度看做是空间坐标(x,y,z)、光线波长λ和时间t变化的连续函数，其数学表达式为
I = f(x,y,z,λ,t)
当z=z0时，则表示二维图像。
如果只考虑二维图像中光的能量而不考虑其波长，则图像在视觉上表现为灰度图像，或者单色图像，其图像函数为
I = f(x,y,t)
如果灰度图像是静止图像，即图像的内容不随时间变化而变化，则上述图像可以表示为
I = f(x,y)
一般研究图像都是静止图像，理论上彩色图像可以表示为
I = f(x,y) = {f_r(x,y),f_g(x,y),f_b(x,y)}
此时的彩色图像时连续图像，连续图像也称为模拟图像。此类图像的特点就是在水平和垂直方向上，x和y的取值都是连续无穷的，同时I的取值连续无穷的。它反映了客观景物的亮度和颜色随空间位置和方向上的变化而发生的连续变化。
2.2 数字图像
尽管连续图像能够全面、清晰的表示图像信息，但是受目前计算机的限制，需要将图像的模拟信号转换为离散信号，以方便计算机的计算。由此得到的离散图像又称为数字图像。值得提及的是模拟图像是由无限的元素组成的，而数字图像则是由有限个元素组成的，每一个元素都有一个特定的位置和强度。这些元素或者像点称为图像元素或者像素。为了把连续图像转换为数字图像，一般要经过两种处理：取样和量化。取样就是数字化坐标值，量化就是数字化亮度值。经过取样和量化后得到的数字图像是在空间坐标和亮度值都离散化的图像f(x,y),它可以用一个二维的整数数组来表示，或者一系列的二维数组来表示，每一个二维数组代表一个颜色通道。数字化后的亮度值称为灰度级的值。数组的每一个元素就是像素。一个数字化图像通常具有如下的形式：
通常把大小为M×N，灰度级为L级的图像称为空间分辨率为M×N像素，灰度级分辨率为L级的数字图像。而，取样值是决定一幅图像空间分辨率的主要参数。空间分辨率是图像中可辨别的最小细节。保持L不变，减少M和N会导致棋盘效果，保持M和N减少L会导致假轮廓。
至此，差不多已经明白了图像的概念和数字化的过程以及数字图像的表示。可以这样说，数字图像是由每一个像素组成的。那么像素和像素之间又有什么关系呢？
2.3 像素之间的关系
相邻像素之间有4邻域、8邻域的关系。像素间的连通性则除了确定它们是否相邻外还要考虑它们的灰度值是否满足特定的相似性准则或者说它们的灰度值是否相等。另外，像素之间的关系还包括区域和边界。
同样，也由于图像是由像素组成的，大部分对于图像的操作都是基于像素的。