器产生，也可以利用影像数字化器对摄取的相片经过采样和量化，将光学影像转换成数字化形式的信息。所谓采样就是确定需要观察的数据的瞬时点，通常是按等间隔进行的。量化就是把相片上的采样点上的灰度值转换成整数数字量。因此，影像的采样与重采样以及获取所需要的影像特征都是数字摄影测量最基础的工作。对一幅数字影像，我们最感兴趣的是那些非常明显的目标，而要识别这些目标，必须借助于提取构成这些目标的所谓的影像特征。特征提取是影像分析和影像匹配的基础，也是单幅影像处理的最重要的任务。特征提取主要是应用各种算子来进行的。由于特征可分为点状特征、线状特征与面状特征，因而特征提取算子又可分为点状特征提取算子与线状特征提取算子，而面状特征主要是通过区域分割来获取。
3.2.1数字影像传感器
1.电子扫描
电子扫描器使用阴极射线管CRT或光导摄像管Vidicon获取视频信号，,由模/数转换系统将其转换为数字信号存入到计算机中,扫描面积约为20mm×20mm。现在不仅可以利用专门的电子扫描仪获取数字影像，还可以利用电视摄像机与所谓多媒体卡获取数字影像，但其精度要差一些。
2.电子-光学扫描器
电子-光学扫描器有很高的分解力，其扫描面积可以很大，分为滚筒式和平台式两类。一般来说，平台式扫描仪精度与分解力较高，而滚筒式扫描仪速度快但精度与分解力要低一些，其扫描向（X方向）由滚筒的旋转产生，与垂直方向（Y方向）的扫描由光源与传感器沿平行于滚筒转轴方向的移动产生，这种电子-光学扫描器一般用于光学影像或图件的扫描数字化，而不能用于实物数字影像的获取。
3.固体阵列式数字化器
将半导体传感器CCD（charge coupled device）排列在一行或一个矩形区域中构成线阵或面阵CCD相机或称数码相机。在一条线上可以排列2048个传感器，而在一个矩形内可以排列512×512个传感器。在对影像数字化或获取实物数字影像是不需要扫描头逐像素的移动。 3.2.2数字影像采样与重采样
数字影像是一个灰度矩阵
?g0,0?g1,0g???????gm-1,0g0,1g1,2?gm-1,1g0,n-1???g1,n-1? ????gm-1,n-1???
矩阵的每个元素gi,j是一个灰度值，对应着光学影像或实体的一个微小区域，称为像元素或像元或像素（Pixel=Picture element）。各像素的灰度值gi,j代表其影像经采样与量化了的“灰度值”。
若?x与?y是光学影像上的数字化间隔，则灰度值gi,j随对应的像素的点位坐标（x,y）
x?xo?i??x(i=0,1,2, ?n-1) y?y0?j??y (j=0,1,2, ?m-1)
而异。通常取?x??y，而gj,i也限于取用离散值。 3.2.2.1数字影像采样
将传统的光学影像数字化得到的数字影像，或直接获取的数字影像，不可能对理论上的每一个点都获取其灰度值，而只能将实际的灰度函数离散化，对相隔一定间隔的“点”量测其灰度值。这种对实际连续函数模型离散化的量测过程就是采样，被量测的点称为样点，样点之间的距离即采样间隔。采样后的灰度是不连续的等间隔灰度序列，采样过程会给影像的灰度带来误差。例如相邻两个点的影像灰度的变化被丢失，即影像的细部受到损失，则采样间隔越小越好。但是采样间隔越小，数据量越大，增加了运算工作量和提高了对设备的要求。究竟如何确定采样间隔，应根据精度要求和影像的分解力，另外还要考虑到数据量和存储设备的容量。在影像数字化或直接数字化时，这些被量测的“点”也不可能是几何上的一个点，而是一个小的区域，通常是矩形或圆形的微小影像块，即像素。现在一般取矩形或正方形，矩形（或正方形）的长与宽通常称为像素的大小（尺寸），它通常等于采样间隔。因此，当采样间隔确定了以后，像素的大小也就确定了 。在理论上采样间隔应由采样定理确定。
影像采样通常是等间隔进行的。确定一个适当的采样间隔，可以对影像平面在空间域内和在频域内用卷积和乘法的过程进行分析。
通过采样后得到的每个点的灰度值不是整数，这对计算很不方便，为此，应将各点的灰度值取为整数，这一过程称为影像灰度的量化。影像灰度的量化是把采样点上的灰度值转换成为某一种等距的灰度级。其方法是将透明相片有可能出现的最大灰度变化范围进行等分，等分的数目称为“灰度等级”，然后将每个点的灰度值在其相应的灰度等级内取整，取整的原则是四舍五入。由于计算机数字均用二进制表示，因此灰度等级的级数i一般选用2的指数m,
i =2m (m=1,2, ?8)
当m=1时，灰度只有黑白两级；当m=8时，则有256个灰度级，其级数是介于0与255之间的一个整数，255为白。由于这种分级正好可用计算机存储器中1byte(8bit)表示，所以对数字处理特别有利。量化过程会给影像的灰度带来“四舍五入”的凑整误差，其最大误差为0.5个密度单位，影像量化误差与凑整误差一样，其概率密度函数是在0.5之间均匀分布
即
?0, 0?x?0.5 P(x)??
?1, 其他例如将最大密度范围0-3，划分为64级，最大量化误差为
0.5×3÷64=0.02
由此可以看出，量化误差与密度等级有关，密度等级越大，量化误差越小，但会增大数据量。
当欲知不位于矩阵（采样）点上的原始函数g(x,y)的数值时就需要进行内插，此时称为重采样（Resampling）。意在原采样的基础上再一次采样。每当对数字影像进行几何处理时总会产生这一问题，其典型的例子为影像的旋转、核线排列与数字纠正等。显然，在数字影像处理的摄影测量应用中常常会遇到一种或多种这样的集合变换，因此，重采样技术对摄影测量学是很重要的。 3.2.3数字影像特征提取
影像特征是由于景物的物理与几何特征使影像中局部区域的灰度产生明显变化而形成的。因而特征的存在意味着在该局部地区中有较大的信息量，而在数字影像中没有特征的区域，应当只有较小的信息量。 3.3影像匹配
摄影测量中双像（立体像对）的量测是提取物体三维信息的基础。在数字摄影测量中是以影像匹配代替传统的人工观测，来达到自动确定同名像点的目的。最初的影像匹配是利用相关技术实现的，随后发展了多种影像匹配方法。 3.3.1影像相关
最初的影像匹配采用了相关技术，因而也有人常称影像匹配为影像相关。由于原始相片中的灰度信息可以转换为电子、光学或数字等不同形式的信号，因而可构成电子相关、光学相关或数字相关。影像相关是利用相关函数，评价两块影像的相似性以确定同名点。即首先取出以待定点为中心的小区域的影像信号，然后取出其在另一影像中相应区域的影像信号，计算两者的相关函数，以相关函数最大值对应的相应区域中心为同名点。即影像信号分布最相似的区域为同名区
域，同名区域的中心为同名点。这就是自动化立体量测的基本原理。 3.3.2相关函数
两个随机信号x(t)和y(t)的互相关函数定义为
Rxy(τ)??x(t)y(t?τ)dt
????对信号能量无限的情况则取其均值形式：
1T Rxy(τ)?lim?x(t)y(t?τ)dt
T??T0在实际应用中信号不可能是无限长的，即T是有限值，但T要适当的大，使其构成的统计方差小到可以接受。实用估计为：
Rxy(τ)??1Tx(t)y(t?τ)dt ?0T当x(t)＝y(t)时，则得到自相关函数的相应定义与估计公式：
Rxx(τ)??x(t)y(t?τ)dt
????Rxx(τ)?limRxx(τ)??1Tx(t)y(t?τ)dt 0T??T?1Tx(t)y(t?τ)dt ?0T自相关函数有下列主要性质：
(1)自相关函数是偶函数。即
R(τ)?R(?τ)
(2)自相关函数在??0处取得最大值。即
R(0)≥R(τ)
这两个性质极为重要，是三种相关技术确定同名像点的依据。 3.3.3数字相关
数字相关是利用计算机对数字影像的灰度值，用数字计算的方法探求左右影像的相似程度，完成影像的相关确定同名像点的位置。数字相关可以在线进行，也可以离线进行。一般情况下它是一个二维的搜索过程。1972年Masry、Helava和Chapelle等人应引如了核线相关原理，化二维搜索为一维搜索，大大提高了相关的速度，使数字相关技术在摄影测量中的应用得到了迅速的发展。
1.二维相关
在进行二维相关时，一般在左影像上先确定一个待定点，称之为目标点，以此待定点为中心选取m×n(可取m=n)个像素的灰度阵列作为目标区或称目标