数字图像处理课后参考答案

1、 氐11投帝倍U符号集X-心心心B）直概率分布为r（J,0.25,円：=6駄P3=o*SOJ,（,rJ）=oJ15iF（j）-0.10.r（jt）=0,05.试求其掘夫强塢码少匚珈r诽tUUl-Wr.TX,井求该儡码的平谢氏庭.解：编码赴秤如圈5&所朮JWG8打題也丨1的逗灯盘円由此町得蓉俏狸符号前编码为信減符号T.叭r-t概率0.250200,150.100.05輪码切011011Q0116.12第一步：，首先是建立信源符号级的概率模型，扫描输入符号序列可知，信源符号集中的符号按序1、。、n、c、e、排列，其在输入符号序列中出现的概率依次为0.3、0.1、0.1、0.1、0.3和0.1。第二

2、步，在扫描编码开始时，首先根据各信源符号及其出现的概率在半开区间0,1）内为每个信源符号分配一个其宽度等于其概率的半开区间：0.0,0.3）、0.3,0.4）、0.4,0.5）、0.5,0.6）、0.6,0.9）、0.9,1.0）且1对应的0.0,0.3）,。对应的0.4,0.5）,n对应的0.5,0.6）,c对应的0.6,0.9）,e对应的0.9,1.0）第三步，考察信源符号序列中的第一个符号序列1，将该符号序列对应的子区间0.0,0.3）扩展到整个高度，并根据各信源符号及其概率将其子分成6个半开子区间：0.0,0.09）、0.09,0.12）.0.12,0.15）、0.15,0.18）、0

3、.18,0.27）、0.27,0.3）。第四步，考察信源符号序列中的第二个符号序列。，将该符号序列对应的子区间0.09,0.12）扩展到整个高度，并根据各信源符号及其概率将其子分成6个半开子区间：0.09,0.099）、0.99,0.102）、0.102,0.105）、0.105,0.108）、0.108,0.117）、0.117,0.12）。第五步，考察信源符号序列中的第三个符号序列n,将该符号序列对应的子区间0.102,0.105）扩展到整个高度，并根据各信源符号及其概率将其子分成6个半开子区间：0.102,0.1029）、0.1029,0.1032）、0.1032,0.1035）、0.1

4、035,0.1038）、0.1038,0.1047）、0.1047,0.105）。第六步，考察信源符号序列中的第四个符号序列c,将该符号序列对应的子区间0.1035,0.1038）扩展到整个高度，并根据各信源符号及其概率将其子分成6个半开子区间：0.1035,0.10359）、0.10359,0.10362）、0.10362,0.10365）、0.10365,0.10368）、0.10368,0.10377）、0.10377,0.10380）。第七步，考察信源符号序列中的第五个符号序列e,将该符号序列对应的子区间0.10368,0.10377）扩展到整个高度，并根据各信源符号及其概率将其子分成

5、6个半开子区间：0.10368,0.103707）40.103707,0.103716）、0.103716,103725）、0.103725,0.103734）、0.103734,0.103761）、0.103761,0.10377）。第八步，考察信源符号序列中的第六个符号序列_将该符号序列对应的子区间0.103761,0.103770）扩展到整个高度，并根据各信源符号及其概率将其子分成6个半开子区间：0.103761,0.1037637）、0.1037637,0.1037646）、0.1037646,0.1037655）、0.1037655,0.1037664）、0.1037664,0.10

6、37691）、0.1037691,0.103770）。第九步，考察信源符号序列中的第七个符号序列1,将该符号序列对应的子区间0.1037610,0.1037637）扩展到整个高度，并根据各信源符号及其概率将其子分成6个半开子区间：0.10376100,0.10376181）、0.10376181,0.1037208）、0.1037208,0.1037235）、0.1037235,0.1037262）、0.1037262,0.1037343）、0.1037343,0.1037370）。第十步，考察信源符号序列中的第八个符号序列1，将该符号序列对应的子区间0.10376100,0.10376181

7、）扩展到整个高度，并根据各信源符号及其概率将其子分成6个半开子区间：0.10376100,0.103761243）、0.103761243,0.103761324）、0.103761324,0.103761405）、0.103761405,0.103761486）、0.103761486,0.103761729）、0.103761729,0.103761810）。第十一步，考察信源符号序列中的第八个符号序列e,将该符号序列对应的子区间0.103761486,0.103761729）扩展到整个高度，并根据各信源符号及其概率将其子分成6个半开子区间：0.103761486,0.1037615589

8、）、0.1037615589,0.1037615832）、0.1037615832,0.1037616075）、0.1037616075,0.1037616318）、0.1037616318,0.1037617047）、0.1037617047,0.1037617290）。最后信源符号中的第十个符号e不要再分，直接对应子区间0.103761631&0.1037617047）所以信源符号序列1、。、n、c、e、_、1、1、e、e对应区间依次是：0.0,0.3）0.09,0.12）0.102,0.105）0.1035,0.1038）0.10368,0.10377）0.103761,0.103770

9、）0.1037610,0.1037637）0.10376100,0.10376181）0.103761486,0.103761729）0.1037616318,0.1037617047）。每个输入符号的编码可以取与该符号对应的区间中任意一点额值。该信源序列可以取0.0,0.09,0.102,0.1035,0.10368,0.103761,0.1037610,0.10376100,0.10376100,0.103791486,0.1037616318。敢口检黒綸科行与舎荐行的偉狀之廊和賞性穴小的不同滸榨编码有哪儿艸乐縮榄SEE82数字图咔理一敎学荷异和髓解答压辯橈式的功州足什么？答；游程细码利3

10、种FE縮挤宾；熾过模式,水平模毬利垂豈模贞.压缩模武的功州矗根据编码荷与参警行的锲累之间梱瓷件的上小等轴况逬行二缥游棵纭码，提离了缩硏嫂第第七章7.1（1）图像的分割是指依据图像的灰度，颜色，纹理，边缘等特征，把图像分成各自满足某种相似性准则或具有同质特征的连通区域的集合过程。（2）图像的边缘是指图像灰度发生空间突变的像素的集合。（13）图像的均值：是指图像中所有像素灰度值的平均值，主要反映了图像中像素的集中趋势。对于一幅M*N的图像，其均值既可以定义为：f=1/NM工M-1x=0工。彳(X，y)也可以用该图像的傅里叶变换系数来表示为：f=1/(MN)/2F(0，0)(14)图像的方差：方差是

11、一组资料中各数值与其算术平均数差的平方和的平均数，反映的是这组资料中各观测值之间的离散程度。对于一幅图像来说，图像的方差就是图像中各像素点的灰度值与其灰度均值差的平方和的平均值，反映了图像中各像素的离散程度和整个图像区域的起伏程度。对于一幅M*N的图像f(x,y),若其灰度均值为f,则图像的方差定义为2f=1/NMD-1x=工N-1y=f(X，y)-f27.2答：图像分割的依据是认为图像中各个区域具有不同特性，这些特性可以是灰度、颜色、纹理等。而灰度图像分割的依据是基于相邻像素灰度值的不连续性和相似性。也即同一区域内部的像素一般具有灰度相似性，而在不同区域之间的边界上一般具有灰度不连续性。所以

12、灰度图像的各种分割算法可据此分为利用区域间灰度不连续的基本边界的图像分割算法和利用区域内灰度相似性的基于区域的图像分割算法。-丁FFTKkUBl-r-VKHT-3常用的图俾分削方il主罂包聊哪几売？笔：常用的圏俾分割方亦主聲也揺以F四秃.门)战于边隊检测的帕悅分割方法.肚畢器恿路阳先确宦阳悻中的辿綵擦當熾肩可把它们连摄在-起购成所槪的辺艸.它应括邨度辿绦检熬二阶第分边缘悴闾利$圧子闹値的閹f象分削方眩它启魁取物体与背绘在躱匮上的嘉弃把图像分为只右不同联燈皱的日琢IX城利好拆区域的一种圈擦分割技木.适曲于那此物体勺汗戢在灰度上冇较K鸡井的團粽汨割问题.严格地说它屈于冈域分割技术包括闹幻化令鬧方法

13、、半鋼佢化分削方法和基于取峥膽虑方阁的冏伉选戰尊，駅冋址雳同图傑分割方法兄先通辻対阳俾匕的点啊閒便运算、来椀静出可薩存任的物体上的点然后在检as到的点的圧咄上逋过離跆运算弟检测轲体辿縹轮鼎的一种1科像分割亦法”它鱼折轮廓削粽法彌光栅跟踪注等.7.6答：Sobel边缘检测算子可较好的获得边缘效果，并且对噪声具有一定的平滑作用，减小了对噪声的敏感性。但Sobel边缘检测算子检测的边缘比较粗，亦即会检测出一些伪边缘，所以边缘检测精度比较低。Prewitt算子的梯度幅值表示式与Sobel算子的梯度幅值表示式完全相同，但Prewitt算子的计算比Sobel算子更为简单，Prewitt算子的边缘检测效果比

14、Sobel算子的边缘检测效果稍精细一些，但在噪声抑制方面Sobel算子比Prewitt算子略胜一筹。7.13答：该方法首先要在每个需要分割的区域中找一个种子像素作为生长点，然后将种子像素周围邻域中与种子像素具有相同或相似性质的像素合并到种子像素所在的区域中，接着以合并成的区域中的所有像素作为新的种子像素继续上面的相似性判别与合并过程，直到再没有满足相似性条件的像素可被合并进来为止。7.14答：三个关键问题如下：合理确定区域的生长过程中能正确代表所需区域的种子像素。确定在生长过程中能将相邻像素合并进来的相似性准则。确定终止生长过程的条件而或准则。7.17答：(1)一维熵对于灰度级为0L-1的数字

15、图像，若设每个灰度级出现的概率为则图像的一维信息熵定义为：H=工l-ip*lnpi=0ii(2)二维熵设i为图像的灰度值，j为图像的邻域灰度均值，且0=i，j=L-1，贝惬像像素的灰度值和反映图像灰度分布的空间特征量则组成的二元组(i,j)，则反映某像素位置上的灰度值与反映其周围像素的灰度分布的空间特征量组成的二元组(i,j)反映的二维综合特征为Pi,j=N(i，j)/M2其中，N(i,j)为综合特征二元组出现的频数，M为测量窗口中像素的个数。基于上述条件的图像二维熵定义为H=工l-i工l-ip*lnpi=0j=0i，ji，j图像的二维熵则能反映图像的灰度分布空间特征，在反映图像锁包含的信息量的前提下，突出反映了图像中像素位置的灰度信息和像素邻域内灰度分布的综合特征。(3)区别图像的一维熵表示图像中灰度分布的聚集特征所包含的信息量。图像的二维熵在反映图像所包含的信息量的前提下，突出反映了图像中像素位置的灰度信息和像素邻域内灰度分布的综合特征。图像的一维熵可以表示图像灰度分布的聚集特征，却不能反映图像灰度分布的空间特征，而图像的二维熵则反映了图像的灰度分布的空间特征。7.19答：纹理的三个标志如下：(1)某种局部的序列性在比该序列更大的区域内不断重