图像处理第一次作业

1、图像处理第一次作业一、 什么是一幅图像？一幅模拟彩色图像经平板扫描仪扫描后获得一幅彩色数字图像，其分辨率为1024*768像素。若采用RGB彩色空间，红、绿、蓝三基色的灰度等级为8bit，在无压缩的情况下，在计算机中存储该图像数据将占用多少bit的存储空间？当去掉图像的彩色信息，只留下灰度信息，灰度等级为4bit，在无压缩的情况下，存储该图像数据将占用多少bit的存储空间?（10分）答：图像是由扫描仪、摄像机等输入设备捕捉实际的画面产生的数字图像。图像用数字任意描述像素点、强度和颜色。描述信息文件存储量较大，所描述对象在缩放过程中会损失细节或产生锯齿。在显示方面它是将对象以一定的分辨率分辨以后

2、将每个点的色彩信息以数字化方式呈现，可直接快速在屏幕上显示。分辨率和灰度是影响显示的主要参数。图像适用于表现含有大量细节（如明暗变化、场景复杂、轮廓色彩丰富）的对象，如：照片、绘图等，通过图像软件可进行复杂图像的处理以得到更清晰的图像或产生特殊效果。 计算机中的图像从处理方式上可以分为位图和矢量图。1）采用RGB猜测空间，灰度等级为8bit，无压缩时占存储空间大小为： 2）去掉彩色信息，灰度等级为4bit，无压缩时占存储空间大小为： 二、 什么是图像增强？什么是图像复原？它们之间的区别是什么？（10分）答：图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理

3、方法。其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。图像增强技术主要包含直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。图像复原试图利用退化现象的某种先验知识来重建或复原被退化的图像。其中维纳滤波是一种常见的图像复原的方法,该方法的思想是使复原的图像与原图像的均方误差最小原则来复原图像,但是该法具有一定的限制性,且在复原过程中易产生振铃效应。图像增强是指使用主观标准改善图像，而图像复原是指采用与图像受损过程中相反的过程来复原图像，这里使用的是客观标准。三、 什么是直方图均衡化？为什么直方图均衡化并不会产生具有平坦直方图的图像？（15分）答：直方图均衡化是图像处理

4、领域中利用图像直方图对对比度进行调整的方法。通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。这是由于直方图均衡化是将图像灰度的概率密度均匀分布,只将几个像素较少的灰度级归并到了一个新的灰度级上,而像素较多的灰度级间隔拉大。四、 图像噪声的类型有哪些?（15分）答：1.图像噪声按其产生的原因

5、可以分为：外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设备，天体放电现象等引起的噪声。内部噪声：一般又可分为以下四种：（）由光和电的基本性质所引起的噪声。如电流的产生是由电子或空穴粒子的集合所形成。因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度岁时间和空间变化所形成的光量子噪声等。（）电器的机械运动产生的噪声。如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动一起的抖动等。（）器材材料本身引起的噪声。如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些

6、噪声有望不断减少，但在目前来讲，还是不可避免的。（）系统内部设备电路所引起的噪声。如电源引入的交流声；偏转系统和箝位电路所引起的噪声等。五、 为什么低通滤波可以减少噪声？（15分）答：噪声的基本定义是外来不想要的信号干扰(或与想要的信息一起发生的无关的或没有意义的数据)。FilterVu可变低通滤波器允许用户滤掉这些不想要的信号干扰。可变低通滤波是泰克MSO2000和DPO2000系列示波器独有的强大功能。FilterVu是唯一允许用户从显示的信号中滤掉不想要的噪声，同时仍能用示波器的全部带宽捕获意想不到的毛刺的可变低通滤波器。通过显示两个波形：一个可以滤掉的波形，一个毛刺捕获波形来实现。允许工程师能将控制/选择低通滤波器频率应用到显示的信号上。为揭示预计信号，按仪器前面板上的FilterVu按钮，调节低通滤波器频率，滤掉噪声。这种更加干净的波形可以更加精确地定位信号边沿和幅度电平，其结果是改善了光标测量的可靠度，更干净地编制重要信号属性文档。六、 如果我们感兴趣的是图像的高频部分应该怎么做?（10分）答：对一幅图像中感兴趣的部分采用低压缩比以获取较好的图像效果，而对其他部分采用高压缩比以节省存储空间，这样就可以通过