3.3 图像亮度
图像的亮度模式是二维的，那么这个亮度模式是如何在一个光学成像系统中生成的呢？上一节已经找到了场景中点和图像上点之间的对应关系，本节将探讨什么决定了图像中点的亮度。
3.3.1 亮度模式
亮度是一个非正式术语，比如它可以用来描述图像亮度与场景亮度。对于图像，亮度和射入像平面的能流有关，许多不同的方法可以用来度量亮度。本书用辐照强度来代替图像亮度。辐照强度是指照射到某一表面上的“辐射能”在单位面积上的功率（单位为W·m-2，即瓦特每平方米）。在图3-6a中，E代表辐照强度，δP表示照射到一个面积为δA的极其微小的曲面区域上的辐照能功率。例如，相机中胶片的亮度就是辐照强度的函数。图像中某一点的辐照强度取决于从该像素点所对应的物体表面点所射过来的能流。
在场景中，亮度和从物体表面发射的能流有关。位于成像系统前的物体表面上不同的点会有不同的亮度，而其亮度取决于光照情况及物体表面如何对光进行反射。场景亮度采用辐射强度来表示。辐射强度是指从物体表面的单位透视面积发出的、射到单位立体角中的功率（W·m-2·sr-1，即瓦特每平方米立体弧度）。在图3-6b中，L表示辐射强度，δ2P是指从一个面积为δA的极小表面射入一个极小立体角δw中的能流大小。从形式上看，辐射强度的定义很复杂，因为从某一微小表面发出的光会射向各个不同的方向，所有的射出方向将会形成一个半球，而且不同方向上的光线强度可能不同。因此，只有指定这个半球中的立体角后谈论辐射强度才是有意义的。通常情况下，随着观测方向的不同，辐射强度会发生变化。图像辐照强度的测量结果与场景辐射强度成正比，其比例取决于成像系统的参数。
图3-6 辐照强度与辐射强度
3.3.2 传感器
工业相机主要用来对待测物体进行实际的成像，将光信号转换成电信号或者数字信号，它的关键部件是CCD（Charge Coupled Device，电荷耦合器件）或CMOS（Complementary Metal Oxide Semiconductor，互补金属氧化物半导体）图像传感器。图像像素值（即图像灰度值）是CCD或CMOS图像传感器对光强（光亮度）的测量对象。由于其采集图像的质量将直接影响到后续图像处理的效果，所以选择一个合适的相机对机器视觉检测系统来说是非常重要的。对于一般的工业相机主要有如下参数。
1）分辨率：分辨率是工业相机最基本的参数，可以用水平分辨率和垂直分辨率来描述，例如1920（H）×1080（V）表示每行的像元数量为1920个，共有1080行。分辨率越大，图片所占内存空间也越大，但是图片的细节越清晰。所以，一般要首先保证图像有足够多的数据信息，能够满足系统检测的需要，然后考虑分辨率不能过大，以免浪费资源、降低效率。
2）帧速：帧速表示相机采集图像的频率，单位为帧/秒，即每秒所能采集的画面数量，可以用来衡量采集速度。帧速是衡量一台工业相机的重要参数，当相机速度足够时才能满足相应的系统需求。一般而言，不同类型的机器视觉系统所需要的帧速不尽相同，帧速需要与实际项目需求相匹配。目前，工业相机的帧速从十几帧/秒到几百帧/秒甚至上万帧/秒。例如，德国PCO公司的高速相机可在100万分辨率时达到7039帧/秒的成像速度。
值得一提的一点——一万亿帧相机
科学家已经实现了一万亿帧/秒成像，可用于观察光子的运动和对光成像。图3-7为高速相机捕获的光在饮料瓶传播过程的画面。
图3-7 光在饮料瓶传播过程的画面
a）被测物体 b）不同时刻的光传播画面
3）传感器像元大小：传感器芯片由许许多多像元阵列组成，像元尺寸指芯片像元阵列上每个像元的实际物理尺寸。像元尺寸从某种程度上反映了芯片对光的响应能力，像元尺寸越大，能够接收到的光子越多，在同样的光照条件和曝光时间内产生的电荷数量越多。通常像元尺寸为几微米，大尺寸像元感光能力更好，但是使得在相同芯片面积条件下像素分辨率降低。
4）动态范围：相机的动态范围表明相机探测光信号的范围，可用两种方法来界定：一种是光学动态范围，指饱和时最大光强与等价于噪声输出的光强的比值，由芯片的特性决定；另一种是电子动态范围，指饱和电压和噪声电压之间的比值。动态范围大，则相机对不同的光照强度有更强的适应能力。
值得一提的一点——EMCCD和sCMOS相机
机器视觉常用相机主要有两类光电传感芯片，分别为CCD芯片和CMOS芯片。CCD和CMOS成像都是通过光电效应将光信号转换成电信号获得数字图像。
在科学级成像中还有另外两种相机：EMCCD（Electron-Multiplying CCD，电子倍增CCD）和sCMOS（scientific CMOS，科学级CMOS）相机。EMCCD和sCMOS相机比CCD和CMOS对光的感知灵敏度更高，具有极高的动态范围，尤其适用于显微、荧光成像等微弱光成像领域。比如，德国PCO公司的sCMOS相机动态范围可达37500∶1，并具有0.8e-中值读出噪音的高灵敏度。
3.3.3 感知颜色
颜色是图像处理中很重要的一种特征，利用颜色可以简化将目标从场景中提取并识别的过程。颜色特征不会受到形变畸变的影响，有很好的不变性，如平移、旋转和尺度增减等均不会改变图像颜色，而且鲁棒性能很好。颜色已经成为使用非常广泛的特征。最为常见的颜色模型就是RGB模型，为了适应不同应用，根据RGB颜色模型还提出了CMY颜色模型、HSV颜色模型和HSI颜色模型等。
1. RGB颜色模型
根据三基色的原理，通过加权混合红、绿、蓝三种基色可以得到各种不同的颜色，如图3-8所示。这个模型是基于笛卡儿坐标系的，为了方便描述，将颜色进行了归一化处理，红、绿和蓝的取值限定在0～1之间。在图3-8中，红、绿、蓝三基色位于单位立方体在坐标轴上的三个定点上。三个补色青色、品红色和黄色位于另外三个顶点。黑色在原点，三基色都达到最大值时是白色，因此白色位于与原点相对的立方体顶点上。代表灰度值的点落在连接白色和黑色的对角线上。在模型内部和边缘上的点代表不同的颜色。
图3-8 RGB颜色模型空间
2. HSI颜色模型
人观察彩色物体的时候，通常是用色调、饱和度和亮度来描述的，对应于这种描述方式，有一种颜色模型称为HSI颜色模型。HSI颜色模型将强度，也就是亮度信息，从颜色信息中分离出来，这使得很多适用于灰度图像的处理方法同样适用于HSI颜色模型。其中，H为色调，色调和混合光谱中的主波长有关；S是饱和度，是指颜色的相对纯度；I代表亮度。色调和饱和度一起构成了色度。
HSI颜色模型如图3-9所示。色调是按角度来统计的，0°的色调表示红色，120°的色调表示绿色，240°的色调表示蓝色。0°～240°之间的色调表示了所有的可见光谱色，而240°～360°之间的色调表示了人眼可见的非光谱色。饱和度是色调圆环的圆心到颜色点的长度。最外面圆周上的饱和度是1，中心的饱和度是0。如果将HSI表示在一个圆锥模型上，那么亮度，即灰度是沿着轴线的，从底部到顶部，由黑变白。
图3-9 HSI颜色模型空间
给定一个RGB颜色模型的图像，可以通过式（3-32）～式（3-35）转换到HSI颜色模型，每个RGB像素的H分量为
其中
S分量为
最后，I分量为
为了编程方便，提高程序执行效率，可采用以下快速近似转换公式：
MATLAB官方提供的RGB与HSV格式转换程序（rgb2hsv）如下：
