2022年冈萨雷斯_数字图像处理第版第章习题.-.

1、4.16 证明连续和离散二维傅里叶变换都是平移和旋转不变的。首先列出平移和旋转性质：f x y ej2(u x M 0v y N 0)F uj2u0,vv 0)(4.6-3)f xx 0,yy0)F u v e(x r M 0y v N 0(4.6-4)旋转性质：xrcos ,yrsin,u0)cos ,vsinf r ( ,0)F( ,(4.6-5)证明：由式 (4.5-15)得：由式 (4.5-16)得：依次类推证明其它项。4.17 由习题 4.3 可以推出 1( , ) u v 和( , t z)21。使用前一个性质和表4.3 中的平移性质证明连续函数f t z ( , )Acos(2u

2、 t 0v z 的傅里叶变换是F u v ( , )A ( uu 0,vv 0)(uu0,vv 0)2证明：F u v ( , )f t z ej2(utvz )dtdz(u t 0v z 0)ej2 (u tvz dtdzAcos(2u t2v z ej2(utvz )dtdzAej2(u t v z 0 0)ej2(u t v z 0 0 )ej2(utvz )dtdz2Aej2(u t 0v z 0 )ej2(ut vz)dtdzAej222A(uu0,vv 0)A(uu 0,vv0)22A (uu0,vv0)(uu 0,vv0)24.18 证明离散函数f x y)1的 DFT 是1(

3、, )1,uv00,其它证明：离散傅里叶变换M 1 N 1j 2 ( ux M vy N )F u v ( , ) f x y ex 0 y 0M 1 N 1j 2 ( ux M vy N )1 ex 0 y 0M 1 N 1j 2 ( ux M vy N )ex 0 y 0如果 u v 0，1 1，否则：M 1 N 11 cos2 ( ux M vy / N ) j sin2 ( ux / M vy / N )x 0 y 0M 1 N 1考虑实部，1 cos2 ( ux M vy / N )， cos2 ( ux / M vy / N ) 的值介x 0 y 0M 1 N 1于-1, 1，可以

4、想象，1 cos2 ( ux M vy / N ) 0，虚部相同，所以x 0 y 01, u v 01 ( , )0, 其它4.19 证明离散函数 cos(2 u x 0 2 v y 的 DFT 是F u v ( , ) 1 ( u Mu 0 , v Nv 0 ) ( u Mu 0 , v Nv 0 )2证明：F u v ( , )M1N1f x y ej2(ux Mvy N)vy N)vy N)ej2(ux Mvy N)j2(ux Mvy N)x0y0cos(2u x2v y ej2(ux MM1N1x0y01ej2(u x v y 0 0)ej2(u x v y 0 0)ej2(ux M1

5、M1N2x0y01 2M1N1ej2(u x v y 0 0)ej2(ux Mvy N)M1N1j2(u x v y 0 0ex0y0 x0y01N1ej2(Mu x M 0Nv y N 0)e1 2M1N1ej2(Mu x M 0Nv y N 0)ej2(ux Mvy N)Mx0y0 x0y01 ( 2uMu0,vNv0)(uMu0,vNv0)4.20 下列问题与表 4.1 中的性质有关。 (a) 证明性质 1 的正确性。 (b) 证明性质 3 的正确性。(c) 证明性质 6 的正确性。 (d) 证明性质 7 的正确性。(e) 证明性质 9 的正确性。(f) 证明性质 10 的正确性。 (g

6、) 证明性质 11 的正确性。(h) 证明性质 12 的正确性。(i) 证明性质 13 的正确性。(a)当f(x,y)为实函数，则*F(* uv,)M1N1(fx,y)exp(j2ux/Mvy/N)和F(* uv,)R (uv,)jI(uv,)x0y0M1N1f(* x,y)exp(j2ux/Mvy/N)x0y0M1N1f(x,y)exp(2ux/Mvy/N)x0y0F(u,v)(b)当f(x,y)为实函数，则F(uv,)R (uv,)jI(uv,并且F(u,v)R (u,v)jI(u,v)。而且F(* u,v)F(u,v)，所以可以得到：R (uv,)jI(uv,)R (u,v)jI(u,v

7、)，便是R (uv,)R (u,v)为偶函数和I(u,v)I(u,v)为奇函数。(c)当f(x,y)为复函数，由下式得：um Mvn N)*M1N1f m n , )exp( 2f(x ,y )M1N1f*m0n0um Mvn N( , )exp(j2m0n0F*( , )所以得证；(d)当f(*,y)为复函数，由下式得：j2ux Mvy N)*xf*( , )M1N1f*( , )exp(m0n0ux Mvy NM1N1 0f x y ( , )exp( 2m0nF*(u ,v)所以得证；(e)当f(x,y)为实函数、 奇函数，则F(u,v)的实部为 0，即为虚数， 且也是奇数。F(uv,)

8、M1N1Mvy/N)f(,xy)exp(j2ux/M1N1x0y0exp(j2vy/N)f(,xy)exp(j2(ux/M)x0y0oddevenjoddevenjoddM1N1M1N1x0y0M1N1M1N1x0y0oddeven2jevenevenoddevenx0y0 x0y0由式可知，为虚数。(f)当f(x,y)为虚函数、偶函数，由下式得：F(uv,)M1N1/jN)evenf(x,y)exp(2ux/MvyM1N1x0y02vy/N)jg(x,y)exp(j2ux/M)exp(x0y0M1N1jevenevenjoddevenjoddx0y0oddoddM1N1jevenevenev

9、en2jevenoddx0y01M1N1M1N1M1Njyeveneven2evenoddjevenx00 x0y0 x0y0所以 F(u，v)为一虚数。(g)当f(x,y)为虚函数、奇函数，由下式得：odd1NoddoddF(uv,)M1N1joddeveneven2jevenM1N1x0y0M1joddevenjoddevenjoddx0y01M1N1M1Njyoddeven2evenevenj0yoddevenx00 x0y0 x0可知，结果为一实数。(h)当f(x,y)为复函数、偶函数，由下式得：)j2Mux/Mie(vy/N)j2ux/Mvy/N)fre(x,y)jfie(x,y)f

10、(x,y)M1N1fre(x,y)jfie(x,y)exp(F(u,x)M1N1fx0y0j1N1fx,y)exp(x,y)exp(j2ux/Mvy/Nx0y0rex0y0由式子可知，前项为实数，而后项为一纯虚偶数。(i)当f(x,y)为复函数、奇函数，由下式得：)j2Mux/M,vy/,N)j2ux/Mvy/N)F(uv,)M1N1fro(x,y)jfio(x,y)exp(M1N10fx0y0j1N1fio(xy)exp(ro(x,y)exp(j2ux/Mvy/Nx0yx0y0由式子可知，前项为一偶实函数，后项为一纯虚奇数。 4.21 4.6.6节中在讨论频率域滤波时需要对图像进行填充。在该

11、节中给出的图像填充方法是，在图像中行和列的末尾填充0 值(见上面的左图 )。如果我们把图像放在中心，四周填充 0 值(见上面的右图 )，而不改变所用 0 值的总数，会有区别吗？试解释原因。答：如下图所示观察上图，左图是正确的结果，右图是 绕错误出现的原因在于没有对图像进行填充，才能得到正确的卷积结果。“缠绕错误 ”引起的卷积错误。这个缠 只有通过填充之后获得适当的间距关键在于得到 “适当的间距 ”，左右两种填充可以得到相同的结果。 4.22 同一幅图像的两个傅里叶频谱如右图所示。左边的频谱对应于原图像，右边的频谱图像使用 0 值填充后得到的。 解释右图所示的谱沿垂直轴和水平轴方 向的信号强度显

12、著增加的原因。答：除非原图像中所有的边界都是黑色的，用 0 值填充图像的边界将不可避免地在图像的一条或多条边界上引入灰度值变化的不连续性，即新增了水平“边界 ”和垂直 “边界”，“边界”意味着高频分量，所以，对应到频域中，我们看到了沿垂 直轴和水平轴方向的信号强度显著增加的现象。4.23 由表 4.2 可知 DFT 的直流项 F (0, 0) 与其对应的空间图像的平均值成正比。假定图像尺寸是M N 。假如对图像进行 0 填充后，图像的尺寸为 P Q ，其中P 和 Q 分别由式 (4.6-31)和式 (4.6-32)给出。令 F p (0, 0) 代表填充后的函数的 DFT的直流项。 (a) 原

13、图像平均值和填充后图像平均值的比值是多少？(b) Fp(0, 0)F(0, 0)吗？假设从数学角度回答。解： (a) 图像灰度平均值的计算：所以原图像平均值和填充后图像平均值的比值是(b) 是的，它们相等。解释：我们知道结合 (a)的结论，可以证明。4.24 证明表 4.2 中的周期性质 (性质 8)证明：离散傅里叶变换F uF u v)M1N1f x y ej2(ux Mvy N)k x 1x0y01M1N1F u v ej2(ux Mvy N)f x y)u0v0MNk M v , )M1N1f x y ej2 (uk M 1) / x Mvy Nx0y0M1N1f x y ej2ux M

14、k x vy N 1x0y0M1N1f x y ej2( ux Mvy N)ej2x0y0M1N1f x y ej2( ux Mvy N)x0y0F u v ( , )F u vk N)M1N1j2 ux M(v k N y N 2k y 2f( , x y ex0y0j2 ux Mvy Nk y 2M1N1f x y ex0y0j2(ux Mvy N)ej2M1N1f x y ex0y0j2(ux Mvy N)M1N1f x y ex0y0F u v)其它证明类似。4.25 下列问题与表 4.3 中的性质有关。 (a) 证明一维情况下离散卷积定理的正确性。(b) 对于二维情况，重复 (a)

15、(c) 证明性质 9 的正确性。(d) 证明性质 13 的正确性。(注意：习题 4.18、习题 4.19 和习题 4.31 也与表 4.3 有关 )证明： (a) 一维情况下离散卷积定理的证明 由(4.4-10)以及一维离散傅里叶变换的定义可知f x ( )h x ( )M1f m h xm )(4.4-10)m0一维傅里叶变换：F u ( )M1f x ej2ux M,ux0,1,2,.,M1(4.4-6)x0(4.4-7)1F u ejf x ( )1M2ux M,0,1,2,.,M1Mu0而：所以：(b) 由(a)可知(c) 矩形波 recta, b的傅里叶变换：性质 9 rect a

16、b , absin(ua ) sin(ub )ej(ua vb)uaub(d) 证明性质 13 的正确性。性质 13 A22e222(t2z 2)Ae(u2v2)/224.26 (a) 证明连续变量 t 和 z 的连续函数f t z 的拉普拉斯变换满足下列傅里叶变换对 拉普拉斯变换的定义见式 (3.6.3)：2f t z ( , )42(u2v2)F u v ( , )(提示：研究表 4.3 中的性质 12 并参阅习题 4.25(d) (b) 前面闭合显示的表达式仅适用于连续变量。然而，使用M4N 滤波器，H u v ( , )42(u2v2)2(u2v2)它 可 能 是 离 散 频 率 域

17、实 现 拉 普 拉 斯 的 基 础 ，H u v ( , )u0,1,2,.,M1，v0,1,2,.,N1。解释您怎样实现这个滤波器。(c) 正如您在例 4.20 中看到的那样， 频率域的拉普拉斯结果类似于使用中心系数 为-8 的空间模板的结果。请说明频率域拉普拉斯结果与中心系数为-4 的空间模 板的结果不同的原因。(a) 证明：由第 3 章可知，两个连续变量的拉普拉斯函数f t z 定义为根据表 4.3 中的性质 12，可得拉普拉斯函数的傅里叶变换为得证。(b) 答：由前面的推导可以看出，拉普拉斯滤波器适用于连续变量。对离散傅里 叶变换，我们可以通过对拉普拉斯函数进行采样来构造相应的滤波器：

18、其中，u0,1,2,.,M1，v0,1,2,.,N1。当傅里叶变换是圆形形式时，频域的拉普拉斯滤波器可以表示为总之，对空域和频域之间的变换，我们使用以下拉普拉斯傅里叶变换对：核心思想是：离散的拉普拉斯傅里叶变换是通过对连续的拉普拉斯傅里叶变换进 行采样得到的。(c) 由于拉普拉斯变换是各向同性的，如果空域中的模板包含了对角分量，则拉 普拉斯变换的对称性的近似程度更大。所以，相比于中心系数为-4 的空间模板，中心系数为 -8 的空间模板更加类似于频率域的拉普拉斯结果。 4.27 考虑大小为 5 5的空间模板，它平均与点 平均值排除该点本身。(x, y)最靠近的 12 个邻点，但(a) 在频率域找

19、出与其等价的滤波器 H u v 。(b) 证明您的结果是一个低通滤波器。解：为了节省时间，以下不用 空域的均值 (中心点除外 )为由表 4.3 中的性质 3 可得：其中5 5 ， 而根据英文版习题答案进行回答(b) 为了解释这是一个低通滤波器，我们先将这个滤波器表示为中心形式为 了 便 于 解 释 ， 我 们 先 考 虑 一 个 变 量 。 当 u 从 0 增 加 到 M-1 时 ，cos(2 uM/ 2/M)的值从 -1 增加到 1，又从 1 减小到 -1，当uM/ 2时，达到最大值 1。因此，越远离中心点，该滤波器的值越小，这就是低通滤波。4.28 基 于 式 (3.6.4) ， 近 似

20、二 维 离 散 微 分 的 一 种 方 法 是 计 算 形 如f x1, )f(x1,y)2 ( , f x y 和f x y1)f x y1)的差。(a) 在频率域找出与其等价的滤波器H u v 。(b) 证明您的结果是一个高通滤波器。(a) 解：根据离散傅里叶变换DFT 的定义和表 4.3 性质 3 可得f xj1, )f x1, )2 ( , f x y)2F u v ( , )e2u MF u v ( , )ej2u MF u v ( , )所以f x1,y)f x1,y)2f x y)H u v F u v ( , )其中H u v ( , )ej2u Mej2u M122cos(2

21、u M)(b) 为了解释这是一个高通滤波器，我们先将这个滤波器表示为中心形式H u v ( , ) 2cos2 ( u M / 2) / M 1当 u 从 0 增加到 M -1 时， cos2 ( u M / 2) 的值最初为 -1，在 u M / 2 时为 1，在u M 1 时为 -1，H u v 的值从 -4 变到 0，再从 0 变到 -4。所以， 越靠近中心点，H u v ( , )的幅度越小，因此，这是一个高通滤波。4.29 找出一个等价的滤波器H u v ，它在频率域实现使用图3.37(a)中的拉普拉斯模板执行的空间操作。解：滤波函数如下：正如 4.28，其中，将频率转移到中心点，当

22、时。越远离中心点，的幅度越大。最重要的一点在于：直流分量被滤除，保留了高频分量，所以这是一个高通滤波器。4.30 您能想出一种使用傅里叶变换计算(或分部计算 )用于图像差分的梯度幅度见式(3.6-11)的方法吗？如果您的回答是可以，那么请给出一种方法去实现它。如果您的回答是不可以，请解释原因。答：M x y)mag(f)g2g2(3.6-11)xy无法通过傅里叶变换进行上式的计算，因为傅里叶变换是一个线性过程，而该式中涉及到平方和平方根等非线性计算。 我们能够利用傅里叶变换计算差值， 但是，不能用其处理平方、平方根、绝对值等运算，只能在空域里面处理这些运算。 4.31 在连续频率域中，一个连续

23、高斯低通滤波器有如下传递函数：H u v ( , )e(u2v2)证明相应的空间域滤波器是h t z ( , )e22(t2z 2)证明：4.32 如式 (4.9-1)说明的那样，从低通滤波器的传递函数得到高通滤波器的传递函数HHP是可能的：HHP1HLP使用习题 4.31 中给出的信息，回答空间域高斯高通滤波器是什么形式？解：对HHP进行傅里叶反变换得( , t z)e22(t2z 2)h HP( , )4.33 考虑右侧所示的图像。 右侧的图像是通过如下步骤得到的：(a) 用( ( 1)xy 乘xy 乘以左侧的图像； (b) 计算 DFT ；(c) 取该变换的复共轭；(d) 计算反 DFT

24、 ；(e) 用( ( 1)以结果的实部。(从数学上 )解释为什么右边的图像会出现该现象。证明：取共轭的傅里叶逆变换：f( , x y )1M1N1* F u v ej2(ux Mvy N)0vMNu01N1j2(ux Mvy N) * 1MF u v eMNu0v02(ux Mvy N)1M1N1F u v ej0vMNu01M1N1F u v ej2u(x Mv (y)/NMNu0v0y)f(x ,所以变换后的图像与原图像关于原点对称。4.34 图 4.41(b)的水平轴上近似周期性的亮点的来源是什么？答：这些亮点的来源是左图中左下角等间距的垂直线条。 4.35 图 4.53 中的每一个滤波

25、器在其中心处都有一个很强的尖刺，解释这些尖 刺的来源。答：这是由于高通滤波器的频域表示为HHP1HLP式中的 1，逆变换会空间与是一个冲击响应 了一个尖刺。( , x y ，因此，空域上的中心处出现4.36 考虑下面所示的图像。右边的图像是对左边图像用高斯低通滤波器进行低 通滤波，然后用高斯高通滤波器对其结果再进行高通滤波得到的。图像大小为420 344 ，两个滤波器均使用了D025。(a) 解释右侧图像中戒指的中心部分明亮且实心的原因，考虑滤波后图像的支配特性是物体 (如手指、腕骨 )的外边界上的边缘及这些边缘之间的暗区域。换句话说，您并不希望高通滤波器将戒指内部的恒定区域渲染为暗色，因为高

26、通滤波消除了直流项？(b) 如果颠倒滤波处理的顺序，您认为结果会有区别吗？答： (a) 如果只进行高通滤波，戒指的中心是黑色的。然而，通过低通滤波，我们将黑色中心区域平均化。 最终结果中戒指如此明亮的原因在于，戒指边缘的灰度不连续性比图像中其它任何部分都大，因而对显示结果影响最大。(b) 由于傅里叶变换是线性的，先后顺序对结果没有影响。4.37 给出一幅大小为 MN 的图像，要求做一个实验，实验所用截止频率为D 的高斯低通滤波器重复对该图像进行低通滤波。而且忽略计算上的舍入误差。令c min 是实验所用机器可表示的最小正数。 (a) 令 K 表示该滤波器使用的次数。在进行实验前，您能预测 K

27、为足够大的值时的结果 (图像 )将是什么吗？如果能，结果是什么？(b) 推导出保证预测结果的最小 K 值的表达式。(a) 高斯低通滤波：K 次滤波得到的结果为：试想 K 很大时，将只有F(0, 0)通过，即(b) 为了保证得到上述结果，要求K 足够大，由于计算机的最小正数为cmin，则当某一个数小于c min的一半时，该整数将被置为0。所以， K 应该满足条件不考虑原点，由于 u 和 v 都是离散数据，所以 D u v ( , ) 1，所以4.38 考虑下面所示的图像序列。最左侧的图像是商用印刷电路板的 X 射线图像的一部分。该图像右侧的图像分别是使用一个D030的高斯高通滤波器进行1次、 1

28、0 次和 100 次滤波后的结果。图像的大小为330 334像素，每个像素由8比特灰度表示。为了便于显示，图像已进行了缩放，但这对本习题没有影响。(a) 从这几幅图像可以看出，经过有限次数的滤波后，图像将不再发生变化。请说明实际是否如此。可以忽略计算舍入误差。令cmin表示完成此实验的机器可表示的最小正数。(b) 如果在 (a)中确定有限次迭代后变化将停止，求最小的迭代次数。解：(a) 是的，经过有限次滤波之后，图像将不再发生变化。理解的关键在于将 K 次高通滤波函数视为与 4.37 不同，这儿的滤波器是“ 凹口” 滤波，将滤除F(0, 0)，因而，将产生一幅图像，图像中所有像素灰度值的平均值

29、是0(有些像素的灰度值为负数)。所以，有一个K 值，当滤波次数大于 K 时，图像保持不变。(b) 滤波 K 次之后，图像保持不变，满足下式：解出来的 K 值同 4.374.39 如图 4.59 中说明的那样，将高频强调和直方图均衡相结合是实现边缘锐化和对比度增强的有效方法。(a) 说明这种结合方法是否与先用那种有关。(b) 如果与应用顺序有关，请给出先采用某种方法的理由。答： (a) 频域滤波在空域中表示为卷积：滤波之后再进行直方图均衡：其中“T” 代表直方图均衡变换 如果颠倒顺序，结果为：由于“T” 是一个非线性过程，所以所以说，这种结合方法与处理的先后顺序有关。(b) 由图 4.59 可以看出， 高频强调使得图像的对比度降低，所以要先进行高频强 调，再进行直方图均衡。4.40 使用一个布特沃斯高通滤波器构建一个同态滤波器 4.61 中的滤波器的形状相同。解：同态滤波器如下：有高斯高通滤波器