数字图像处理练习题3

Lecture 16-17 作业一. 判断题（每题分。T表示正确，F表示错误。）1. 在数字图像中，一个像素的邻域只有8领域。（F）2. 在空间域基于滤波器处理数字图像时，二维滤波器可以分解为多个一维滤波器，以提高计算效率（T）。3. 彩色数字图像平滑处理无需考虑颜色模型。（F）二. 单项选择题（每题1分。）1. 能够实现数字图像平滑的处理方法（C）。A. 线性点处理B. 基于直方图的处理C. 邻域处理D. 非线性点处理2. 最大值滤波器可用于检测数字图像中的像素点是（A）。A. 最亮B. 最暗C. 中间亮度D. 平均亮度3. 最小值滤波器可用于检测数字图像中的像素点是（B）。A. 最亮B. 最暗C. 中间亮度D. 平均亮度4. 阿拉法裁剪均值滤波器a-trimmed mean filter是（D）。A. 中值median滤波器B. 均值mean滤波器C. 排序rank滤波器D. 混合hybrid滤波器三. 多项选择题（每题2分。）1. 在数字图像中，基于邻域处理的滤波器包括（ABCD）。A. 可以是十字、方形等形状B. 可以是3 X 3、5 X 5等不同尺寸C. 可以有不同的权值D. 可以采用中心为原点四. 填空题（每题1分。）1. 若操作是在像素的某个邻域内进行的，即输出数字图像的像素值由对应的输入数字图像的像素值及其 邻域像素值 决定，则称其为邻域操作。2. 在数学上，数字图像模糊处理相当于数字图像被平均或被 积分 。五. 简答题（每题4分。）1. 在空间域进行数字图像排序滤波有哪些？各有什么特点？排序滤波包括：中值滤波、中值滤波的线性组合、中值滤波的高阶组合、加权的中值滤波、迭代的中值滤波、最大值滤波、最小值滤波、中点值滤波。中值滤波，适合处理脉冲噪声，脉冲噪音长度要小于滤波器宽度的一半。中值滤波的线性组合，取多个中值滤波器结果的线性加权值。中值滤波的高阶组合，取多个中值滤波器结果的最大值。加权的中值滤波，对像素值进行加权后再做中值滤波。迭代的中值滤波，对数字图像进行多次中值滤波。最大值滤波，用于提取最亮的像素。最小值滤波，用于提取最暗的像素。中点值滤波，用于提取最亮和最暗像素的平均值。七. 算法题（每题5分。）1. 下图为一个5x5的数字图像，采用3x3中值滤波(Median Filter)，给出处理后结果，写出计算过程，边界像素不处理，设定为黑色。124120123128123123120125123126124126127123125123150125128121116119123119118边界像素不进行处理。对其它像素，以某像素为中心小窗口内所有像素灰度按从小到大排序，取排序结果的中间值作为该像素的灰度值。124120123128123123120125123126124126127123125123150125128121116119123119118中心像素为第2行的第2列到4列124120123123120125124126127120 120 123 123 124 124 125 126 127120123128120125123126127123120 120 123 123 123 125126 127 128123128123125123126127123125123 123 123 123 125 125 126 127 128中心像素为第3行的第2列到4列123120125124126127123150125120 123 123 124 125 125 126 127 150120125123126127123150125128120 123 123 125 125 126 127 128 150125123126127123125125128121121 123 123 125 125 125 126 127 128中心像素为第4行的第2列到4列124126127123150125116119123116 119 123 123 124 125 126 127 150126127123150125128119123119119 119 123 123 125 126 127 128 150127123125125128121123119118118 119 121 123 123 125 125 127 128最终滤波结果：00000012412312500125125125001241251230000002. 采用伪代码描述数字图像均值滤波mean filter的算法，滤波器宽度为2R+1。输入：待处理图像II均值滤波器的半径R输出图像IO，与输入图像II具有同样的宽度和高度For y form R to H-1-RFor x form R to W-1-RSum=0For v form -R to RFor u form -R to Rsum = sum + IA.GetPixel(x+u, y+v)IO.SetPixel(x, y, int(sum*1.0/( (2R+1)*( 2R+1)3. 采用伪代码描述数字图像加权中值滤波weighted median filter的算法, 滤波器半径为R。输入：待处理图像II加权中值滤波器半径R加权中值滤波器的系数矩阵Mask输出图像IO，与输入图像II具有同样的宽度和高度For y form R to H-1-RFor x form R to W-1-RFor v form -R to RFor u form -R to Rgray = IA.GetPixel(x+u, y+v)For r from 0 to Mask(u+R, v+R)list.add(gray) list.sort();IO.SetPixel(x, y, int(list.Get(list.GetSize()/2)4. 采用伪代码描述该表达式所对应的数字图像（宽度M，高度N）线性邻域处理算法。Input: Image f(x,y) Filter wOutput: Image g(x,y)Process:sumW=0for k = - b to b do for j = - a to a do sumW = sumW + w (j + a, k + b) end for jend for kfor y = b to N - b - 1 do for x = a to M - a - 1 do sum = 0 for k = - b to b do for j = - a to a do sum = sum + w (j + a, k + b)f(x + j, y + k) end for j end for k