《数字图像处置惩罚》第二章 2.1 视觉感知要素条记

“第二章数字图像底子，超等难啃。”—不是我说的，是我朋侪说的。
“2.1.1讲人眼结构，这东西对盘算机视觉有啥用吗？我又不是学医！”—这依然不是我问的，是我朋侪问的。
我的发起是，多啃几遍了哦，不如就像我，做多次条记试试。尚有啊，人眼结构这块要注意，反面遇到液态仿生镜头你就知道了。
一、人眼结构与成像原理

眼球分层与焦点组件

1.1 眼球本体结构

外层： 角膜（透明，负责折射光线）和巩膜（掩护结构） 。
中层： 虹膜（调治瞳孔巨细控制进光量）、睫状体（调治晶状体曲率）和脉络膜（汲取散射光） 。
内层（视网膜）：
锥状细胞：约600-700万个，位于中心凹，负责高分辨率、彩色视觉（明视觉） 。
杆状细胞：约7500-15000万个，分布广但毗连共享神经，对低照度敏感（暗视觉） 。
盲点：无视细胞地区，由视神经出口形成 。
眼球内容物：
房水：添补前房和后房，维持眼压并营养角膜、晶状体 。
晶状体：弹性透明结构，通过改变曲率调治焦距（类似相机镜头） 。
玻璃体：凝胶状物质，支持眼球形状并转达光线至视网膜 。
1.2 附属器官

掩护与润滑结构
眼睑与睫毛：物理屏蔽，防止异物侵入；眨眼动作保持角膜湿润 。
结膜：覆盖眼睑内侧和巩膜外貌，分泌黏液辅助润滑 。
泪器：泪腺分泌泪液干净眼球，泪道倾轧多余液体 。
运动调治结构
外眼肌：6条肌肉协同控制眼球运动，实现快速扫视、追踪目的等功能 。
1.3 关键动态特性

瞳孔调治：虹膜通过肌肉紧缩改变瞳孔巨细，顺应差别光照强度（动态对比度可达百万比一） 。
视网膜顺应：从明到暗环境需约30分钟完成化学调解（如视紫红质再生），以规复暗视觉 。
1.4 功能协同示例

当光线通过角膜→房水→瞳孔→晶状体→玻璃体到达视网膜后，感光细胞将光信号转化为电信号，经双极细胞→神经节细胞→视神经转达至大脑皮层，终极形成视觉 。若晶状体弹性降落（如老花眼），睫状体无法有效调治焦距，需借助光学镜片改正 。
成像机制

晶状体通过改变形状调治焦距（14-17mm），类似相机镜头 。
视网膜中心凹类似CCD传感器，聚焦后光信号转换为电脉冲，由大脑解码 。
二、亮度顺应与视觉征象

亮度顺应（Brightness Adaptation）

动态范围： 人眼可顺应光强范围达 101010^{10}1010
，但瞬时辨别的亮度级仅约 10310^{3}103 。
顺应级别： 当前环境下的灵敏度程度，暗视觉（杆状体主导）与明视觉（锥状体主导）的切换须要时间（如暗顺应约30分钟） 。
关键视觉征象

马赫带效应（Mach Bands）
征象：在匀称亮度地区边界处感知到卖弄的亮/暗带（图1）。
原理：视觉体系增强对比度以突出表面 。

代码示例：天生灰度渐变条带并观察边界效应。

1. import numpy as np
2. import matplotlib.pyplot as plt
4. # 生成带有阶梯突变的渐变（模拟侧抑制）
5. steps = 10  # 阶梯数
6. step_width = 25  # 每个阶梯宽度（像素）
7. gradient = np.zeros((200, 256))
9. for i in range(steps):
10.     start = i * step_width
11.     end = start + step_width
12.     gradient[:, start:end] = i * (255 // steps)
14. plt.figure(figsize=(15, 3))
15. plt.imshow(gradient, cmap='gray', aspect='auto', interpolation='none')  # 禁用插值
16. plt.axis('off')
17. plt.title("Illustration of the Mach band effect.")
18. plt.show()

复制代码

输出效果：渐变条带在相邻地区接壤处出现亮/暗条纹。

同时对比（Simultaneous Contrast）
征象：类似灰度的小方块在差别配景中感知亮度差别。
代码示例：创建差别配景下的类似灰度方块。

1. import numpy as np
2. import matplotlib.pyplot as plt
4. # 创建黑色和白色背景 (明确使用uint8数据类型)
5. bg_dark = np.zeros((200, 200), dtype=np.uint8)        # 黑色背景 (0)
6. bg_light = np.ones((200, 200), dtype=np.uint8) * 255  # 白色背景 (255)
8. # 在中心添加相同灰度方块（灰度值=127）
9. patch_value = 127
10. patch = np.ones((50, 50), dtype=np.uint8) * patch_value
11. bg_dark[75:125, 75:125] = patch
12. bg_light[75:125, 75:125] = patch
14. # 可视化对比（强制显示范围为0-255）
15. plt.figure(figsize=(10, 5))
16. plt.subplot(1, 2, 1)
17. plt.imshow(bg_dark, cmap='gray', vmin=0, vmax=255, interpolation='none')  # 关键修复点
18. plt.title("Dark Background: Patch Looks Brighter")
19. plt.axis('off')
21. plt.subplot(1, 2, 2)
22. plt.imshow(bg_light, cmap='gray', vmin=0, vmax=255, interpolation='none')  # 关键修复点
23. plt.title("Light Background: Patch Looks Darker")
24. plt.axis('off')
26. plt.tight_layout()
27. plt.show()

复制代码

输出效果：中心方块在深配景中显得更亮，在浅配景中显得更暗。

三、视觉错觉与图像处置惩罚启示

错觉范例
多少错觉：平行线因交织线干扰显得不平行 。
亮度错觉：不存在的中心形状因配景模式被感知 。
对图像处置惩罚的启发
增强算法筹划：利用马赫带效应优化边沿检测，制止太过锐化导致的卖弄表面 。
表现技能优化：思量同时对比征象，调解UI界面临比度以提拔用户体验 。
四、总结与实践发起

理论焦点：人眼通太过层结构和动态顺应机制实现高效视觉感知，但其非线性特性（如亮度对数相应）需在图像处置惩罚中被建模 。
参考文献
《数字图像处置惩罚》中文译本第二章 §2.1
人眼亮度顺应与错觉机制详解
视觉征象模拟代码实现

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

继续阅读请点击广告