第一篇：數(shù)字圖像處理簡(jiǎn)答題總結(jié)

Weber定律：主觀上，剛好能鑒別出的最小亮度值是背景亮度的2%，同時(shí)對(duì)比效應(yīng)：人眼對(duì)目標(biāo)亮度的主觀感受不是由目標(biāo)亮度決定，而是由目標(biāo)與背景的亮度差異決定。

KLT：理論上的最佳變換。

優(yōu)點(diǎn)：完全去相關(guān)，能量最聚集。

缺點(diǎn)：無固定變換矩陣，無有效快速算法。

直方圖均衡本質(zhì)：減少圖像的灰度等級(jí)以換取對(duì)比度的擴(kuò)大。

空間域線性平滑——低通掩膜法（系數(shù)為正）：

優(yōu)點(diǎn)：算法簡(jiǎn)單，交互性好，噪聲適應(yīng)性強(qiáng)。

缺點(diǎn)：會(huì)造成輪廓的模糊。

空間域非線性平滑———中值濾波（統(tǒng)計(jì)排序?yàn)V波器）

優(yōu)點(diǎn)：在平滑的同時(shí)適當(dāng)保護(hù)輪廓。

缺點(diǎn)：對(duì)噪聲有選擇性，對(duì)隨機(jī)噪聲不理想，對(duì)高斯噪聲效果不好，對(duì)椒鹽噪聲效果好，但不適于點(diǎn)，線，尖頂細(xì)節(jié)較多的圖像。

銳化比較：

梯度算子：對(duì)小細(xì)節(jié)不敏感，抗干擾強(qiáng)。

SOBEL算子：由于引入了平均因素，對(duì)圖像中的隨機(jī)噪聲有一定的平滑作用。由于它是相隔兩行或兩列之差分，邊緣兩側(cè)元素得到了增強(qiáng)，故邊緣顯得粗而亮。

拉普拉斯運(yùn)算：各向同性，所以對(duì)點(diǎn)的檢測(cè)有較強(qiáng)的響應(yīng)。

優(yōu)點(diǎn)：對(duì)細(xì)線和孤立點(diǎn)的檢測(cè)較好，可以突出細(xì)節(jié)

缺點(diǎn)：抗干擾能力差。

無約束恢復(fù)：去卷積。方法：逆濾波。

特點(diǎn)：噪聲越大，誤差越大，只適合信噪比很高的情況下。存在病態(tài)解。

有約束恢復(fù)：去卷積，抑制噪聲，克服狀態(tài)解。

映射器是去相關(guān)的過程，決定壓縮的效果。

恢復(fù)質(zhì)量取決于量化器，失真來自于量化誤差。

預(yù)測(cè)編碼：利用圖像中相信像素的相關(guān)性，對(duì)預(yù)測(cè)差值編碼

特點(diǎn)：缺點(diǎn)：誤差傳遞，抗干擾能力弱。

優(yōu)點(diǎn)：算法簡(jiǎn)單，易于硬件實(shí)現(xiàn)。

最佳預(yù)測(cè)是預(yù)測(cè)差值在均方意義上的最小值。

變換編碼：利用圖像內(nèi)所有像素的相關(guān)性，對(duì)變換系數(shù)進(jìn)行編碼

特點(diǎn)：優(yōu)點(diǎn)：抗干擾能力強(qiáng)。

缺點(diǎn)：計(jì)算復(fù)雜，不易于硬件實(shí)現(xiàn)。

變換的比較：

KLT：完全去相關(guān)，最佳變換。

DFT：壓縮時(shí)接近KLT，但存在大量復(fù)雜計(jì)算，計(jì)算成本高，且有吉布斯效應(yīng)。

WHT：計(jì)算簡(jiǎn)單，壓縮速度快，但去相關(guān)較弱，壓縮效果差。

DCT：去相關(guān)接近KLT，只有實(shí)數(shù)運(yùn)算，吉布斯現(xiàn)象較弱，為準(zhǔn)最佳變換。

第二篇：《數(shù)字圖像處理》

實(shí)驗(yàn)五 圖像的幾何變換

一．實(shí)驗(yàn)?zāi)康募耙?/p>

掌握?qǐng)D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(shí)現(xiàn)方法。

二、實(shí)驗(yàn)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(rèn)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(guān)參數(shù)，觀察試驗(yàn)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(shí)驗(yàn)。2.圖像旋轉(zhuǎn)

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

% 將圖像逆時(shí)針旋轉(zhuǎn)45?。

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

% using the nearest neighbor interpolation Theta =-45;

% 將圖像順時(shí)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(shí)針逆時(shí)針

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

% 將圖像逆時(shí)針旋轉(zhuǎn)30。

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

% using the nearest neighbor interpolation Theta =-30;

% 將圖像順時(shí)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(shí)驗(yàn)。

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(shí)現(xiàn)以下圖像幾何變換（參考自編講義相關(guān)章節(jié)）

1．圖像扭曲變換 2．球面變換

三、實(shí)驗(yàn)設(shè)備

1．PIII以上微機(jī)； 2．MATLAB6.5；

四、預(yù)習(xí)與思考

1．預(yù)習(xí)實(shí)驗(yàn)內(nèi)容，閱讀教材熟悉實(shí)驗(yàn)原理；

2．查閱資料，熟悉實(shí)驗(yàn)中涉及的有關(guān)MATLAB函數(shù)；

3．利用課余時(shí)間，采用MATLAB底層函數(shù)編程實(shí)現(xiàn)實(shí)驗(yàn)內(nèi)容

（二）中的圖像平移、圖像轉(zhuǎn)置等幾何變換。

五、實(shí)驗(yàn)報(bào)告要求

1．簡(jiǎn)述試驗(yàn)的目的和試驗(yàn)原理；

2．?dāng)⑹龈鞫纬绦蚬δ?，改變有關(guān)函數(shù)的參數(shù)，分析比較實(shí)驗(yàn)結(jié)果； 3．打印出所編寫的實(shí)驗(yàn)程序。4．寫出本實(shí)驗(yàn)的心得體會(huì)及意見。

實(shí)驗(yàn)六

數(shù)字圖像處理應(yīng)用

一．實(shí)驗(yàn)?zāi)康募耙?/p>

1．利用MATLAB提供的圖像處理函數(shù)實(shí)現(xiàn)圖像中物體屬性的測(cè)量； 2．訓(xùn)練綜合運(yùn)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(yīng)用。

二、實(shí)驗(yàn)內(nèi)容

以大米粒特性測(cè)量為例，綜合應(yīng)用課程中圖像分割、形態(tài)學(xué)濾波、圖像增強(qiáng)、圖像特征提取等圖像處理方法，實(shí)現(xiàn)大米粒特性自動(dòng)測(cè)量。實(shí)驗(yàn)過程簡(jiǎn)述：

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

7． 測(cè)量圖像中的區(qū)域特性（面積、質(zhì)心等）

8．統(tǒng)計(jì)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(rèn)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(guān)參數(shù)，觀察試驗(yàn)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(yīng)用演示

三、實(shí)驗(yàn)設(shè)備 1．PIII以上微機(jī)； 2．MATLAB6.5；

四、預(yù)習(xí)與思考

1．預(yù)習(xí)實(shí)驗(yàn)內(nèi)容，閱讀教材熟悉實(shí)驗(yàn)原理； 2．查閱資料，熟悉實(shí)驗(yàn)中涉及的有關(guān)函數(shù)。

3．利用課余時(shí)間，采用MATLAB函數(shù)編程實(shí)現(xiàn)實(shí)驗(yàn)內(nèi)容

（二）。

五、實(shí)驗(yàn)報(bào)告要求

1．簡(jiǎn)述試驗(yàn)的目的和試驗(yàn)原理；

2．?dāng)⑹龈鞫纬绦蚬δ?，改變有關(guān)函數(shù)的參數(shù)，分析比較實(shí)驗(yàn)結(jié)果； 3．打印出所編寫的實(shí)驗(yàn)程序。4．寫出本實(shí)驗(yàn)的心得體會(huì)及意見。

第三篇：數(shù)字圖像處理

中南大學(xué)

數(shù)字圖像處理實(shí)驗(yàn) 實(shí)驗(yàn)名稱：空間濾波和頻域?yàn)V波

班級(jí)：電子信息0802班

姓名：李哲 學(xué)號(hào)：0909080609 實(shí)驗(yàn)日期：2010年12月22日

目錄

一，實(shí)驗(yàn)?zāi)康???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對(duì)被噪聲污染的圖像進(jìn)行中值濾波和均值濾波???????5 四，對(duì)圖像進(jìn)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(huì) ??????????????????????10 九，參考文獻(xiàn) ??????????????????????10

一、實(shí)驗(yàn)?zāi)康?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(shí)驗(yàn)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(jìn)行程序設(shè)計(jì)，學(xué)習(xí)如何對(duì)已被噪聲污染的圖像進(jìn)行“凈化”。通過平滑處理，對(duì)結(jié)果圖像加以比較，得出自己的實(shí)驗(yàn)結(jié)論。學(xué)習(xí)如何用銳化處理技術(shù)來加強(qiáng)圖像的目標(biāo)邊界和圖像細(xì)節(jié)，對(duì)圖像進(jìn)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(jìn)一步的增強(qiáng)及突出。本實(shí)驗(yàn)銳化處理主要在空間域中進(jìn)行 2，頻域?yàn)V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(shí)驗(yàn)了解二維頻譜的分布特點(diǎn)； 掌握怎樣利用傅立葉變換進(jìn)行頻域?yàn)V波

利用MATLAB程序數(shù)字圖像的傅立葉變換并且進(jìn)行頻域?yàn)V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(duì)被噪聲污染的圖像進(jìn)行中值濾波和均值濾波： 原理：自帶函數(shù)進(jìn)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(duì)圖像進(jìn)行空間域的銳化： 原理：自帶函數(shù)進(jìn)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(shí)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(duì)值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 對(duì)數(shù)變換

iFc1=ifftshift(Fc);% 中心移位的逆變換，絕對(duì)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(shè)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(jì)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(huì)

1，進(jìn)一步熟悉了Matlab軟件、編程以及圖像處理工具箱 2，學(xué)會(huì)利用自帶函數(shù)對(duì)圖像做簡(jiǎn)單的處理，例如：均值化等。3，熟練了一些基本函數(shù)的運(yùn)用，例如fspecial，imfilter等。4，加深了對(duì)MATLAB編程的理解。

5，對(duì)于試驗(yàn)中的出現(xiàn)的一些問題，懂得怎樣去處理。6，通過實(shí)際操作，增強(qiáng)了自己的動(dòng)手能力，把理論用于實(shí)踐。

參考文獻(xiàn)：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(diǎn)：

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

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?。?）圖像信息的儲(chǔ)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(qiáng)、圖像復(fù)原、圖像重建、圖像編碼、圖像識(shí)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(chǔ)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(chǔ)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(fù)印、彩色噴墨打印。

軟考貝：CRT顯示、液晶顯示器、場(chǎng)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(qiáng)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(diǎn)：（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(diǎn)：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(yīng)時(shí)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(yīng)了視覺對(duì)顏色的反應(yīng)取決于紅、綠、藍(lán) 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(qiáng)度I(Intensity)第四章：圖像增強(qiáng)

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

圖像增強(qiáng)的目的？

使處理后的圖像對(duì)某種特定的應(yīng)用來說，比原始圖像更適用。

2、圖像增強(qiáng)技術(shù)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(qiáng)技術(shù)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(qiáng)圖像中的低頻分量使圖像得到平滑，也可以強(qiáng)調(diào)圖像中的高頻分量使圖像的邊緣得到增強(qiáng)。

5、什么是灰度級(jí)的直方圖？

灰度級(jí)的直方圖就是反應(yīng)一幅圖像中的灰度級(jí)與出現(xiàn)這種灰度的概率之間關(guān)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(jiǎn)并”現(xiàn)象？如何克服簡(jiǎn)并現(xiàn)象？

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

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

10、多圖像平均法為何能去噪聲？它的主要難點(diǎn)是什么？

(1)如果一幅圖像包含有加性噪聲，這些噪聲對(duì)每個(gè)坐標(biāo)點(diǎn)是不相關(guān)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(dá)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(dá)到平滑的目的。

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

(2)難點(diǎn)在于把多幅圖像配準(zhǔn)起來，以方便使相應(yīng)的像素能正確的對(duì)應(yīng)排列。第五章 圖像復(fù)原

1、試述編碼效率和冗余度的概念及如何計(jì)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(zhǎng)性。

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

4、非續(xù)長(zhǎng)代碼：是指任意一個(gè)碼字都不是其他碼字的續(xù)長(zhǎng)。

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

6、最常用的變長(zhǎng)編碼方法是哈弗曼（Huffman）碼和香農(nóng)-費(fèi)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(guān)特性。

8、求T的步驟：

（1）給定一幅圖像后，首先要統(tǒng)計(jì)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(jìn)而求得每一個(gè)特征根所對(duì)應(yīng)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(duì)圖像數(shù)據(jù)進(jìn)行正交變換。

1、中值濾波與均值濾波的特點(diǎn)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(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)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(diǎn)的值用該點(diǎn)的一個(gè)鄰域中

個(gè)點(diǎn)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(gè)灰度級(jí)上都具有相同的象素點(diǎn)數(shù)的過程。

直方圖均衡化變換：設(shè)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(duì)應(yīng)的小面積元相等：Ho(s)ds=Hi(r)dr 直方圖修正的例子 假設(shè)有一幅圖像，共有6 4(6 4個(gè)象素，8個(gè)灰度級(jí)，進(jìn)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(gè)等間距的灰度級(jí)，變換后的s值也只能選擇最靠近的一個(gè)灰度級(jí)的值。因此，根據(jù)上述計(jì)算值可近似地選取：

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(gè)不同的灰度等級(jí)，于是我們可以重新定義其符號(hào)：

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

因?yàn)橛蓃O=0經(jīng)變換映射到sO=1／7，所以有n0=790個(gè)象素取sO這個(gè)灰度值；由rl=3／7映射到sl=3／7，所以有1 02 3個(gè)象素取s 1這一灰度值；依次類推，有850個(gè)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(gè)象素都取這一灰度值；同理，有245+1 22+81=448個(gè)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(shí)點(diǎn)總結(jié)

數(shù)字圖像處理知識(shí)點(diǎn)總結(jié)

第一章 導(dǎo)論

1.圖像：對(duì)客觀對(duì)象的一種相似性的生動(dòng)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(biāo)和亮度的連續(xù)性（模擬和數(shù)字）。

3.圖像處理：對(duì)圖像進(jìn)行一系列操作，以到達(dá)預(yù)期目的的技術(shù)。4.圖像處理三個(gè)層次：狹義圖像處理、圖像分析和圖像理解。5.圖像處理五個(gè)模塊：采集、顯示、存儲(chǔ)、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(diǎn)的操作稱為采樣。采樣間隔和采樣孔徑的大小是兩個(gè) 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(jí)（或灰度值或灰度）。

11.數(shù)字圖像根據(jù)灰度級(jí)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(duì)圖像質(zhì)量的影響：一般來說，采樣間隔越大，所得圖像像素?cái)?shù)越少，空間分

辨率低，質(zhì)量差，嚴(yán)重時(shí)出現(xiàn)像素呈塊狀的國際棋盤效應(yīng)；采樣間隔越小，所得圖像像素?cái)?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(jí)對(duì)圖像質(zhì)量的影響：量化等級(jí)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(jí)越少，圖像層次欠豐富，灰度分辨率低，會(huì)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(duì)固定圖像大小時(shí)，減少灰度級(jí)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(jí)一般會(huì)增加圖像的對(duì)比度。例如對(duì)細(xì)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(dú)觀測(cè)特定的像素而不受其它部分的影響。2)圖像掃描機(jī)構(gòu)：使采樣孔按預(yù)先確定的方式在圖像上移動(dòng)。3)光傳感器：通過采樣孔測(cè)量圖像的每一個(gè)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(chǔ)體：將像素灰度值存儲(chǔ)起來。它可以是固態(tài)存儲(chǔ)器，或磁盤等。

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

為灰度級(jí)的頻率，繪制頻率同灰度級(jí)的關(guān)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(duì)應(yīng)唯一的灰度直方圖，反之不成立。不同的圖像可對(duì)應(yīng)相同的直方圖

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

1)用于判斷圖像量化是否恰當(dāng)

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

18.圖像處理基本功能的形式：?jiǎn)畏鶊D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(hào)。

19.鄰域：對(duì)于任一像素（i，j），該像素周圍的像素構(gòu)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(dòng)平均平滑、空間域銳化。2)點(diǎn)處理：圖像對(duì)比度增強(qiáng)、圖像二值化。3)大局處理：傅里葉變換。4)迭代處理：細(xì)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(jì)算方法與像素的位置(i，j)無關(guān)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(gòu)與特征：

1)組合方式：一個(gè)字長(zhǎng)存放多個(gè)像素灰度值的方式。它能起到節(jié)省內(nèi)存的作用，但導(dǎo) 致計(jì)算量增加，使處理程序復(fù)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(gè)二維數(shù)組表示，形成比特面。

3)分層結(jié)構(gòu)：由原始圖像開始依次構(gòu)成像素?cái)?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(gòu)。

4)樹結(jié)構(gòu)：對(duì)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(shí)，這一部分則不再分割

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

22.圖像的特征：

1)自然特征：光譜特征、幾何特征、時(shí)相特征；

2)人工特征：直方圖特征，灰度邊緣特征，線、角點(diǎn)、紋理特征； 3)特征的范圍：點(diǎn)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(gè)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(duì)應(yīng)于各特征量的m維空間叫做特征空間。

23.對(duì)比度：一幅圖像中灰度反差的大小，對(duì)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(fù)雜；

3)正交變換的特點(diǎn)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(jiǎn)化； 2)有利于圖像特征提取；

3)有助于從概念上增強(qiáng)對(duì)圖像信息的理解。

第四章 圖像增強(qiáng)

26.圖像增強(qiáng)是采用一系列技術(shù)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(jī)器進(jìn)行分析和處理的形式。

27.空間域增強(qiáng)是直接對(duì)圖像各像素進(jìn)行處理；

28.頻率域增強(qiáng)是先將圖像經(jīng)傅立葉變換后的頻譜成分進(jìn)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(dòng)態(tài)范圍或圖像對(duì)比度，是圖像增強(qiáng)的重要手段之一。

1)線性變換：對(duì)圖像每一個(gè)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(biāo)所在的灰度區(qū)間，相對(duì)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(duì)數(shù)變換（當(dāng)希望對(duì)圖像的低灰度區(qū)較大的拉伸而對(duì)高灰度區(qū)壓 縮時(shí)，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(duì)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(jí)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(jí)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(guān)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(duì)圖像作修正的增強(qiáng)方 法。

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

方圖規(guī)定化，其增強(qiáng)效果要有利于人的視覺判讀或便于機(jī)器識(shí)別。38.為了抑制噪聲改善圖像質(zhì)量所進(jìn)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(shí)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(duì)值與選定的閾值進(jìn)行比較，根 據(jù)比較結(jié)果決定點(diǎn)（x,y）的最后灰度g′(x,y)。

41.灰度最相近的K個(gè)鄰點(diǎn)平均法：可用窗口內(nèi)與中心像素的灰度最接近的K個(gè)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(gè)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(duì)圖像上任一像素(x,y)的5×5鄰域，采用9個(gè)掩模：一個(gè)3×

3正方形、4個(gè)五邊形和4個(gè)六邊形。計(jì)算各個(gè)掩模的均值和方差，對(duì)方差進(jìn)行排序，最小方差所對(duì)應(yīng)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(yīng)用模板卷積方法對(duì)圖像每一像素進(jìn)行局部處理。不管什么樣的掩模，必須保證全部權(quán)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(huì)產(chǎn)生“溢出”現(xiàn)象。

45.中值濾波：是對(duì)一個(gè)滑動(dòng)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(hào)、斜升信號(hào)沒有受到影響。離散三角信號(hào)的頂部則變平了。對(duì)于離散的脈沖信號(hào)，當(dāng)其連續(xù)出現(xiàn)的次數(shù)小于窗口尺寸的一半時(shí)，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(jiǎn)單，但它的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別 在邊緣和細(xì)節(jié)處。而且鄰域越大，在去噪能力增強(qiáng)的同時(shí)模糊程度越嚴(yán)重。

2)超限像素平滑法對(duì)抑制椒鹽噪聲比較有效，對(duì)保護(hù)僅有微小灰度差的細(xì)節(jié)及紋理也 有效。并且隨著鄰域增大，去噪能力增強(qiáng)，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(gè)鄰點(diǎn)平均法：較小的K值使噪聲方差下降較小，但保持細(xì)節(jié)效 果較好；而較大的K值平滑噪聲較好，但會(huì)使圖像邊緣模糊。

4)最大均勻性平滑經(jīng)多次迭代可增強(qiáng)平滑效果，在消除圖像噪聲的同時(shí)保持邊緣清晰 性。但對(duì)復(fù)雜形狀的邊界會(huì)過分平滑并使細(xì)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(xì)節(jié)。

6)中值濾波對(duì)脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機(jī)噪聲的同時(shí)能有效保護(hù) 邊緣少受模糊。但它對(duì)點(diǎn)、線等細(xì)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(qiáng)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(jì)算梯度，來增強(qiáng)邊緣。

50.Laplacian增強(qiáng)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(qiáng)算子特點(diǎn)：

1)在灰度均勻的區(qū)域或斜坡中間▽2f(x，y)為0，增強(qiáng)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(qiáng)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(jìn)行逆傅立葉變換獲得濾波圖像，就可達(dá)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(shí)將會(huì)導(dǎo)致邊緣信息損失而使圖像邊模糊,并產(chǎn)生 振鈴效應(yīng)。

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(shí)，圖像邊緣的模糊程度大大減小，沒有振鈴效應(yīng)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(yīng)。

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(yīng)。

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(qiáng)技術(shù)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(qiáng)方法可分為偽彩色增強(qiáng)和假彩色增強(qiáng)兩類。

58.偽彩色增強(qiáng)是把黑白圖像的各個(gè)不同灰度級(jí)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(shù)。

59.偽彩色增強(qiáng)的方法主要有密度分割法、和頻率域偽彩色增強(qiáng)三種。

60.密度分割法是把黑白圖像的灰度級(jí)從0（黑）到M0（白）分成N個(gè)區(qū)間Ii(i=1，2，?，N),給每個(gè)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(jí)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(lán)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(lán)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(jiǎn)單、直觀。缺點(diǎn)是變換出的彩色數(shù)目有限。63.假彩色增強(qiáng)是對(duì)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(biāo)呈現(xiàn)出與原圖像中不同的、奇異的彩色。64.假彩色增強(qiáng)目的：

1)使感興趣的目標(biāo)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(duì)目標(biāo)的分辨力。

65.偽彩色增強(qiáng)與假彩色增強(qiáng)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(jiǎn)單的辦法是選擇對(duì)應(yīng)于某一灰度值設(shè)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(shè)定三個(gè)獨(dú)立的函數(shù) ,給出一個(gè)灰度值,便由計(jì)算機(jī)估算出一個(gè)相應(yīng)的RGB值.假彩色(false color)處理是把真實(shí)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(yīng)人眼對(duì)顏色的靈敏度,提高鑒別能力.可把細(xì)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(jí)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(zhǔn)的影

像生成滿足某種要求的影像的技術(shù)。

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(fù)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(shè)備的不

完善，使圖像的質(zhì)量變壞。

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

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

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

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

3)如果圖像已退化，應(yīng)先作復(fù)原處理，再作增強(qiáng)處理。

4)二者的目的都是為了改善圖像的質(zhì)量。

72.點(diǎn)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(gè)像素都可以看作為 一個(gè)點(diǎn)源成像，因此，一幅圖像也可以看成由無窮多點(diǎn)源形成的。

73.當(dāng)輸入的單位脈沖函數(shù)延遲了α、β單位，即當(dāng)輸入為δ（x –α，y –β）時(shí)，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(yīng)（點(diǎn)擴(kuò)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(xué)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(xué)工具如線性代數(shù)，能用于求解圖像復(fù)原問題，從而使運(yùn)算方法簡(jiǎn)捷和快速。

2）當(dāng)退化不太嚴(yán)重時(shí)，一般用線性位移不變系統(tǒng)模型來復(fù)原圖像，在很多應(yīng)用中有較好的復(fù)原結(jié)果，且計(jì)算大為簡(jiǎn)化。

3）盡管實(shí)際非線性和位移可變的情況能更加準(zhǔn)確而普遍地反映圖像復(fù)原問題的本質(zhì)，但在數(shù)學(xué)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(chǔ)加以修改而成。

77.頻率域恢復(fù)方法應(yīng)注意：若噪聲存在，而且H(u,v）很小或?yàn)榱銜r(shí)，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(shí)，會(huì)對(duì)逆濾波恢復(fù)的圖像產(chǎn)生很大的影響，有可能使恢復(fù)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(huì)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(yù)測(cè)的；非系統(tǒng)失真則是隨機(jī)的。

79.對(duì)圖像進(jìn)行幾何校正的必要性：當(dāng)對(duì)圖像作定量分析時(shí)，就要對(duì)失真的圖像先進(jìn)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(biāo)變換；首先建立圖像像點(diǎn)坐標(biāo)（行、列號(hào)）和物方（或參考圖）對(duì)應(yīng) 點(diǎn)坐標(biāo)間的映射關(guān)系，解求映射關(guān)系中的未知參數(shù)，然后根據(jù)映射關(guān)系對(duì)圖像各個(gè)像素坐標(biāo)進(jìn)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(biāo)變換當(dāng)n=1時(shí)，畸變關(guān)系為線性變換，式子中包含a00、a10、a01、b00、b10、b016個(gè)未知數(shù)，至少需要3個(gè)已知點(diǎn)來建立方程式，解求未知數(shù)。當(dāng)n=2時(shí)，畸變關(guān)系式包含12個(gè)未知數(shù)，至少需要6個(gè)已知點(diǎn)來建立關(guān)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(jiǎn)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(fù)雜，計(jì)算量較大，沒有灰度不連續(xù)性的缺點(diǎn)，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(jì)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(huì)被吸收的基礎(chǔ)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(cè),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(shí)間可用來確定物體的位置。

88.反射模型可以用來測(cè)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(jìn)行這種測(cè)定。

89.從多個(gè)斷面恢復(fù)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?jī)?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(chǔ)數(shù)據(jù)所

需的空間和傳輸所用的時(shí)間。

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

（符號(hào)）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(duì)原始圖像偏離程度的測(cè)度一般稱為保真度，可分為兩大類：客觀保真

度準(zhǔn)則和主觀保真度準(zhǔn)則。

96.最常用的客觀保真度準(zhǔn)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(zhǎng)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(hào)，編碼以后相應(yīng)的碼長(zhǎng)越短；出現(xiàn)概率

越小的符號(hào)，其碼長(zhǎng)越長(zhǎng)，從而達(dá)到用盡可能少的碼符表示信源數(shù)據(jù)。它在無損變長(zhǎng)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(gè)計(jì)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(guān)性.沒有考慮其它方向的相關(guān)性.101.二維行程編碼就是利用圖像二維信息的強(qiáng)相關(guān)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(duì)序列進(jìn)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(zhǎng)編碼。

第七章 圖像分割

103.圖像分析：對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量，以獲得它們的客觀信息，從而建立 對(duì)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(biāo)的技術(shù)。

105.記憶圖像分割所需滿足的五個(gè)條件。

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

108.檢測(cè)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(duì)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(gè)像素的歸屬區(qū)域，從而形成一個(gè)區(qū)域圖。3)區(qū)域生長(zhǎng)：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(cè)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(cè)算子比較：

1)梯度算子：僅計(jì)算相鄰像素的灰度差，對(duì)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(cè)邊緣的方法類似，對(duì)噪聲敏感，但效果較梯度算子 略好

3)Prewitt算子：在檢測(cè)邊緣的同時(shí)，能抑止噪聲的影響

4)Sobel算子：對(duì)4鄰域采用帶權(quán)方法計(jì)算差分；能進(jìn)一步抑止噪聲；但檢測(cè)的邊緣 較寬

5)方向算子：在計(jì)算邊緣強(qiáng)度的同時(shí)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(diǎn)，各向同性、線性和位移不變的；對(duì)細(xì)線和孤立點(diǎn)檢測(cè)效果較

好。缺點(diǎn)，對(duì)噪音的敏感，對(duì)噪聲有雙倍加強(qiáng)作用；不能檢測(cè)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(shí)邊緣位置精度高，但邊緣細(xì)節(jié)變化多； σ 大時(shí)平滑作用大，但細(xì)節(jié)損失大，邊緣點(diǎn)定位精度低。應(yīng)根據(jù)噪聲水平和邊緣點(diǎn)定位精度要求適當(dāng)選取σ。

8)曲面擬合法：其過程是求平均后再求差分，因而對(duì)噪聲有抑制作用。

113.由于梯度算子和Laplace算子都對(duì)噪聲敏感，因此一般在用它們檢測(cè)邊緣前要先對(duì)圖 像進(jìn)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(gè)擬合平面

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

115.邊緣跟蹤：將檢測(cè)的邊緣點(diǎn)連接成線就是邊緣跟蹤。

116.直角坐標(biāo)系中的一條直線對(duì)應(yīng)極坐標(biāo)系中的一點(diǎn)，這種線到點(diǎn)的變換就是Hough變換

117.Hough變換特點(diǎn)：

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

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

119.單一型：缺點(diǎn)是區(qū)域增長(zhǎng)的結(jié)果與起始像素有關(guān)，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(yù)先指定種子點(diǎn),它按某種一致性準(zhǔn)則分裂或者合并區(qū)域.可以先

進(jìn)行分裂運(yùn)算,然后再進(jìn)行合并運(yùn)算;也可以分裂和合并運(yùn)算同時(shí)進(jìn)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(duì)分割復(fù)雜的場(chǎng)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(gè)0值的像素(0 像素)和具有若干個(gè)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(gè)像素的值后，整個(gè)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(gè)像素是可刪除的。

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

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

127.為區(qū)分二值圖像中的連接成分，求得連接成分個(gè)數(shù)，對(duì)屬于同一個(gè)１像素連接成分的所 有像素分配相同的編號(hào)，對(duì)不同的連接成分分配不同的編號(hào)的操作，叫做連接成分的標(biāo)記。

128.膨脹就是把連接成分的邊界擴(kuò)大一層的處理。

129.收縮則是把連接成分的邊界點(diǎn)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(diǎn)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(fù)該圖形，但恢復(fù)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(xì)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(guān)系，必須沿區(qū)域的邊界點(diǎn)跟蹤像素，稱之為邊界（或邊緣）跟 蹤。

134.形狀分析是指用計(jì)算機(jī)圖像處理與分析系統(tǒng)對(duì)圖像中的諸目標(biāo)提取形狀特征，對(duì)圖像進(jìn) 行識(shí)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?。?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(gòu)，提取形狀特征。

136.拓?fù)涿枥L子：歐拉數(shù)；凹凸性；區(qū)域的測(cè)量；區(qū)域的大小及形狀描述量（面積、周長(zhǎng)、圓形度）。

137.區(qū)域的拓?fù)湫再|(zhì)對(duì)區(qū)域的全局描述是很有用的，歐拉數(shù)是區(qū)域一個(gè)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(dǎo)的圖像，常稱為紋理圖 像；以紋理特性為主導(dǎo)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(cè)量出來。

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

141.Laws的紋理能量測(cè)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(guān)函數(shù)：

1)當(dāng)紋理較粗時(shí)，ρ(d)隨d的增加下降速度較慢； 2)當(dāng)紋理較細(xì)時(shí)，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(jì)與距離為δ=(Δx2+Δy2)1/2、灰度為j的像素同時(shí)出現(xiàn)的概率P(i,j,δ,θ)。144.灰度共生矩陣必然是對(duì)稱陣，且對(duì)角線上均為偶數(shù)。

第十章 模板匹配

145.當(dāng)對(duì)象物的圖案以圖像的形式表現(xiàn)時(shí)，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(duì)象物在圖像中位置的操作叫做模板匹配。