数字图像葵花宝典

1、一、名词解释( 每小题2分,本题共20 分 )1. 数字图像：指由被称作像素的小块区域组成的二维矩阵。将物理图像行列划分后，每个小块区域称为像素。2. 数字图像处理：指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的技术3. 简述数字图像处理的基本步骤：图像获取->采样压缩->图像增强、图像复原->图像分割->属性选择->图像表示->图像理解锥状体:600700万个, 位于中央凹,对色彩敏感,都有自身的神经末梢, 能充分分辨图像细节。4. 杆状体:750015000万个,分布于视网膜表面,没有彩色感觉, 几个杆状体连接一个神经末

2、梢,给出视野的总体图像.5. 取样：是数字化坐标值；量化：是数字化幅度值6. 空间分辨率：是图像中可辨别的最小细节；灰度级分辨率：是指在灰度级别中可分辨的最小变化。（联系）7. 线性算子、非线性算子：令H是一种算子，其输出和输入都是图像。如果对于任何两幅图像f 和g 及任何两个标量 a 和 b 有如下关系，则称H为线性算子：H(af+bg) = aH(f) + bH(g)。不能通过这个式子检验的算子定义为非线性算子。 8. 图像增强的主要目的：使其比原始图像更适合于特定应用。9. 图像增强分为空间域方法与频域方法。空间域方法：空间域是指图像平面自身，这类方法以对图像的像素直接处理为基础。频域方

3、法：以修改图像的傅立叶变换为基础 10. 点操作、邻域操作的概念点操作是T的最简单的操作形式，T 称灰度级变换函数（也称强度映射），这种处理在图像任一点的增强仅仅依赖于该点的灰度。图像反转、幂次变换是点操作；邻域操作记T（f(x,y)），是定义在（x，y）的领域对图像f的操作。对比拉伸是邻域操作；11. 图像平均处理的意义12. 中值滤波：中值滤波是指将当前像元的窗口（或领域）中所有像元灰度由小到大进行排序，中间值作为当前像元的输出值。13. 中值滤波器：是常见的统计滤波器，是一种非线性的滤波器。作用：去除椒盐噪声。14. 图像锐化:图像锐化是增强图象的边缘或轮廓。锐化空间滤波器主要目的突出图

4、像中的细节或者增强被模糊了的细节。15. 傅里叶变换：非周期函数可以用正弦和/或余弦乘以加权函数的积分表示，称为傅里叶变换。特征：傅里叶级数或变换表示的函数特征可以完全通过傅里叶反过程来重建，不会丢失任何信息。16. 低通滤波器：使低频通过而高频衰减的滤波器。高通滤波器：使高频通过而低频衰减的滤波器低通滤波能图像模糊和去除噪声，而高通滤波能突出边缘，锐化图像。17. 三种低通滤波器：理想低通滤波器、巴特沃思低通滤波器、高斯低通滤波器（哪个有振铃现象？）18. 同态滤波器的目的：消除不均匀照度的影响，增强图像细节。三、简答题1. 像素间的基本关系邻接、8邻接、m邻接(混合邻接)、欧式距离的概念

5、4邻接: 如果q在N4(p)集中，则具有V中数值的两个像素p和q是4邻接的。 8邻接: 如果q在N8(p)集中，则具有V中数值的两个像素p和q是8邻接的。 m邻接(混合邻接):如果(1)q在N4(p)中，或者(2)q在ND(p)中且集合N4(p) N4(q)没有V值的像素，则具有V值的像素p和q是m邻接的。 像素p和q的坐标分别为(x,y),(s,t)，p和q的欧式距离：De(p,q)=(x-s)2+(y-t)21/2 2. 放大收缩数字图像3. 灰度直方图的性质：a) 表征了图像的一维信息。只反映图像中像素不同灰度值出现的次数（或频数）而未反映像素所在位置。b) 与图像之间的关系是多对一的映

6、射关系。一幅图像唯一确定出与之对应的直方图，但不同图像可能有相同的直方图。c) 子图直方图之和为整图的直方图。4. 平滑线性滤波器的使用 . （2种掩模） 平滑空间滤波器:用于模糊处理和减小噪声. 平滑线性空间滤波器的输出（响应）是包含在滤波掩模邻域内像素的简单平均值。因此，这些滤波器也称为均值滤波器。 均值滤波器的主要应用是去除图像中的不相干细节，其中“不相干”是指与滤波掩模尺寸相比较小的像素区域。 它用滤波掩模确定的邻域内像素的平均灰度值代替图像中每个像素点的值。5. 比较一阶微分处理与二阶微分处理的响应特征：（1）一阶微分处理通常会产生较宽的边缘。（2）二阶微分处理对细节有较强的响应，如

7、细线，孤立点。（3）一阶微分处理一般对灰度阶梯有较强的响应。（4）二阶微分处理对灰度级阶梯变化产生双响应。一阶微分与二阶微分都必须保证：（1）在平坦段微分值为零；（2）在灰度阶梯或斜坡的起始点处微分值非零；（3）沿着斜坡的微分值非零。6频率域的基本性质 直流分量F(0,0)对应的一副图像的平均灰度 低频部分对应图像缓慢的变化的分量 高频部分对应图像边缘和灰度级突变的部分7频率域中图像滤波的基本步骤 用(-1)x+y乘以输入图像来进行中心变化。 由(1)计算图像的DFT，即F(u,v)； 用滤波函数H(u,v)乘以F(u,v)。 计算(3)中结果的反DFT。 得到(4)中结果的实部。 用 (-1

8、)x+y乘以(5)中的结果。8. 平滑的频域滤波器原理：通过衰减指定图像傅里叶变换中高频成分的范围来实现。频域锐化滤波器原理： 能够在频域用高通滤波器处理实现而衰减低频成分并不会扰乱傅里叶变换的高频信息9图像减法处理：两幅图像f(x,y)与h(x,y)的差异表示为g(x,y)=f(x,y)-h(x,y)。减法处理最主要的作用是增强两幅图像的差异。 负值变正值的两种方法：一种方法，是对每个像素值再加255然后除以2。另一种方法，首先提取最小差值，并且把它的负值加到所有差值图像的像素中，然后通过用255/Max值去乘每个像素，将图像中的所有像素标定到0255的范围内10边界的两种处理方法：最简单的

9、方法是交掩模中心点的移动范围限制在距离图像边缘不小于（n-1）/2个像素处。另一种方法是在图像边缘以外再补上一行或一列灰度为0的像素点，或者将边缘复制补在图像之外。 第五章:图像复原和图像增强区别联系PPT 联系:改善给定的图像区别: 客观过程 主观过程 先验知识 探索性过程图像退化、复原过程的模型噪声参数估计的方法PPT(1)周期噪声的参数可以通过检测图像的傅立叶谱来进行估计。(2)噪声PDF的参数一般可以从传感器的技术说明中得到,但对于特殊的成像装置常常有必要去估计这些参数。(3)当只有传感器产生的图像可用时,常可以从合理的恒定灰度值的一小部分图像估计PDF的参数。滤波器的对应噪声:均值滤

10、波器:算术均值滤波器 、几何均值滤波器、谐波均值滤波器、逆谐波均值滤波器算术均值滤波器：在模糊了图像的同时减少了噪声。谐波均值滤波器：对于“盐”噪声效果更好，不适用于“胡椒”噪声。逆谐波均值滤波器：统计滤波器：中值滤波器，最大值和最小值滤波器、中点滤波器、修正后的阿尔法均值滤波器中值滤波器：是一种非线性的滤波器。对椒盐噪声处理非常有效。因为这种噪声三以黑白点叠加在图像上的。中值滤波器的功能：如果在某个模板中，对像素进行由小到大排列的重新排列，那么最亮的或者是最暗的点一定被排在两侧，取排在中间位置上的像素的灰度值替代待处理像素的值。中值滤波器的主要功能是使拥有不同灰度的点看起来更接近于它的邻域值

11、。最大值和最小值滤波器：最大值滤波器对“胡椒”噪声有效。最小值滤波器对“盐”噪声修正后的阿尔法均值滤波器：对高斯噪声和椒盐噪声混合的情况下有效。中点滤波器：对高斯和均匀随机分布这类噪声有最好的效果。第六章：三原色的概念：红，绿，蓝原色是指不能透过其他颜色的混合调配而得出的“基本色”。颜色的特性亮度、色调、饱和度：亮度：与灰度图像的灰度值类似色调：任何一种颜色的光都是由若干波长不同的光混合而成，其中比重最大的那种光的颜色即为色调。饱和度：由色调所对应光在混合光中的比重决定。也可理解该纯色光被白光冲淡的多少，白光越多饱和度越低。色调和饱和度统称为色度。什么叫伪彩色、全彩色：伪彩色：伪彩色图像的每个

12、像素值实际上是一个索引值或代码，该代码值作为色彩查找表CLUT中某一项的入口地址，根据该地址可查找出包含实际R、G、B的强度值。这种用查找映射的方法产生的色彩称为伪彩色。全彩色：24比特深度的图像通常称为全彩色或真彩色图像什么是彩色模型？三种彩色模型适合的领域彩色模型：彩色模型(也称彩色空间或彩色系统)是为了按照某种标准来指定颜色。从本质上说，彩色模型是一个坐标系统，在该系统下的一个子空间中，每种颜色都对应其中一个点。三种彩色模型适合的领域：o RGB模型：在彩色显示器、彩色摄像机中 广泛使用o CMY(青/深红/黄)/ CMYK模型：用于彩色打印o HSI模型：与人描述和解释颜色的方式最接近

13、，便于人为指定颜色；同时该模型将颜色和灰度信息分开，便于应用灰度图像处理技术来处理彩色图像。 灰度图转化伪彩色的算法思想：强度分层(又称为密度分层)和彩色编码是最简单的一种伪彩色图像处理方法将灰度图像中的像素灰度理解为高度，则可以将图像转为3维。通过插入分割平面，将图像划分为不同的“层”，为每一层赋以一种彩色伪彩色(又称假彩色)图像处理是根据特定的准则对灰度值赋以彩色的处理，即将灰度图转换为彩色图。1. 直方图均衡化的整个计算处理过程 连续函数：离散函数：假定有一幅像素数为64×64，灰度级为8级的图像，其灰度级分布如下表所示，对其进行均衡化处理r0 =0 7900.19r1=1/710230.25r2=2/78500.21r3=3/76560.16r4=4/73290.08r5=5/72450.06r6=6/71220.03r7=1810.02灰度级直方图DAnkPr(rk)f取成整数倍均衡后直方图07900.190.191/7(0.14)0.191/710230.250.443/7(0.428)0.252/78500.210.655/7(0.714)0.213/76560.160.816/7(0.857)0.16+0.08=0.244/73290.080.896/7(0.857)5/7245