第三章 影像顯示 3.1 前言 看看空間解析度和量化會如何影響影像的顯示，尤其是影像品質的部分，各種影像的屬性如何影響到顯示的品質。 第三章 影像顯示 3.1 前言 看看空間解析度和量化會如何影響影像的顯示，尤其是影像品質的部分，各種影像的屬性如何影響到顯示的品質。 人類的視覺大致都比較喜歡銳利而精細的影像。 許多因子都會影響到顯示效果，包括： 環境照明。 顯示器類型與設定。 顯示卡。 顯示器解析度。

3.2 影像顯示的基礎 這個函數的作用就是將矩陣顯示為影像 image 指令是以色譜來指定矩陣元素的顏色。

3.2 影像顯示的基礎 要適當地顯示出影像，就必須在image 這個指令外加上幾個額外的指令。

3.2 影像顯示的基礎 我們也可以調整色譜顏色的多寡，不過這可能會大大影響顯示效果。

3.2 影像顯示的基礎 image 指令也可以顯示索引色彩影像，不過要記得在imread 中讀入色譜： 3.2 影像顯示的基礎 image 指令也可以顯示索引色彩影像，不過要記得在imread 中讀入色譜： tmap 是 一<256×3 double>的data >> [t, tmap]=imread(‘trees.tif’); >> figure, image(t), truesize, axis off, colormap(tmap)

3.2 影像顯示的基礎 至於全彩影像，imread 指令會將之讀取為3D 陣列 3.2 影像顯示的基礎 至於全彩影像，imread 指令會將之讀取為3D 陣列 image 指令則會忽略設定的色譜，直接使用陣列中的顏色值來顯示色彩。 >> a=imread(‘autumn.tif’); >> figure, image(a), truesize, axis off

3.3 imshow 函數 顯示Matlab影像處理指令所輸出的矩陣(通常是double形態)有兩種選擇： 轉換為uint8 形態並顯示。 直接顯示矩陣。 只要矩陣元素介於0 與1 之間，imshow 就可以將double形態的矩陣正確地顯示成灰階影像。

圖 3.1 >> ce=imread(‘cell.tif’); >> ced=double(ce); 圖 3.1 >> ce=imread(‘cell.tif’); >> ced=double(ce); >>imshow(ced) >>imshow(ce) >>imshow(ced/255) >>imshow(ced/512) >>imshow(ced/128)

3.3 imshow 函數 使用im2double 函數便可將原始影像更正確地轉換成double 形態 若將double 形態的影像cd 的數值適當的調整於0 至1 之間，就有兩種方法將之轉換回uint8形態的影像： >> ced1=im2double(ce); >> imshow(ced1) >> ce1=uint8(255*ced1); >>ce2=im2uint8(ced1);

3.3 imshow 函數 MATLAB沒有這種二元資料形態，不過可以使用邏輯（logical）旗標，將uint8的數值0 與1 解讀成邏輯資料。 若用whos指令檢查所有的變數，結果會包含下面這一行：

圖 3.3 >> imshow(cl) >> imshow(uint8(cl))

3.4 位元平面 灰階影像按照位元平面（bitplanes）分割後，就可以轉換為一系列的二元影像。 第0 個位元平面 第八位元平面 3.4 位元平面 灰階影像按照位元平面（bitplanes）分割後，就可以轉換為一系列的二元影像。 第0 個位元平面 最低位元平面（least significant bit plane） 第八位元平面 最高位元平面（most significant bit plane）

3.4 位元平面 先將一個灰階影像轉換成double形態的矩陣，也就是進行下列運算：

圖 3.4 最低位元平面(least significant bit plane) 圖 3.4 最低位元平面(least significant bit plane) 最高位元平面(most significant bit plane)

3.5 空間解析度 空間解析度意指影像像素的密度，空間解析度越高，用來顯示影像的像素越多。 3.5 空間解析度 空間解析度意指影像像素的密度，空間解析度越高，用來顯示影像的像素越多。 用MATLAB 的imresize 函數可以用來實驗空間解析度變化的影響。 >> imresize(x,1/2);

3.5 空間解析度 >> x2=imresize(imresize(x,1/2),2); Pixelization 像素化效果

圖 3.5

圖 3.6

圖 3.7

3.6 量化與混色 量化(quantization)是指用來顯示影像的灰階數目。 均勻量化（uniform quantization） 3.6 量化與混色 量化(quantization)是指用來顯示影像的灰階數目。 均勻量化（uniform quantization） 第三章 影像顯示 第58頁 圖3.8

3.6 量化與混色 運用MATLAB 進行上述映射，可以使用下列指令。假設x 為uint8形態的矩陣： 3.6 量化與混色 運用MATLAB 進行上述映射，可以使用下列指令。假設x 為uint8形態的矩陣： 然而，要減少影像的灰階數還有一個更好的方法，就是使用grayslice函數。

圖 3.9

圖 3.10

圖 3.11

圖 3.12 均勻量化最明顯的效果便是輪廓失真，灰階數越少越明顯。

3.6 量化與混色 混色（dithering） 簡單來說，混色就是減少影像色彩數目的過程。 3.6 量化與混色 混色（dithering）　簡單來說，混色就是減少影像色彩數目的過程。 將影像用兩種色調表示的方法也稱為半色調（halftoning）。 混色矩陣（dither matrix） 重複這個矩陣到和原影像矩陣一樣大。

3.6 量化與混色 假設d(i, j) 是重複D 之後得到的矩陣，則輸出像素p(i, j)便定義為：

圖 3.14

3.6 量化與混色 二個灰階值以上的影像也可以使用混色法產生。 舉例來說，若想量化成四個輸出層次0、1、2 及3 。 3.6 量化與混色 二個灰階值以上的影像也可以使用混色法產生。 舉例來說，若想量化成四個輸出層次0、1、2 及3 。 (由於 255/3 = 85)

圖 3.15 >> D = [0 56; 84 28]; >> r = repmat(D, 128, 128); 圖 3.15 >> D = [0 56; 84 28]; >> r = repmat(D, 128, 128); >> x = double(x); >> q = floor(x/85); >> x4 = q+(x-85*q>r); >> imshow(uint8(85*x4)) >> D = [0 24; 36 12]; >> r = repmat(D, 128, 128); >> x = double(x); >> q = floor(x/37); >> x8 = q+(x-37*q>r); >> imshow(uint8(37*x8))

3.6 量化與混色 誤差擴散法（error diffusion） 最常用的方法是由Floyd 和Steinberg 發展出來。 3.6 量化與混色 誤差擴散法（error diffusion） 將影像量化成兩個層次。 我們考慮要每一個像素的灰階值及其量化值之間的誤差。 所謂的誤差擴散法就是將誤差分散到鄰近的像素。 最常用的方法是由Floyd 和Steinberg 發展出來。 影像中的每個像素p(i, j) 都會執行下列步驟： 進行量化 計算量化誤差。定義為：

3.6 量化與混色 根據右表將誤差E 往右往下擴散： 第三章 影像顯示 第65頁

圖 3.17

圖 3.18