Digital image

{{NMgr|obor1=Optometrie} Digital image is a representation of image information in digital memory. Due to the nature of digital data, the image must be quantized, i.e. actually divided into small pieces (pixel – from English picture element), while each pixel has only one brightness value. The brightness value is also quantized, i.e. a pixel can only have a finite number of brightness values.

Image brightness and depth
The brightness of pixel is a data corresponding to the luminance of the area of the real image that was projected into corresponding pixel. The color black i.e. „zero luminance“, is usually represented in computer memory by the number 0, with pure white being the highest usable number. The highest usable luminance value indicates the ability of a given image representation in computer memory to distinguish different levels of luminance; the number corresponding to it is called the bit depth of the image. Usually, the actual number is not specified, but the number of bits that the number characterizing the brightness of one pixel occupies in memory. Examples of bit depths used:
 * {| class="wikitable"

! bit depth !! maximum brightness !! comment |- ! 1 | align="center" | 2 (21) || align="left" | only black and white |- ! 2 | align="center" | 4 (22) || align="left" | |- ! 4 | align="center" | 16 (24) || align="left" | |- ! 8 | align="center" | 256 (28) || align="left" | commonly usedé |- ! 24 | align="center" | 16 777 216 (224) || align="left" | so-called True Color
 * }

Resolution
thumb|Pixels Computer memory is not unlimited, therefore even a digital image is only a limited slice. Practically exclusively, a rectangular section is ussed, i.e. actually a matrix whose elements are the brightness values of individual pixels. The resolution is given as the width and height of the image expressed in number of pixels, i.e. 640&times;480 means that the image is 640 wide and 480 high. However, the resolution does not indicate the physical dimensions of the digital image. The actual information about the physical size of the image is carried only by the size of one pixel. In practice, only the DPI data (dots per inch)is used, which tells how many pixels correspond to the width of one inch (2.54 cm).

Kontrast a dynamický rozsah
Kontrast obrazu je veličina spojená s fyziologií vidění. Jde o veličinu charakterizující jeden konkrétní obraz. Pro různé účely se zavádí několik definic kontrastu, jejich společným rysem je však to, že kvantifikují rozdíl nebo podíl jasu mezi nejsvětlejšími a nejtmavšími oblastmi v obrazu. Manipulace s kontrastem patří mezi základní metody, kterými můžeme zvýšit subjektivní schopnost interpretovat obraz – většina zobrazovacích zařízení je proto vybavena ovládacím prvkem umožňujícím měnit kontrast zobrazeného obrazu. Podíl nejvyššího a nejnižšího jasu, jaké je schopen daný formát rozlišit, tedy vlastně nejvyšší dosažitelný kontrast obrazu, se nazývá dynamický rozsah. Protože jde o podílovou veličinu kolísajících ve značném rozsahu, obvykle se používá nikoliv podíl sám, ale jeho dekadický logaritmus.

Barevný model
Informace o barvě pixelu není zcela jednoduchá, obvykle je reprezentována jako bod tzv. barevného prostoru. Barevný prostor je obvykle trojrozměrný, v některých případech čtyřrozměrný. Barevné vlastnosti jednoho pixelu tak vlastně reprezentuje trojice nebo čtveřice čísel, hovoříme o barevném modelu. Při počítačovém zpracování se používá několik barevných modelů: RGB model|400px CMYK model|400px HSV model|300px
 * RGB model je nejčastěji používaný. Barvu pixelu reprezentuje trojice čísel odpovídající jasu červené (R), zelené (G) a modré (B) barvy. Výsledná barva je dána adicí všech barev, hovoříme proto o aditivním modelu. V RGB modelu pracují např. monitory, v RGB modelu je uložena barva ve většině datových formátů.
 * CMYK model je subtraktivní model. Výsledná barva pixelu je dána rozdílem složky azurové (C), fialové (M) a žluté (Y). Protože barevný model CMYK se obvykle používá při tisku, používá se kvůli úspoře barvy ještě informace o černé složce (K).
 * Modely HSV a HSL jsou barevné modely nevyužívající mísení barev. Barvu pixelu reprezentuje číslo barvy (H), sytost barvy (S) a hodnota bílého světla (V) resp. jas (L). Model se používá spíše v grafických aplikacích, protože umožňuje uživateli manipulovat s barvou způsobem, jaký intuitivně očekává.

Ukládání obrazové informace
Pro trvalé ukládání obrazové informace se používá několik datových formátů. Obecně lze datové formáty pro ukládání obrazů rozdělit na komprimované a nekomprimované. Nekomprimované formáty jsou obvykle poměrně velké, ale ve starších počítačích bylo jejich velkou výhodou okamžité načtení a zobrazení bez nutnosti další manipulace s daty. Příkladem nekomprimovaného datového formátu je BMP (Windows Bitmap). Komprimované formáty mají menší velikost, ale na starších počítačích trvalo zobrazení déle, protože musela proběhnout dekomprese dat. Datová komprese může být bezeztrátová nebo ztrátová. Bezeztrátová komprese je založena na tom, že se hodnoty jednotlivých barev pixelů opakují, a proto lze vhodným matematickým postupem snížit počet čísel nutných k reprezentaci všech informací v obraze. Příkladem formátu s bezeztrátovou kompresí je PNG (Portable Network Graphics). Ztrátová komprese je založena na záměrné ztrátě té části informace, kterou lidské oko nevnímá, nebo ji vnímá jen omezeně. Nejznámějším formátem využívajícím ztrátové komprese je JPEG (Joint Photographic Experts Group – skupina, která tento formát vytvořila). Výhodou takto uložené obrazové informace je její stálost (na rozdíl od fotografií soubory nestárnou), elektronické obrazy lze velmi snadno a bez ztráty kvality kopírovat. Elektronické obrazy lze snadno přenášet nejen v rámci příslušného nemocničního informačního systému, ale i mezi nemocnicemi (viz telemedicína).

Využití digitálního obrazu
Vedle výše zmíněného snadného skladování, kopírování a přenášení lze digitální obraz dále využít ke snadným manipulacím s obrazovými daty. Manipulace s obrazovými daty může mít několik cílů, při práci s biomedicínskými obrazy jsou nejdůležitější následující cíle:
 * zlepšení subjektivního vnímání – např. tzv. okno u CT, automatická segmentace obrazu
 * spojování informací získaných různými modalitami – např. DSA nebo PET-CT
 * vytěžení na první pohled nezřejmé informace použitelné v diagnostice – např. kvantifikace tvaru či textury