第一篇：《數(shù)字圖像處理》期末考試重點總結(jié)

*數(shù)字圖像處理的主要內(nèi)容及特點

圖像獲取、圖像變換、圖像增強、圖像恢復、圖像壓縮、圖像分析、圖像識別、圖像理解。

（1）處理精度高，再現(xiàn)性好。（2）易于控制處理效果。（3）處理的多樣性。（4）圖像數(shù)據(jù)量龐大。（5）圖像處理技術綜合性強。*圖像增強：通過某種技術有選擇地突出對某一具體應用有用的信息，削弱或抑制一些無用的信息。圖像增強不存在通用理論。

圖像增強的方法：空間域方法和變換域方法。*圖像反轉(zhuǎn)：S=L-1-r 1.與原圖像視覺內(nèi)容相同2.適用于增強嵌入于圖像暗色區(qū)域的白色或灰色細節(jié)。

*對數(shù)變換 S=C*log（1+r）c為常數(shù)，r>=0 作用與特點：對數(shù)變換將輸入中范圍較窄的低灰度值映射為輸出中較寬范圍的灰度值，同時，對輸入中范圍較寬的高灰度值映射為輸出中較窄范圍的灰度值。

對數(shù)函數(shù)的一個重要特征是可壓縮像素值變化較大的圖像的動態(tài)范圍；

*冪律（伽馬）變換 s=c*(r+?)?

伽馬小于1時減小圖像對比度，伽馬大于1時增大對比度。

*灰度直方圖 ：是數(shù)字圖像中各灰度級與其出現(xiàn)的頻數(shù)間的統(tǒng)計關系。*直方圖均衡化：直方圖均衡化就是通過變換函數(shù)將原圖像的直方圖修正為均勻的直方圖，即使各灰度級具有相同的出現(xiàn)頻數(shù)，圖象看起來更清晰。

直方圖均衡化變換函數(shù)必須為嚴格單調(diào)遞增函數(shù)。直方圖均衡化的特點：

?1.能自動增強圖像的對比度2.得到了全局均衡化的直方圖，即均勻分布3.但其效果不易控制

*直方圖規(guī)定化（匹配）：用于產(chǎn)生處理后有特殊直方圖的圖像的方法

*空間濾波即直接對圖像像素進行處理。

獲得最佳濾波效果的唯一方法是使濾波掩模中心距原圖像邊緣的距離不小于(n-1)/2個像素。

*平滑濾波器用于模糊處理和減小噪聲。

平滑線性空間濾波器的輸出是：待處理圖像在濾波器掩模鄰域內(nèi)的像素的簡單平均值。

優(yōu)點：減小了圖像灰度的“尖銳”變化，故常用于圖像降噪。負面效應：模糊了圖像的邊緣，因為邊緣也是由圖像灰度的尖銳變化造成的?？臻g均值處理的重要應用是，為了對感興趣的物體得到一個粗略的描述而模糊一幅圖像。

*中值濾波器機理：將像素鄰域內(nèi)灰度的中值代替該像素的值； ?對于處理脈沖噪聲非常有效，該種噪聲也稱為椒鹽噪聲； *量化：把采樣點上對應的亮度連續(xù)變化區(qū)間轉(zhuǎn)換為單個特定數(shù)碼的過程，稱之為量化，即采樣點亮度的離散化。

*灰度圖像：指每個像素的信息由一個量化的灰度級來描述的圖像，它只有亮度信息，沒有顏色信息。*圖像銳化濾波的幾種方法。

答：（1）直接以梯度值代替；（2）輔以門限判斷；（3）給邊緣規(guī)定一個特定的灰度級；（4）給背景規(guī)定灰度級；（5）根據(jù)梯度二值化圖像。*偽彩色增強和假彩色增強有何異同點。

答：偽彩色增強是對一幅灰度圖像經(jīng)過三種變換得到三幅圖像，進行彩色合成得到一幅彩色圖像；假彩色增強則是對一幅彩色圖像進行處理得到與原圖象不同的彩色圖像；主要差異在于處理對象不同。相同點是利用人眼對彩色的分辨能力高于灰度分辨能力的特點，將目標用人眼敏感的顏色表示。

*圖像編碼基本原理是什么？數(shù)字圖像的冗余表現(xiàn)有哪幾種表現(xiàn)形式？

答：雖然表示圖像需要大量的數(shù)據(jù)，但圖像數(shù)據(jù)是高度相關的，或者說存在冗余（Redundancy）信息，去掉這些冗余信息后可以有效壓縮圖像，同時又不會損害圖像的有效信息。

數(shù)字圖像的冗余主要表現(xiàn)為以下幾種形式：空間冗余、時間冗余、視覺冗余、信息熵冗余、結(jié)構冗余和知識冗余。*什么是中值濾波，有何特點？

答：中值濾波是指將當前像元的窗口（或領域）中所有像元灰度由小到大進行排序，中間值作為當前像元的輸出值。特點：它是一種非線性的圖像平滑法，它對脈沖干擾級椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能有效保護邊緣少受模糊。*圖像增強的目的是什么？

答：對圖像進行加工，使其結(jié)果比原始圖像更適用于特定應用?！疤囟ā币辉~表明圖像增強技術是面向問題的。*圖像銳化與圖像平滑有何區(qū)別與聯(lián)系？

答：區(qū)別：圖像銳化是用于增強邊緣，導致高頻分量增強，會使圖像清晰；圖像平滑用于消除圖像噪聲，但是也容易引起邊緣的模糊。聯(lián)系：都屬于圖像增強，改善圖像效果。*圖像復原和圖像增強的主要區(qū)別是：

圖像增強主要是一個主觀過程，而圖像復原主要是一個客觀過程；圖像增強不考慮圖像是如何退化的,而圖像復原需知道圖像退化的機制和過程等先驗知識

*圖像增強時，平滑和銳化有哪些實現(xiàn)方法？

平滑的實現(xiàn)方法：鄰域平均法，中值濾波，多圖像平均法，頻域低通濾波法。

銳化的實現(xiàn)方法：微分法，高通濾波法。

*對于椒鹽噪聲，為什么中值濾波效果比均值濾波效果好？ 椒鹽噪聲是復制近似相等但隨機分布在不同的位置上，圖像中又干凈點也有污染點。中值濾波是選擇適當?shù)狞c來代替污染點的值，所以處理效果好。因為噪聲的均值不為0，所以均值濾波不能很好地去除噪聲。

*什么是區(qū)域？什么是圖像分割？

區(qū)域可以認為是圖像中具有相互連通、一致屬性的像素集合。圖像分割時把圖像分成互不重疊的區(qū)域并提取出感興趣目標的技術。*圖像中微分算子的特點

? 1.一階微分產(chǎn)生較粗的邊緣，二階微分產(chǎn)生的邊緣則較細； 2.對于孤立的噪聲點，在該點及其周圍點上，二階微分比一階微分的響應要強很多；3.二階微分有一個過渡，即從正回到負，在圖像中，表現(xiàn)為雙線。

*二維圖像函數(shù)f(x,y)的拉普拉斯變換定義為：

銳化圖像= 原圖像+ 拉普拉斯圖像

*對于數(shù)字圖像處理而言，離散傅里葉變換和其反變換必定存在。

用(-1)x+y乘以f(x,y)，可以將F(u,v)原點變換到頻率坐標的(M/2,N/2)處。在決定形狀特點時，相位信息非常重要。

*理想濾波器的在頻域的剖面圖類似于盒濾波器(矩形窗口)，因此相應的空間濾波具有sinc函數(shù)的形狀。

sinc函數(shù)的中心波瓣(主瓣)是引起模糊的主因，而外側(cè)較小的波瓣(旁瓣)是造成振鈴的主要原因。*巴特沃斯低通濾波器（BLPF）

1階的巴特沃斯濾波器沒有振鈴； 2階的濾波器振鈴通常很微??；

20階的巴特沃斯濾波器就非常類似于理想低通濾波器了。*高斯低通濾波器（GLPF）

高斯低通濾波器沒有振鈴

在需要嚴格控制低頻和高頻之間截止頻率過渡的情況下，巴特沃斯濾波器是個更合適的選擇，但其代價是可能產(chǎn)生振鈴現(xiàn)象。

*圖像變換：將定義在圖像空間的原圖像，以某種形式轉(zhuǎn)換到另外一些空間，并利用這些空間的特有性質(zhì)方便進行一定的加工。離散余弦變換主要用于圖像的壓縮，壓縮方法是給高頻系數(shù)大間隔量化，低頻部分小間隔量化。

*圖像復原技術的主要目的是以預先確定的目標來改善圖像，盡可能的減少或消除圖像質(zhì)量的下降，恢復被退化圖像的本來面目。圖像退化的部分原因：1.光學成像器件的相差;2.成像衍射;3.成像過程的非線性系統(tǒng)噪聲。*圖像退化/復原模型

圖像復原處理的關鍵是建立退化模型，原圖像f(x,y)是通過一個系統(tǒng)H及加入一來加性噪聲n(x,y)而退化成一幅圖像g(x ,y)

g(x,y)=H[f(x,y)]+n(x,y)*諧波均值濾波器對于鹽粒噪聲效果較好，但不適用于胡椒噪聲。它善于處理高斯噪聲那樣的其他噪聲。*逆諧波均值濾波器

當值為正時，可消除胡椒噪聲； 當值為負時，可消除鹽粒噪聲； 當值為0時，其簡化為算術均值濾波器。*中值濾波器

對于某些類型的隨機噪聲，中值濾波器可提供良好的去噪能力，且比同尺寸的線性平滑濾波器引起的模糊更少

?在存在單極和雙極脈沖噪聲的情況下，中值濾波器尤其有效。*簡述基于邊緣檢測的霍夫變換的原理。

把直線上點的坐標變換到過點的直線的系數(shù)域，通過利用共線和直線相交的關系，使直線的提取問題轉(zhuǎn)化為計數(shù)問題。*數(shù)字圖像的定義，什么是數(shù)字圖象處理？

數(shù)字圖像是將一幅畫面在空間上分割成離散的點（或像元），各點（或像元）的灰度值經(jīng)量化用離散的整數(shù)來表示，形成計算機能處理的形式。

數(shù)字圖像處理，就是利用計算機技術或其他數(shù)字技術，對圖像信息進行某些數(shù)學運算和各種加工處理，以改善圖像的視覺效果和提高圖像實用性的技術。

*圖像分割就是指把圖像分成互不重疊的區(qū)域并提取出感興趣目標的技術和過程。

*在計算數(shù)字梯度的實踐中，Prewitt算子和Sobel算子是最常用的。*高斯拉普拉斯(LoG)

*閾值分割方法總結(jié)

優(yōu)點：簡單、高效。局限性：對于目標和背景灰度級有明顯差別的圖像分割效果較好。對于目標和背景灰度一致性或均勻性較差的圖像分割效果不好。只能將圖像分割為兩個區(qū)域，對于含有多個目標的圖像分割幾乎難以奏效。

*對于彩色圖像，通常用以區(qū)別顏色的特性是 色調(diào)、飽和度、亮度。

*一個基本的數(shù)字圖像處理系統(tǒng)由圖像輸入、圖像存儲、圖像輸出、圖像通信、圖像處理和分析5個模塊組成。

*低通濾波法是使 高頻成分 受到抑制而讓 低頻成分 順利通過，從而實現(xiàn)圖像平滑。

*多年來建立了許多紋理分析法，這些方法大體可分為 統(tǒng)計分析法 和結(jié)構分析法兩大類。*圖像壓縮系統(tǒng)是有 編碼器 和 解碼器 兩個截然不同的結(jié)構塊組成的。

*圖像數(shù)字化過程包括三個步驟：采樣、量化和掃描

*數(shù)據(jù)壓縮技術應用了數(shù)據(jù)固有的冗余性和不相干性，將一個大的數(shù)據(jù)文件轉(zhuǎn)換成較小的文件。

*基本的形態(tài)學運算是腐蝕和膨脹。先腐蝕后膨脹的過程為開運算，先膨脹后腐蝕的過程為閉運算。

*灰度分辨率是指在灰度級別中可分辨的最小變化。

空間分辨率是圖像中可分辨的最小細節(jié)。

*因為圖像分割的結(jié)果圖像為二值圖像，所以通常又稱圖像分割為圖像的（二值化處理）。

*(腐蝕)是一種消除連通域的邊界點，使邊界向內(nèi)收縮的處理。*(膨脹)是將與目標區(qū)域的背景點合并到該目標物中，使目標物邊界向外部擴張的處理。

*對于(椒鹽)噪聲，中值濾波效果比均值濾波效果好。

*常用的彩色增強方法有真彩色增強技術、假彩色增強技術和 偽彩色 增強三種。

*常用的灰度內(nèi)插法有 最近鄰元法、雙線性內(nèi)插法 和（雙）三次內(nèi)插法。

*假彩色增強和偽彩色增強的區(qū)別是什么？ 假彩色增強是將一幅彩色圖像映射到另一幅彩色圖像，從而達到增強彩色對比，使某些圖像達到更加醒目的目的。偽彩色增強是把一幅黑白域不同灰度級映射為一幅彩色圖像的技術手段。

*圖像編碼基本原理是什么？數(shù)字圖像的冗余表現(xiàn)有哪幾種表現(xiàn)形式？

雖然表示圖像需要大量的數(shù)據(jù)，但圖像數(shù)據(jù)是高度相關的，或者說存在冗余（Redundancy）信息，去掉這些冗余信息后可以有效壓縮圖像，同時又不會損害圖像的有效信息。數(shù)字圖像的冗余主要表現(xiàn)為以下幾種形式：空間冗余、時間冗余、視覺冗余、信息熵冗余、結(jié)構冗余和知識冗余。

第二篇：《數(shù)字圖像處理》

實驗五 圖像的幾何變換

一．實驗目的及要求

掌握圖像幾何變換的基本原理，熟練掌握數(shù)字圖像的縮放、旋轉(zhuǎn)、平移、鏡像和轉(zhuǎn)置的基本原理及其MATLAB編程實現(xiàn)方法。

二、實驗內(nèi)容

（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認真觀察命令執(zhí)行的結(jié)果。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關參數(shù)，觀察試驗結(jié)果。

1.圖像縮放 clear all, close all I = imread('cameraman.tif');Scale = 1.35;

% 將圖像放大1.35倍

J1 = imresize(I, Scale, 'nearest');

% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');

% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');help imresize

% 查看imresize使用幫助

1.95倍

I = imread('cameraman.tif');Scale = 1.96;

% 將圖像放大1.96倍

J1 = imresize(I, Scale, 'nearest');

% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');

% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');

說明：

?注意觀察不同插值方法的圖像表現(xiàn)； ?改變圖像縮放因子Scale，重做上述實驗。2.圖像旋轉(zhuǎn)

clear all, close all I = imread('cameraman.tif');Theta = 45;

% 將圖像逆時針旋轉(zhuǎn)45?。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-45;

% 將圖像順時針旋轉(zhuǎn)45?。

J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');% 查看imrotate使用幫助 help imrotate %-------

圖像旋轉(zhuǎn)30順時針逆時針

clear all, close all I = imread('cameraman.tif');Theta = 30;

% 將圖像逆時針旋轉(zhuǎn)30。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-30;

% 將圖像順時針旋轉(zhuǎn)30。

J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');7 說明：

?注意觀察不同插值方法和輸出圖像后處理方法的圖像表現(xiàn)； ?改變旋轉(zhuǎn)角度大小和方向，重做上述實驗。

3．圖像水平鏡象

clear all, close all I = imread('cameraman.tif');I1 = flipdim(I,2);

I2 = flipdim(I,1);figure(1), subplot(1,2,1), imshow(I);subplot(1,2,2), imshow(I1);figure(2), subplot(2,1,1), imshow(I);subplot(2,1,2), imshow(I2);%----

(二)用MATLAB編程實現(xiàn)以下圖像幾何變換（參考自編講義相關章節(jié)）

1．圖像扭曲變換 2．球面變換

三、實驗設備

1．PIII以上微機； 2．MATLAB6.5；

四、預習與思考

1．預習實驗內(nèi)容，閱讀教材熟悉實驗原理；

2．查閱資料，熟悉實驗中涉及的有關MATLAB函數(shù)；

3．利用課余時間，采用MATLAB底層函數(shù)編程實現(xiàn)實驗內(nèi)容

（二）中的圖像平移、圖像轉(zhuǎn)置等幾何變換。

五、實驗報告要求

1．簡述試驗的目的和試驗原理；

2．敘述各段程序功能，改變有關函數(shù)的參數(shù)，分析比較實驗結(jié)果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。

實驗六

數(shù)字圖像處理應用

一．實驗目的及要求

1．利用MATLAB提供的圖像處理函數(shù)實現(xiàn)圖像中物體屬性的測量； 2．訓練綜合運用MATLAB圖像處理函數(shù)的能力； 3．了解數(shù)字圖像處理基本應用。

二、實驗內(nèi)容

以大米粒特性測量為例，綜合應用課程中圖像分割、形態(tài)學濾波、圖像增強、圖像特征提取等圖像處理方法，實現(xiàn)大米粒特性自動測量。實驗過程簡述：

1． 讀取和顯示圖像 2． 估計圖像背景 3． 獲取背景均勻的圖像 4． 圖像增強 5． 圖像二值化分割 6． 區(qū)域標記及為彩色處理

7． 測量圖像中的區(qū)域特性（面積、質(zhì)心等）

8．統(tǒng)計大米粒的特性分布規(guī)律。

（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認真觀察命令執(zhí)行的結(jié) 果。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關參數(shù)，觀察試驗結(jié)果。

% Read and Display an Image clear, close all,close all;I = imread('rice.png');

figure, imshow(I)

% Use Morphological Opening to Estimate the Background

background = imopen(I,strel('disk',15));

figure, imshow(background);

%Display the Background Approximation as a Surface

figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);set(gca,'ydir','reverse');% Subtract the Background Image from the Original Image I2 = imsubtract(I,background);figure, imshow(I2)% Adjust the Image Contrast I3 = imadjust(I2, stretchlim(I2), [0 1]);figure, imshow(I3);% Apply Thresholding to the Image level = graythresh(I3);bw = im2bw(I3,level);figure, imshow(bw)% Determine the Number of Objects in the Image [labeled,numObjects] = bwlabel(bw,4);

% Label components.numObjects % Examine the Label Matrix RGB_label = label2rgb(labeled, @spring, 'c', 'shuffle');figure, imshow(RGB_label);% Measure Object Properties in the Image graindata = regionprops(labeled,'basic')allgrains = [graindata.Area];% Compute Statistical Properties of Objects in the Image max(allgrains);biggrain = find(allgrains==695)mean(allgrains);figure, hist(allgrains,20);12

(詳見MATLAB IPT的 幫助文檔demo中的Correcting Nonuniform Illumination)

（二）查看MATLAB IPT 幫助文檔，研究其它應用演示

三、實驗設備 1．PIII以上微機； 2．MATLAB6.5；

四、預習與思考

1．預習實驗內(nèi)容，閱讀教材熟悉實驗原理； 2．查閱資料，熟悉實驗中涉及的有關函數(shù)。

3．利用課余時間，采用MATLAB函數(shù)編程實現(xiàn)實驗內(nèi)容

（二）。

五、實驗報告要求

1．簡述試驗的目的和試驗原理；

2．敘述各段程序功能，改變有關函數(shù)的參數(shù)，分析比較實驗結(jié)果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。

第三篇：數(shù)字圖像處理

中南大學

數(shù)字圖像處理實驗 實驗名稱：空間濾波和頻域濾波

班級：電子信息0802班

姓名：李哲 學號：0909080609 實驗日期：2010年12月22日

目錄

一，實驗目的???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對被噪聲污染的圖像進行中值濾波和均值濾波???????5 四，對圖像進行空間域的銳化????????????????6 五，MATLAB以外函數(shù)空間濾波和圖像銳化??????????7 六，自帶函數(shù)傅立葉變換和反變換??????????????8 七，低通濾波器程序????????????????????9 八，心得體會 ??????????????????????10 九，參考文獻 ??????????????????????10

一、實驗目的 1，空間濾波：

圖像平滑主要目的是減少噪聲。噪聲有很多種類，不同的噪聲有不同的抑制措施。本實驗要求用平滑線性濾波和中值濾波2種最典型、最常用的處理算法進行程序設計，學習如何對已被噪聲污染的圖像進行“凈化”。通過平滑處理，對結(jié)果圖像加以比較，得出自己的實驗結(jié)論。學習如何用銳化處理技術來加強圖像的目標邊界和圖像細節(jié)，對圖像進行梯度算子、拉普拉斯算子，使圖像的某些特征（如邊緣、輪廓等）得以進一步的增強及突出。本實驗銳化處理主要在空間域中進行 2，頻域濾波：

掌握傅里葉變換的基本性質(zhì)； 掌握傅里葉正變換和反變換； 通過實驗了解二維頻譜的分布特點； 掌握怎樣利用傅立葉變換進行頻域濾波

利用MATLAB程序數(shù)字圖像的傅立葉變換并且進行頻域濾波

二，給圖像添加椒鹽噪聲或者高斯噪聲： 原理：利用MATLAB自帶函數(shù)添加噪聲 程序代碼：A=imread('onion.png');I=rgb2gray(A);imshow(I);J = imnoise(I,'salt & pepper',0.05);figure,imshow(J),title('椒鹽噪聲');%添加椒鹽噪聲 K = imnoise(I,'gaussian',0,0.03);

figure,imshow(K),title('高斯噪聲');%添加高斯噪聲

三，對被噪聲污染的圖像進行中值濾波和均值濾波： 原理：自帶函數(shù)進行中值濾波和均值濾波 源程序：A=imread('onion.png');I=rgb2gray(A);J = imnoise(I,'salt & pepper',0.05);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);imshow(J),title('原圖');figure,imshow(k2),title('中值濾波5*5模板');figure,imshow(k3),title('中值濾波7*7模板');

四，對圖像進行空間域的銳化： 原理：自帶函數(shù)進行空間銳化。源程序：I=imread('coins.png');subplot(121),imshow(I),title('原圖像');H=fspecial('sobel');I2=filter2(H ,I);subplot(122),imshow(I2),title('sobel算子銳化圖像');

五，MATLAB以外函數(shù)空間濾波和圖像銳化：

源程序：I = imread('eight.tif');J = imnoise(I,'salt & pepper',0.02);K = medfilt2(J);imshow(J);title('噪聲干擾圖像')figure, imshow(K);title('medfilt2濾波圖像')X=J;a=2;b=2;k=floor(a*b/2)+1;[M,N]=size(X);uint8 Y=zeros(M,N);funBox=zeros(a,b);temp=zeros(a*b);

for i=1:M-a

for j=1:N-b

funBox=X(i:i+a,j:j+b);

temp=funBox(:);

tempSort=sort(temp);

Y(i,j)=tempSort(k);

end;end;figure, imshow(Y);title('濾波圖像')

六，利用Matlab的圖像處理工具箱中提供的函數(shù)實現(xiàn)圖像的傅立葉變換和反變換： 源程序：

A=imread('onion.png');f=rgb2gray(A);subplot(131),imshow(f),title('原圖');F=fft2(f);% 快速傅立葉變換

subplot(132),imshow(F),title('傅里葉變換')Fabs=abs(F);% 求幅頻絕對值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 對數(shù)變換

iFc1=ifftshift(Fc);% 中心移位的逆變換，絕對值 iF2=ifft2(iFc1);% 快速傅立葉變換的逆變換

subplot(133),imshow(iF2),title('快速傅立葉變換的逆變換')

七，低通濾波器程序：

I=imread('testpat1.png');subplot(221),imshow(I);title('原始圖像')J1=imnoise(I,'gaussian',0.02);% 疊加高斯白噪聲

subplot(222),imshow(J1);title('添加高斯白噪聲的圖像')f=double(J1);

% 數(shù)據(jù)類型轉(zhuǎn)換 g=fft2(f);

% 傅立葉變換 g=fftshift(g);

[M,N]=size(g);nn=2;

% 二階巴特沃斯(Butterworth)低通濾波器 d0=50;

% 設置截止頻率 m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h=1/(1+0.414*(d/d0)^(2*nn));% 計算低通濾波器傳遞函數(shù)

result(i,j)=h*g(i,j);end end result=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(223),imshow(J3);title('低通濾波后圖像')

心得體會

1，進一步熟悉了Matlab軟件、編程以及圖像處理工具箱 2，學會利用自帶函數(shù)對圖像做簡單的處理，例如：均值化等。3，熟練了一些基本函數(shù)的運用，例如fspecial，imfilter等。4，加深了對MATLAB編程的理解。

5，對于試驗中的出現(xiàn)的一些問題，懂得怎樣去處理。6，通過實際操作，增強了自己的動手能力，把理論用于實踐。

參考文獻：數(shù)字圖像處理第二版

MATLAB教程

第四篇：數(shù)字圖像處理考試總結(jié)

1、數(shù)字圖像處理的特點：

（1）圖像信息量大（2）圖像處理技術綜合性強（3）圖像信息理論與通信理論密切相關

一副遙感圖像占用3240x2340x4=30MB

1、數(shù)字圖像處理的主要內(nèi)容：（1）圖像信息的獲取（2）圖像信息的儲存（3）圖像信息的傳送（4）圖像信息的輸出和顯示

2、數(shù)字圖像處理：集幾何處理、算數(shù)處理、圖像增強、圖像復原、圖像重建、圖像編碼、圖像識別、圖像理解。

3、圖像工程：圖像處理、圖像分析、圖像理解。

4、第一代編碼：以去除冗余為基礎的編碼方法。例如：變化編碼中的DFT、DCT、walsh-Hadamard變換等方法，以及以此為基礎的混合編碼。

5、圖像的輸出與顯示，圖像輸出有兩種，硬拷貝和軟考貝。硬拷貝方法有：照相、激光復印、彩色噴墨打印。

軟考貝：CRT顯示、液晶顯示器、場致發(fā)光顯示器。

第二章：圖像、圖像處理系統(tǒng)與視覺系統(tǒng)

1、發(fā)光強度：發(fā)光光源的功率。

單位：燭光功率lcp、新燭光lcd。

2、光通量：是每秒鐘內(nèi)光流量的度量。

單位：流明lm。

3、照度：入射到某表面的光通量密度。

4、熵：平均信息量。：

5、液晶顯示器的優(yōu)、缺點：（1）超精致的圖像質(zhì)量（2）真正的平面顯示（3）體積小、重量輕（4）功耗低、節(jié)省能源（5）TFT LCD無輻射、無閃爍。

缺點：于CRT顯示器相比，LCD顯示器圖像質(zhì)量不夠完善，液晶顯示器響應時間不夠短，視角偏小。

6、三色混合及色度表示原理。有三基色混配各種顏色的方法通常有：相加混色、相減混色。

著名的拉格斯曼定律反應了視覺對顏色的反應取決于紅、綠、藍 三輸入量的代數(shù)和。

7、R：red、G： green、B: blue

8、HSI顏色模型、H: 色調(diào)(Hue)、S: 飽和度(Saturation)、I：強度I(Intensity)第四章：圖像增強

1、圖像增強：是按照特定的需要突出一幅圖像中的某些信息，同時，削弱或去除某些不需要的信息的處理方法。

圖像增強的目的？

使處理后的圖像對某種特定的應用來說，比原始圖像更適用。

2、圖像增強技術主要包括：直方圖修改處理、圖像平滑處理、圖像尖銳化處理、彩色處理。

3、圖像增強技術可分兩類：頻域處理法、空域處理法。

4、頻域處理法的基本原理：可以增強圖像中的低頻分量使圖像得到平滑，也可以強調(diào)圖像中的高頻分量使圖像的邊緣得到增強。

5、什么是灰度級的直方圖？

灰度級的直方圖就是反應一幅圖像中的灰度級與出現(xiàn)這種灰度的概率之間關系的圖形。

6、圖像平滑處理方法有空域法和頻域法兩種，主要有鄰域平均法、低通濾波法、多圖像平均法。

7、圖像處理中最常用的模型是：RGB、YIQ 和 HIS

8、直方圖均衡化處理的主要步驟是什么？

9、什么是“簡并”現(xiàn)象？如何克服簡并現(xiàn)象？

（1）在直方圖修正的過程中，總要出現(xiàn)灰度等級減少的情況，這種現(xiàn)象就是簡并現(xiàn)象。

（2）增加像素的比特數(shù)、采用灰度間隔放大理論的直方圖修正法也可減少簡并現(xiàn)象。

10、多圖像平均法為何能去噪聲？它的主要難點是什么？

(1)如果一幅圖像包含有加性噪聲，這些噪聲對每個坐標點是不相關的，并且其平均值為零，在這種情況下就可能采用多圖像平均法來達到去噪聲的目的。

多圖像平均法是把一系列有噪聲的圖像疊加起來然后再取平均值以達到平滑的目的。

當作平均處理的噪聲圖像數(shù)目增加時，其統(tǒng)計平均值就越接近原始無噪聲圖像。

(2)難點在于把多幅圖像配準起來，以方便使相應的像素能正確的對應排列。第五章 圖像復原

1、試述編碼效率和冗余度的概念及如何計算編碼效率和冗余度？

2、編碼的基本限制就是碼字要有單義性和非續(xù)長性。

3、單義性碼：是指任意一個有限長的碼字序列只能被分割成一個一個的碼字，而任何其他分割方法都會產(chǎn)生一些不屬于碼字集合中的碼字。

4、非續(xù)長代碼：是指任意一個碼字都不是其他碼字的續(xù)長。

5、非續(xù)長代碼一定是單義的，但是，單義代碼卻不一定是非續(xù)長的。

6、最常用的變長編碼方法是哈弗曼（Huffman）碼和香農(nóng)-費諾（Shannon-Fano）碼

7、正交變換編碼的性質(zhì)：（1）正交變換具有熵保持性質(zhì)（2）正交變換具有能量保持性質(zhì)（3）能量從新分配與集中（4）去相關特性。

8、求T的步驟：

（1）給定一幅圖像后，首先要統(tǒng)計其協(xié)方差矩陣Cx；

（2）由Cx求λ矩陣，即【λE—Cx】。并且由|λE—Cx |=0得其特征根，進而求得每一個特征根所對應的特征向量；

（3）由特征向量求出變換矩陣T；

（4）用求得的T對圖像數(shù)據(jù)進行正交變換。

1、中值濾波與均值濾波的特點及差異？

中值濾波：是一種去噪聲的非線性處理方法；它將每一像素點的灰度值設置為該點某鄰域窗口內(nèi)的所有像素點灰度值的中值。

其基本原理是：把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中

個點值的中值代替。

均值濾波：也稱線性濾波，其采用的主要方法為鄰域平均法。

其基本原理是：用均值替代圖像中的各像素值。

舉例說明直方圖均衡化的基本步驟

直方圖均衡化是通過灰度變換將一幅圖象轉(zhuǎn)換為另一幅具有均衡直方圖，即在每個灰度級上都具有相同的象素點數(shù)的過程。

直方圖均衡化變換：設灰度變換s=f(r)為斜率有限的非減連續(xù)可微函數(shù)，它將輸入圖象Ii(x，y)轉(zhuǎn)換為輸出圖象Io(x，y)，輸入圖象的直方圖為Hi(r)，輸出圖象的直方圖為Ho(s)，則根據(jù)直方圖的含義，經(jīng)過灰度變換后對應的小面積元相等：Ho(s)ds=Hi(r)dr 直方圖修正的例子 假設有一幅圖像，共有6 4(6 4個象素，8個灰度級，進行直方圖均衡化處理。根據(jù)公式可得：

s2=0.19+0.25+0.2l=0.65，s3=0.19+0.25+0.2l+0.16=0.8l，s4=0.89,s5=0.95，s6=0.98，s7=1．00 由于這里只取8個等間距的灰度級，變換后的s值也只能選擇最靠近的一個灰度級的值。因此，根據(jù)上述計算值可近似地選?。?/p>

S0≈1／7，s 1≈3／7，s2≈5／7，s3≈6／7，s4≈6／7，s5≈1，s6≈l，s7≈1。

可見，新圖像將只有5個不同的灰度等級，于是我們可以重新定義其符號：

S0’=l／7，s1’=3／7，s2’=5／7，s3’=6／7，s4’=l。

因為由rO=0經(jīng)變換映射到sO=1／7，所以有n0=790個象素取sO這個灰度值；由rl=3／7映射到sl=3／7，所以有1 02 3個象素取s 1這一灰度值；依次類推，有850個象素取s2=5／7這一灰度值；由于r3和r4均映射到s3=6／7這一灰度值，所以有656+329=98 5個象素都取這一灰度值；同理，有245+1 22+81=448個象素都取s4=1這一灰度值。上述值除以n=4096，便可以得到新的直方圖。

第五篇：數(shù)字圖像處理知識點總結(jié)

數(shù)字圖像處理知識點總結(jié)

第一章 導論

1.圖像：對客觀對象的一種相似性的生動性的描述或?qū)懻妗?.圖像分類：按可見性（可見圖像、不可見圖像），按波段數(shù)（單波段、多波段、超波段），按空間坐標和亮度的連續(xù)性（模擬和數(shù)字）。

3.圖像處理：對圖像進行一系列操作，以到達預期目的的技術。4.圖像處理三個層次：狹義圖像處理、圖像分析和圖像理解。5.圖像處理五個模塊：采集、顯示、存儲、通信、處理和分析。

第二章 數(shù)字圖像處理的基本概念

6.模擬圖像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0

0

8.將空間上連續(xù)的圖像變換成離散點的操作稱為采樣。采樣間隔和采樣孔徑的大小是兩個 很重要的參數(shù)。采樣方式:有縫、無縫和重疊。

9.將像素灰度轉(zhuǎn)換成離散的整數(shù)值的過程叫量化。

10.表示像素明暗程度的整數(shù)稱為像素的灰度級（或灰度值或灰度）。

11.數(shù)字圖像根據(jù)灰度級數(shù)的差異可分為：黑白圖像、灰度圖像和彩色圖像。

12.采樣間隔對圖像質(zhì)量的影響：一般來說，采樣間隔越大，所得圖像像素數(shù)越少，空間分

辨率低，質(zhì)量差，嚴重時出現(xiàn)像素呈塊狀的國際棋盤效應；采樣間隔越小，所得圖像像素數(shù)越多，空間分辨率高，圖像質(zhì)量好，但數(shù)據(jù)量大。

13.量化等級對圖像質(zhì)量的影響：量化等級越多，所得圖像層次越豐富，灰度分辨率高，圖

像質(zhì)量好，但數(shù)據(jù)量大；量化等級越少，圖像層次欠豐富，灰度分辨率低，會出現(xiàn)假輪廓現(xiàn)象，圖像質(zhì)量變差，但數(shù)據(jù)量小。但在極少數(shù)情況下對固定圖像大小時，減少灰度級能改善質(zhì)量，產(chǎn)生這種情況的最可能原因是減少灰度級一般會增加圖像的對比度。例如對細節(jié)比較豐富的圖像數(shù)字化。

14.數(shù)字化器組成：

1)采樣孔：保證單獨觀測特定的像素而不受其它部分的影響。2)圖像掃描機構：使采樣孔按預先確定的方式在圖像上移動。3)光傳感器：通過采樣孔測量圖像的每一個像素的亮度。

4)量化器：將傳感器輸出的連續(xù)量轉(zhuǎn)化為整數(shù)值。

5)輸出存儲體：將像素灰度值存儲起來。它可以是固態(tài)存儲器，或磁盤等。

15.灰度直方圖反映的是一幅圖像中各灰度級像素出現(xiàn)的頻率。以灰度級為橫坐標，縱坐標

為灰度級的頻率，繪制頻率同灰度級的關系圖就是灰度直方圖。

16.直方圖的性質(zhì)：

1)灰度直方圖只能反映圖像的灰度分布情況，而不能反映圖像像素的位置,即丟失了 像素的位置信息。2)一幅圖像對應唯一的灰度直方圖，反之不成立。不同的圖像可對應相同的直方圖

3)一幅圖像分成多個區(qū)域，多個區(qū)域的直方圖之和即為原圖像的直方圖。17.直方圖的應用：

1)用于判斷圖像量化是否恰當

2)用于確定圖像二值化的閾值 3)計算圖像中物體的面積 4)計算圖像信息量：熵H

18.圖像處理基本功能的形式：單幅圖像 → 單幅圖像，多幅圖像 →單幅圖像，單（或多）

幅圖像→ 數(shù)字或符號。

19.鄰域：對于任一像素（i，j），該像素周圍的像素構成的集合{（i+p,j+q），p、q取合 適的整數(shù)}，叫做該像素的鄰域。

20.圖像處理的幾種具體算法：

1)局部處理：移動平均平滑、空間域銳化。2)點處理：圖像對比度增強、圖像二值化。3)大局處理：傅里葉變換。4)迭代處理：細化。5)跟蹤處理

6)位置不變處理和位置可變處理：輸出像素JP(i，j)的值的計算方法與像素的位置(i，j)無關的處理稱為位置不變處理或位移不變處理 7)窗口處理和模板處理。

21.圖像的數(shù)據(jù)結(jié)構與特征：

1)組合方式：一個字長存放多個像素灰度值的方式。它能起到節(jié)省內(nèi)存的作用，但導 致計算量增加，使處理程序復雜。

2)比特面方式：按比特位存取像素，即將所有像素的相同比特位用一個二維數(shù)組表示，形成比特面。

3)分層結(jié)構：由原始圖像開始依次構成像素數(shù)愈來愈少的一幅幅圖像，就能使數(shù)據(jù)表 示具有分層性，其代表有錐形(金字塔)結(jié)構。

4)樹結(jié)構：對于一幅二值圖像的行、列接連不斷地二等分，如果圖像被分割部分中的 全體像素都變成具有相同的特征時，這一部分則不再分割

5)多重圖像數(shù)據(jù)存儲：逐波段存儲，分波段處理時采用；逐行存儲，行掃描記錄設 備采用；逐像素存儲，用于分類。

22.圖像的特征：

1)自然特征：光譜特征、幾何特征、時相特征；

2)人工特征：直方圖特征，灰度邊緣特征，線、角點、紋理特征； 3)特征的范圍：點特征、局部特征、區(qū)域特征、整體特征。

4)特征提?。韩@取圖像特征信息的操作。把從圖像提取的m個特征量y1，y 2，?，ym，用m維的向量Y＝[y

1y2?ym]t 表示稱為特征向量。另外，對應于各特征量的m維空間叫做特征空間。

23.對比度：一幅圖像中灰度反差的大小，對比度=最大亮度/最小亮度

第三章 圖像變換

24.圖像變換通常是一種二維正交變換。

1)正交變換必須是可逆的；

2)正變換和反變換的算法不能太復雜；

3)正交變換的特點是在變換域中圖像能量集中分布在低頻率成分上，邊緣、線狀信 息反映在高頻率成分上，有利于圖象處理。

25.圖像變換的目的在于：

1)使圖像處理問題簡化； 2)有利于圖像特征提??；

3)有助于從概念上增強對圖像信息的理解。

第四章 圖像增強

26.圖像增強是采用一系列技術去改善圖像的視覺效果,或?qū)D像轉(zhuǎn)換成一種更適合于人或

機器進行分析和處理的形式。

27.空間域增強是直接對圖像各像素進行處理；

28.頻率域增強是先將圖像經(jīng)傅立葉變換后的頻譜成分進行某種處理，然后經(jīng)逆傅立葉變換

獲得所需的圖像。

29.30.灰度變換用來調(diào)整圖像的灰度動態(tài)范圍或圖像對比度，是圖像增強的重要手段之一。

1)線性變換：對圖像每一個像素灰度作線性拉伸，將有效改善圖像視覺效果。

2)分段線性變換：為了突出感興趣目標所在的灰度區(qū)間，相對抑制那些不感興趣的灰 度區(qū)間，可采用分段線性變換。

3)非線性灰度變換：對數(shù)變換（當希望對圖像的低灰度區(qū)較大的拉伸而對高灰度區(qū)壓 縮時，可采用這種變換，它能使圖像灰度分布與人的視覺特性相匹配).指數(shù)變換（對圖像的高灰度區(qū)給予較大的拉伸）

31.直方圖修整法包括直方圖均衡化及直方圖規(guī)定化兩類。

32.直方圖均衡化：將原圖像通過某種變換，得到一幅灰度直方圖為均勻分布的新圖像的方 法。

33.直方圖均衡化變換函數(shù)，滿足下列條件：

1)在0≤r≤1內(nèi)為單調(diào)遞增函數(shù)，保證灰度級從黑到白的次序不變；

2)在0≤r≤1內(nèi)，有0≤T(r)≤1，確保映射后的像素灰度在允許的范圍內(nèi)。

34.直方圖均衡化原理：輸出圖像的概率密度函數(shù)可以通過變換函數(shù)T(r)控制原圖像灰度 級的概率密度函數(shù)得到,并改善原圖像的灰度層次。

35.一幅圖像的sk與rk之間的關系稱為該圖像的累積灰度直方圖。

36.直方圖規(guī)定化是使原圖像灰度直方圖變成規(guī)定形狀的直方圖而對圖像作修正的增強方 法。

37.利用直方圖規(guī)定化方法進行圖像增強的主要困難在于要構成有意義的直方圖。圖像經(jīng)直

方圖規(guī)定化，其增強效果要有利于人的視覺判讀或便于機器識別。38.為了抑制噪聲改善圖像質(zhì)量所進行的處理稱圖像平滑或去噪。39.用鄰域內(nèi)各像素的灰度平均值代替該像素原來的灰度值，實現(xiàn)圖像的平滑，又稱鄰域平均法。

40.超限像素平滑法：將f(x,y)和鄰域平均g(x,y)差的絕對值與選定的閾值進行比較，根 據(jù)比較結(jié)果決定點（x,y）的最后灰度g′(x,y)。

41.灰度最相近的K個鄰點平均法：可用窗口內(nèi)與中心像素的灰度最接近的K個鄰像素的平均灰度來代替窗口中心像素的灰度值。42.最大均勻性平滑：為避免消除噪聲引起邊緣模糊，該算法先找出環(huán)繞圖像中每像素的最

均勻區(qū)域，然后用這區(qū)域的灰度均值代替該像素原來的灰度值。具體可選任一像素（x,y）的5個有重疊的3*3鄰域，用梯度衡量它們灰度變化的大小。

43.有選擇保邊緣平滑法：對圖像上任一像素(x,y)的5×5鄰域，采用9個掩模：一個3×

3正方形、4個五邊形和4個六邊形。計算各個掩模的均值和方差，對方差進行排序，最小方差所對應的掩模的灰度均值就是像素（x,y)的輸出值。

44.空間低通濾波法：應用模板卷積方法對圖像每一像素進行局部處理。不管什么樣的掩模，必須保證全部權系數(shù)之和為單位值，這樣可保證輸出圖像灰度值在許可范圍內(nèi)，不會產(chǎn)生“溢出”現(xiàn)象。

45.中值濾波：是對一個滑動窗口內(nèi)的諸像素灰度值排序，用中值代替窗口中心像素的原來

灰度值，因此它是一種非線性的圖像平滑法。離散階躍信號、斜升信號沒有受到影響。離散三角信號的頂部則變平了。對于離散的脈沖信號，當其連續(xù)出現(xiàn)的次數(shù)小于窗口尺寸的一半時，將被抑制掉，否則將不受影響。46.各種空間域平滑算法效果比較：

1)局部平滑法算法簡單，但它的主要缺點是在降低噪聲的同時使圖像產(chǎn)生模糊，特別 在邊緣和細節(jié)處。而且鄰域越大，在去噪能力增強的同時模糊程度越嚴重。

2)超限像素平滑法對抑制椒鹽噪聲比較有效，對保護僅有微小灰度差的細節(jié)及紋理也 有效。并且隨著鄰域增大，去噪能力增強，但模糊程度也大。超限像元平滑法比局部平滑法去椒鹽噪聲效果更好。

3)灰度最相近的K個鄰點平均法：較小的K值使噪聲方差下降較小，但保持細節(jié)效 果較好；而較大的K值平滑噪聲較好，但會使圖像邊緣模糊。

4)最大均勻性平滑經(jīng)多次迭代可增強平滑效果，在消除圖像噪聲的同時保持邊緣清晰 性。但對復雜形狀的邊界會過分平滑并使細節(jié)消失。

5)有選擇保邊緣平滑法既能夠消除噪聲，又不破壞區(qū)域邊界的細節(jié)。

6)中值濾波對脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能有效保護 邊緣少受模糊。但它對點、線等細節(jié)較多的圖像卻不太合適。中值濾波法能有效削弱椒鹽噪聲，且比鄰域、超限像素平均法更有效。

47.圖像空間域銳化增強圖像的邊緣或輪廓。

48.圖像平滑通過積分過程使得圖像邊緣模糊，圖像銳化則通過微分而使圖像邊緣突出、清 晰。

49.梯度銳化法：梯度為grad(x，y)=Max(|fx′|，|fy′|)或grad（x，y）=|fx’|+|f y′|。

有梯度算子、Roberts、Prewitt和Sobel算子計算梯度，來增強邊緣。

50.Laplacian增強算子：g(x，y)=f(x，y)-▽2 f(x，y)=5f(x，y)-[ f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)] 51.Laplacian增強算子特點：

1)在灰度均勻的區(qū)域或斜坡中間▽2f(x，y)為0，增強圖像上像元灰度不變； 2)在斜坡底或低灰度側(cè)形成“下沖”；而在斜坡頂或高灰度側(cè)形成“上沖” 52.高通濾波法就是用高通濾波算子和圖像卷積來增強邊緣。

53.頻率域平滑：由于噪聲主要集中在高頻部分，為去除噪聲改善圖像質(zhì)量，濾波器采用低

通濾波器H(u,v)來抑制高頻成分，通過低頻成分，然后再進行逆傅立葉變換獲得濾波圖像，就可達到平滑圖像的目的：

54.頻率域低濾波器H(u,v)有四種：理想低通濾波器、Butterworth低通濾波器、指數(shù)低 通濾波器、.梯形低通濾波器。55.各種濾波器效果比較;

1)理想低通濾波器:在去噪聲的同時將會導致邊緣信息損失而使圖像邊模糊,并產(chǎn)生 振鈴效應。

2)Butterworth低通濾波器的特性是連續(xù)性衰減，而不象理想濾波器那樣陡峭變化，即明顯的不連續(xù)性。因此采用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度大大減小，沒有振鈴效應產(chǎn)生。

3)指數(shù)低通濾波器：圖像邊緣的模糊程度較用Butterworth濾波產(chǎn)生的大些，無明顯 的振鈴效應。

4)梯形低通濾波器的性能介于理想低通濾波器和指數(shù)濾波器之間，濾波的圖像有一定 的模糊和振鈴效應。

56.頻率域銳化：采用高通濾波器讓高頻成分通過，使低頻成分削弱，再經(jīng)逆傅立葉變換得

到邊緣銳化的圖像。包括：理想高通濾波器、巴特沃斯高通濾波器、指數(shù)濾波器、梯形濾波器。

57.彩色增強技術是利用人眼的視覺特性，將灰度圖像變成彩色圖像或改變彩色圖像已有彩

色的分布，改善圖像的可分辨性。彩色增強方法可分為偽彩色增強和假彩色增強兩類。

58.偽彩色增強是把黑白圖像的各個不同灰度級按照線性或非線性的映射函數(shù)變換成不同 的彩色，得到一幅彩色圖像的技術。

59.偽彩色增強的方法主要有密度分割法、和頻率域偽彩色增強三種。

60.密度分割法是把黑白圖像的灰度級從0（黑）到M0（白）分成N個區(qū)間Ii(i=1，2，?，N),給每個區(qū)間Ii指定一種彩色Ci，這樣，便可以把一幅灰度圖像變成一幅偽彩色圖像。61.灰度級一彩色變換將原圖像f(x,y)的灰度范圍分段，經(jīng)過紅、綠、藍三種不同變換TR(?)、TG(?)和TB(?)，變成三基色分量IR(x,y)、IG(x,y)、IB(x,y)，然后用它們分別去控制彩色顯示器的紅、綠、藍電子槍，便可以在彩色顯示器的屏幕上合成一幅彩色圖像。

62.密度分割法比較簡單、直觀。缺點是變換出的彩色數(shù)目有限。63.假彩色增強是對一幅自然彩色圖像或同一景物的多光譜圖像，通過映射函數(shù)變換成新的

三基色分量，彩色合成使感興趣目標呈現(xiàn)出與原圖像中不同的、奇異的彩色。64.假彩色增強目的：

1)使感興趣的目標呈現(xiàn)奇異的彩色或置于奇特的彩色環(huán)境中，從而更引人注目；

2)使景物呈現(xiàn)出與人眼色覺相匹配的顏色，以提高對目標的分辨力。

65.偽彩色增強與假彩色增強有何區(qū)別：偽彩色處理主要解決的是如何把灰度圖變成偽彩 色圖的問題,最簡單的辦法是選擇對應于某一灰度值設一彩色值來替代,可稱之為調(diào)色板替代法.另外一種比較好的偽彩色處理方法是設定三個獨立的函數(shù) ,給出一個灰度值,便由計算機估算出一個相應的RGB值.假彩色(false color)處理是把真實的自然彩色圖像或遙感多光譜圖象處理成假彩色圖像.假彩色處理的主要用途是:(1)景物映射成奇異彩色,比本色更引人注目.(2)適應人眼對顏色的靈敏度,提高鑒別能力.可把細節(jié)豐富的物體映射成深淺與亮度不一的顏色.(3)遙感多光譜圖象處理成假彩色,可以獲得更多信息.66.像素級影像融合是采用某種算法將覆蓋同一地區(qū)（或?qū)ο螅┑膬煞蚨喾臻g配準的影

像生成滿足某種要求的影像的技術。

67.顏色可以用R、G、B三分量來表示，也可以用亮度（I）、色別（H）和飽和度（S）來表示，它們稱為顏色的三要素。把彩色的R、G、B變換成I、H、S稱為HIS正變換，而由I、H、S變換成R、G、B稱為HIS反變換。

第五章 圖像復原與重建

68.圖像的退化是指圖像在形成、傳輸和記錄過程中，由于成像系統(tǒng)、傳輸介質(zhì)和設備的不

完善，使圖像的質(zhì)量變壞。

69.圖像復原就是要盡可能恢復退化圖像的本來面目，它是沿圖像退化的逆過程進行處理。

70.圖像復原過程如下： 找退化原因→建立退化模型→反向推演→恢復圖像 71.圖像復原和圖像增強的區(qū)別：

1)圖像增強不考慮圖像是如何退化的，而是試圖采用各種技術來增強圖像的視覺效果。因此，圖像增強可以不顧增強后的圖像是否失真，只要看得舒服就行。

2)而圖像復原就完全不同，需知道圖像退化的機制和過程等先驗知識，據(jù)此找出一種 相應的逆處理方法，從而得到復原的圖像。

3)如果圖像已退化，應先作復原處理，再作增強處理。

4)二者的目的都是為了改善圖像的質(zhì)量。

72.點源的概念:一幅圖像可以看成由無窮多極小的像素所組成，每一個像素都可以看作為 一個點源成像，因此，一幅圖像也可以看成由無窮多點源形成的。

73.當輸入的單位脈沖函數(shù)延遲了α、β單位，即當輸入為δ（x –α，y –β）時，如

果輸出為h（x –α，y –β），則稱此系統(tǒng)為位移不變系統(tǒng)。

74.線性位移不變系統(tǒng)的輸出等于系統(tǒng)的輸入和系統(tǒng)脈沖響應（點擴散函數(shù)）的卷積。即： g(x,y)=f(x,y)*h(x,y)。

75.圖像退化的數(shù)學模型： g（x，y）= f（x，y）* h（x，y）+ n(x，y)76.采用線性位移不變系統(tǒng)模型的原由：

1）由于許多種退化都可以用線性位移不變模型來近似，這樣線性系統(tǒng)中的許多數(shù)學工具如線性代數(shù)，能用于求解圖像復原問題，從而使運算方法簡捷和快速。

2）當退化不太嚴重時，一般用線性位移不變系統(tǒng)模型來復原圖像，在很多應用中有較好的復原結(jié)果，且計算大為簡化。

3）盡管實際非線性和位移可變的情況能更加準確而普遍地反映圖像復原問題的本質(zhì)，但在數(shù)學上求解困難。只有在要求很精確的情況下才用位移可變的模型去求解，其求解也常以位移不變的解法為基礎加以修改而成。

77.頻率域恢復方法應注意：若噪聲存在，而且H(u,v）很小或為零時，則噪聲被放大。這

意味著退化圖像中小噪聲的干擾在H(u,v)較小時，會對逆濾波恢復的圖像產(chǎn)生很大的影響，有可能使恢復的圖像和f(x,y)相差很大，甚至面目全非。

78.圖像在獲取過程中，由于成像系統(tǒng)本身具有非線性、拍攝角度等因素的影響，會使獲得 的圖像產(chǎn)生幾何失真，可分為：系統(tǒng)失真和非系統(tǒng)是真。系統(tǒng)失真是有規(guī)律的、能預測的；非系統(tǒng)失真則是隨機的。

79.對圖像進行幾何校正的必要性：當對圖像作定量分析時，就要對失真的圖像先進行精 確的幾何校正（即將存在幾何失真的圖像校正成無幾何失真的圖像），以免影響定量分析的精度。

80.幾何校正分兩步：

1)圖像空間坐標變換；首先建立圖像像點坐標（行、列號）和物方（或參考圖）對應 點坐標間的映射關系，解求映射關系中的未知參數(shù)，然后根據(jù)映射關系對圖像各個像素坐標進行校正；

2)確定各像素的灰度值（灰度內(nèi)插）

81.圖像空間坐標變換當n=1時，畸變關系為線性變換，式子中包含a00、a10、a01、b00、b10、b016個未知數(shù)，至少需要3個已知點來建立方程式，解求未知數(shù)。當n=2時，畸變關系式包含12個未知數(shù)，至少需要6個已知點來建立關系式，解求未知數(shù)。82.幾何校正方法可分為直接法和間接法兩種。

83.常用的像素灰度內(nèi)插法有最近鄰元法、雙線性內(nèi)插法和三次內(nèi)插法三種。84.像素灰度內(nèi)插法效果比較：

1)最近鄰內(nèi)插：最簡單，效果尚佳，但校正后的圖像邊緣有明顯鋸齒狀，即存在灰度 不連續(xù)性。

2)雙線性內(nèi)插法：較復雜，計算量較大，沒有灰度不連續(xù)性的缺點，結(jié)果令人滿意。但它具有低通濾波性質(zhì)，使高頻分量受損，圖像輪廓有一定模糊。3)三次內(nèi)插：計算量最大，但內(nèi)插效果最好，精度最高。85.圖像重建有三種模型：透射模型、發(fā)射模型和反射模型。

86.透射模型建立于能量通過物體后有一部分能量會被吸收的基礎之上，透射模型經(jīng)常用于

X射線、電子射線及光線和熱輻射的情況下，它們都遵從一定的吸收規(guī)則。

87.發(fā)射模型可用來確定物體的位置。這種方法已經(jīng)廣泛用于正電子檢測,通過在相反的方 向分解散射的兩束伽馬射線,則這兩束射線的渡越時間可用來確定物體的位置。

88.反射模型可以用來測定物體的表面特征，例如光線、電子束、激光或超聲波等都可以用

來進行這種測定。

89.從多個斷面恢復三維形狀的方法有Voxel 法（體素法）、分塊的平面近似法。

第六章 圖像編碼與壓縮

90.數(shù)據(jù)壓縮的研究內(nèi)容包括數(shù)據(jù)的表示、傳輸、變換和編碼方法，目的是減少存儲數(shù)據(jù)所

需的空間和傳輸所用的時間。

91.圖像編碼與壓縮就是對圖像數(shù)據(jù)按一定的規(guī)則進行變換和組合，達到以盡可能少的代碼

（符號）來表示盡可能多的圖像信息。

92.冗余數(shù)據(jù)有：編碼冗余、像素間冗余、心理視覺冗余3種。93.根據(jù)解壓重建后的圖像和原始圖像之間是否具有誤差，圖像編碼壓縮分為無誤差（亦稱

無失真、無損、信息保持）編碼和有誤差（有失真或有損）編碼兩大類。94.根據(jù)編碼作用域劃分，圖像編碼為空間域編碼和變換域編碼兩大類。

95.描述解碼圖像相對原始圖像偏離程度的測度一般稱為保真度，可分為兩大類：客觀保真

度準則和主觀保真度準則。

96.最常用的客觀保真度準則是原圖像和解碼圖像之間的均方根誤差和均方根信噪比兩種。

97.理論上最佳信息保持編碼的平均碼長可以無限接近圖像信息熵H。但總是大于或等于圖

像的熵H。

98.霍夫曼編碼：在信源數(shù)據(jù)中出現(xiàn)概率越大的符號，編碼以后相應的碼長越短；出現(xiàn)概率

越小的符號，其碼長越長，從而達到用盡可能少的碼符表示信源數(shù)據(jù)。它在無損變長編碼方法中是最佳的。

99.行程編碼的基本原理：將一行中顏色值相同的相鄰像素用一個計數(shù)值和該顏色值來代替。

100.一維行程編碼只考慮了消除行內(nèi)像素間的相關性.沒有考慮其它方向的相關性.101.二維行程編碼就是利用圖像二維信息的強相關性，按照一定的掃描路徑遍歷所有的像素 形成一維的序列，然后對序列進行一維行程編碼的方法。102.混合編碼：既具有行程編碼的性質(zhì)又是變長編碼。

第七章 圖像分割

103.圖像分析：對圖像中感興趣的目標進行檢測和測量，以獲得它們的客觀信息，從而建立 對圖像的描述.104.圖像分割：把圖像分成互不重疊的區(qū)域并提取感興趣目標的技術。

105.記憶圖像分割所需滿足的五個條件。

106.分割算法基于灰度值的兩個基本特性：不連續(xù)性和相似性 107.檢測圖像像素灰度級的不連續(xù)性，找到點、線（寬度為1）、邊（不定寬度）。

108.檢測圖像像素的灰度值的相似性，通過選擇閾值，找到灰度值相似的區(qū)域，區(qū)域的外輪 廓就是對象的邊。

109.圖像分割的方法：

1)基于邊緣的分割方法：先提取區(qū)域邊界，再確定邊界限定的區(qū)域。2)區(qū)域分割：確定每個像素的歸屬區(qū)域，從而形成一個區(qū)域圖。3)區(qū)域生長：將屬性接近的連通像素聚集成區(qū)域

4)分裂－合并分割：綜合利用前兩種方法，既存在圖像的劃分，又有圖像的合并。110.邊緣：圖像中像素灰度有階躍變化或屋頂變化的那些像素的集合。

111.邊緣檢測算子：梯度算子、Roberts算子、Prewitt算子、Sobel算子、Kirsch算子（方 向算子）、Laplacian算子、Marr算子。112.邊緣檢測算子比較：

1)梯度算子：僅計算相鄰像素的灰度差，對噪聲比較敏感，無法抑止噪聲的影響 2)Roberts算子：與梯度算子檢測邊緣的方法類似，對噪聲敏感，但效果較梯度算子 略好

3)Prewitt算子：在檢測邊緣的同時，能抑止噪聲的影響

4)Sobel算子：對4鄰域采用帶權方法計算差分；能進一步抑止噪聲；但檢測的邊緣 較寬

5)方向算子：在計算邊緣強度的同時可以得到邊緣的方向；各方向間的夾角為45o

6)拉普拉斯算子：優(yōu)點，各向同性、線性和位移不變的；對細線和孤立點檢測效果較

好。缺點，對噪音的敏感，對噪聲有雙倍加強作用；不能檢測出邊的方向；常產(chǎn)生 雙像素的邊緣。

7)Marr算子：σ的選擇很重要，σ小時邊緣位置精度高，但邊緣細節(jié)變化多； σ 大時平滑作用大，但細節(jié)損失大，邊緣點定位精度低。應根據(jù)噪聲水平和邊緣點定位精度要求適當選取σ。

8)曲面擬合法：其過程是求平均后再求差分，因而對噪聲有抑制作用。

113.由于梯度算子和Laplace算子都對噪聲敏感，因此一般在用它們檢測邊緣前要先對圖 像進行平滑。

114.曲面擬合法：用平面或高階曲面來擬合圖像中某一小區(qū)域的灰度表面，求這個擬合平面

微分或二階微分檢測邊緣，可減少噪聲影響。其過程是求平均后再求差分，因而對噪聲有抑制作用。

115.邊緣跟蹤：將檢測的邊緣點連接成線就是邊緣跟蹤。

116.直角坐標系中的一條直線對應極坐標系中的一點，這種線到點的變換就是Hough變換

117.Hough變換特點：

1)對ρ、θ量化過粗，直線參數(shù)就不精確，過細則計算量增加。因此，對ρ、θ量 化要兼顧參數(shù)量化精度和計算量。

2)Hough變換檢測直線的抗噪性能強，能將斷開的邊緣連接起來。3)此外Hough變換也可用來檢測曲線。118.區(qū)域生長：單一型、質(zhì)心型、混合型。

119.單一型：缺點是區(qū)域增長的結(jié)果與起始像素有關，起始位置不同則分割結(jié)果有差異。120.區(qū)域分裂合并法無需預先指定種子點,它按某種一致性準則分裂或者合并區(qū)域.可以先

進行分裂運算,然后再進行合并運算;也可以分裂和合并運算同時進行,經(jīng)過連續(xù)的分裂和合并,最后得到圖像的精確分割效果.121.分裂合并法對分割復雜的場景圖像比較有效.第八章 二值圖像處理與形狀分析

122.在二值圖像中，把互相連接的像素的集合匯集為一組，于是具有若干個0值的像素(0 像素)和具有若干個1值的像素(1像素)的組就產(chǎn)生了。把這些組叫做連接成分。

123.二值圖像上改變一個像素的值后，整個圖像的連接性并不改變（各連接成分既不分離、不結(jié)合，孔也不產(chǎn)生、不消失），則這個像素是可刪除的。

124.孤立點：B（p）= 1的像素p，在4/8鄰接的情況下，當其4/8鄰接的像素全是0時，像素p稱作孤立點。其連接數(shù)Nc(p)=0。

125.內(nèi)部點：B（p）= 1的像素p，在4/8鄰接的情況下，當其4/8鄰接的像素全是1時，稱作內(nèi)部點。內(nèi)部點的連接數(shù)Nc(p)=0。126.邊界點:在B（p）= 1的像素中，把除了孤立點和內(nèi)部點以外的點叫做邊界點。邊界點 的連接數(shù)屬于[1，4]。1)刪除點或端點； 2)連接點； 3)分支點； 4)交叉點。

127.為區(qū)分二值圖像中的連接成分，求得連接成分個數(shù)，對屬于同一個１像素連接成分的所 有像素分配相同的編號，對不同的連接成分分配不同的編號的操作，叫做連接成分的標記。

128.膨脹就是把連接成分的邊界擴大一層的處理。

129.收縮則是把連接成分的邊界點去掉從而縮小一層的處理。130.距離變換是求二值圖像中各1像素到0像素的最短距離的處理。

131.在經(jīng)過距離變換得到的圖像中，最大值點的集合就形成骨架，即位于圖像中心部分的線像素的集合，也可以看作是圖形各內(nèi)接圓中心的集合。反映了原圖形的形狀。給定距離和骨架就能恢復該圖形，但恢復的圖形不能保證原始圖形的連接性。常用于圖形壓縮、提取圖形幅寬和形狀特征等。

132.細化是從二值圖像中提取線寬為1像素的中心線的操作。

133.為了求得區(qū)域間的連接關系，必須沿區(qū)域的邊界點跟蹤像素，稱之為邊界（或邊緣）跟 蹤。

134.形狀分析是指用計算機圖像處理與分析系統(tǒng)對圖像中的諸目標提取形狀特征，對圖像進 行識別和理解。

135.區(qū)域形狀特征的提取有三類方法：

1)區(qū)域內(nèi)部（包括空間域和變換域）形狀特征提取； 2)區(qū)域外部（包括空間域和變換域）形狀特征提?。?3)利用圖像層次型數(shù)據(jù)結(jié)構，提取形狀特征。

136.拓撲描繪子：歐拉數(shù)；凹凸性；區(qū)域的測量；區(qū)域的大小及形狀描述量（面積、周長、圓形度）。

137.區(qū)域的拓撲性質(zhì)對區(qū)域的全局描述是很有用的，歐拉數(shù)是區(qū)域一個較好的描述子。

第九章 影像紋理分析

138.局部不規(guī)則而宏觀有規(guī)律的特性稱之為紋理；以紋理特性為主導的圖像，常稱為紋理圖 像；以紋理特性為主導特性的區(qū)域，常稱為紋理區(qū)域。

139.紋理作為一種區(qū)域特性，在圖像的一定區(qū)域上才能反映或測量出來。

140.紋理分析方法：統(tǒng)計分析法和結(jié)構分析法。前者從圖像有關屬性的統(tǒng)計分析出發(fā)；后者 則著力找出紋理基元，然后從結(jié)構組成上探索紋理的規(guī)律。也有直接去探求紋理構成的結(jié)構規(guī)律的。

141.Laws的紋理能量測量法：

f(x,y)?微窗口濾波?F(x,y)?能量轉(zhuǎn)換?E(x,y)?分量旋轉(zhuǎn)?C(x,y)?分類?M(x,y)

142.自相關函數(shù)：

1)當紋理較粗時，ρ(d)隨d的增加下降速度較慢； 2)當紋理較細時，ρ(d)隨著d的增加下降速度較快。

143.灰度共生矩陣就是從圖像(x,y)灰度為i的像素出發(fā)，統(tǒng)計與距離為δ=(Δx2+Δy2)1/2、灰度為j的像素同時出現(xiàn)的概率P(i,j,δ,θ)。144.灰度共生矩陣必然是對稱陣，且對角線上均為偶數(shù)。

第十章 模板匹配

145.當對象物的圖案以圖像的形式表現(xiàn)時，根據(jù)該圖案與一幅圖像的各部分的相似度判斷其 是否存在，并求得對象物在圖像中位置的操作叫做模板匹配。