《数字图像处理》期末考试重点总结文档格式.docx
《《数字图像处理》期末考试重点总结文档格式.docx》由会员分享，可在线阅读，更多相关《《数字图像处理》期末考试重点总结文档格式.docx（8页珍藏版）》请在冰豆网上搜索。
*对数变换S=C*log（1+r）c为常数，r>
=0
作用与特点：
对数变换将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值，同时，对输入中范围较宽的高灰度值映射为输出中较窄范围的灰度值。
对数函数的一个重要特征是可压缩像素值变化较大的图像的动态范围；
*幂律（伽马）变换s=c*（r+ɛ）ɤ
伽马小于1时减小图像对比度，伽马大于1时增大对比度。
*灰度直方图
：
是数字图像中各灰度级与其出现的频数间的统计关系。
*直方图均衡化：
直方图均衡化就是通过变换函数将原图像的直方图修正为均匀的直方图，即使各灰度级具有相同的出现频数，图象看起来更清晰。
直方图均衡化变换函数必须为严格单调递增函数。
直方图均衡化的特点：
1.能自动增强图像的对比度2.得到了全局均衡化的直方图，即均匀分布3.但其效果不易控制
*直方图规定化（匹配）：
用于产生处理后有特殊直方图的图像的方法
*空间滤波即直接对图像像素进行处理。
获得最佳滤波效果的唯一方法是使滤波掩模中心距原图像边缘的距离不小于（n-1）/2个像素。
*平滑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是：
待处理图像在滤波器掩模邻域内的像素的简单平均值。
优点：
减小了图像灰度的“尖锐”变化，故常用于图像降噪。
负面效应：
模糊了图像的边缘，因为边缘也是由图像灰度的尖锐变化造成的。
空间均值处理的重要应用是，为了对感兴趣的物体得到一个粗略的描述而模糊一幅图像。
*中值滤波器机理：
将像素邻域内灰度的中值代替该像素的值；
对于处理脉冲噪声非常有效，该种噪声也称为椒盐噪声；
*量化：
把采样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化，即采样点亮度的离散化。
*灰度图像：
指每个像素的信息由一个量化的灰度级来描述的图像，它只有亮度信息，没有颜色信息。
*图像锐化滤波的几种方法。
答：
（1）直接以梯度值代替；
（2）辅以门限判断；
（3）给边缘规定一个特定的灰度级；
（4）给背景规定灰度级；
（5）根据梯度二值化图像。
*伪彩色增强和假彩色增强有何异同点。
伪彩色增强是对一幅灰度图像经过三种变换得到三幅图像，进行彩色合成得到一幅彩色图像；
假彩色增强则是对一幅彩色图像进行处理得到与原图象不同的彩色图像；
主要差异在于处理对象不同。
相同点是利用人眼对彩色的分辨能力高于灰度分辨能力的特点，将目标用人眼敏感的颜色表示。
*图像编码基本原理是什么？
数字图像的冗余表现有哪几种表现形式？
虽然表示图像需要大量的数据，但图像数据是高度相关的，或者说存在冗余（Redundancy）信息，去掉这些冗余信息后可以有效压缩图像，同时又不会损害图像的有效信息。
数字图像的冗余主要表现为以下几种形式：
空间冗余、时间冗余、视觉冗余、信息熵冗余、结构冗余和知识冗余。
*什么是中值滤波，有何特点？
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。
特点：
它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。
*图像增强的目的是什么？
对图像进行加工，使其结果比原始图像更适用于特定应用。
“特定”一词表明图像增强技术是面向问题的。
*图像锐化与图像平滑有何区别与联系？
区别：
图像锐化是用于增强边缘，导致高频分量增强，会使图像清晰；
图像平滑用于消除图像噪声，但是也容易引起边缘的模糊。
联系：
都属于图像增强，改善图像效果。
*图像复原和图像增强的主要区别是：
图像增强主要是一个主观过程，而图像复原主要是一个客观过程；
图像增强不考虑图像是如何退化的,而图像复原需知道图像退化的机制和过程等先验知识
*图像增强时，平滑和锐化有哪些实现方法？
平滑的实现方法：
邻域平均法，中值滤波，多图像平均法，频域低通滤波法。
锐化的实现方法：
微分法，高通滤波法。
*对于椒盐噪声，为什么中值滤波效果比均值滤波效果好？
椒盐噪声是复制近似相等但随机分布在不同的位置上，图像中又干净点也有污染点。
中值滤波是选择适当的点来代替污染点的值，所以处理效果好。
因为噪声的均值不为0，所以均值滤波不能很好地去除噪声。
*什么是区域？
什么是图像分割？
区域可以认为是图像中具有相互连通、一致属性的像素集合。
图像分割时把图像分成互不重叠的区域并提取出感兴趣目标的技术。
*图像中微分算子的特点
1.一阶微分产生较粗的边缘，二阶微分产生的边缘则较细；
2.对于孤立的噪声点，在该点及其周围点上，二阶微分比一阶微分的响应要强很多；
3.二阶微分有一个过渡，即从正回到负，在图像中，表现为双线。
*二维图像函数f（x,y）的拉普拉斯变换定义为：
锐化图像=原图像+拉普拉斯图像
*对于数字图像处理而言，离散傅里叶变换和其反变换必定存在。
用（-1）x+y乘以f（x,y），可以将F（u,v）原点变换到频率坐标的（M/2,N/2）处。
在决定形状特点时，相位信息非常重要。
*理想滤波器的在频域的剖面图类似于盒滤波器（矩形窗口），因此相应的空间滤波具有sinc函数的形状。
sinc函数的中心波瓣（主瓣）是引起模糊的主因，而外侧较小的波瓣（旁瓣）是造成振铃的主要原因。
*巴特沃斯低通滤波器（BLPF）
1阶的巴特沃斯滤波器没有振铃；
2阶的滤波器振铃通常很微小；
20阶的巴特沃斯滤波器就非常类似于理想低通滤波器了。
*高斯低通滤波器（GLPF）
高斯低通滤波器没有振铃
在需要严格控制低频和高频之间截止频率过渡的情况下，巴特沃斯滤波器是个更合适的选择，但其代价是可能产生振铃现象。
*图像变换：
将定义在图像空间的原图像，以某种形式转换到另外一些空间，并利用这些空间的特有性质方便进行一定的加工。
离散余弦变换主要用于图像的压缩，压缩方法是给高频系数大间隔量化，低频部分小间隔量化。
*图像复原技术的主要目的是以预先确定的目标来改善图像，尽可能的减少或消除图像质量的下降，恢复被退化图像的本来面目。
图像退化的部分原因：
1.光学成像器件的相差;
2.成像衍射;
3.成像过程的非线性系统噪声。
*图像退化/复原模型
图像复原处理的关键是建立退化模型，原图像f（x,y）是通过一个系统H及加入一来加性噪声n（x,y）而退化成一幅图像g（x,y）
g（x,y）=H[f（x,y）]+n（x,y）
*谐波均值滤波器对于盐粒噪声效果较好，但不适用于胡椒噪声。
它善于处理高斯噪声那样的其他噪声。
*逆谐波均值滤波器
当值为正时，可消除胡椒噪声；
当值为负时，可消除盐粒噪声；
当值为0时，其简化为算术均值滤波器。
*中值滤波器
对于某些类型的随机噪声，中值滤波器可提供良好的去噪能力，且比同尺寸的线性平滑滤波器引起的模糊更少
在存在单极和双极脉冲噪声的情况下，中值滤波器尤其有效。
*简述基于边缘检测的霍夫变换的原理。
把直线上点的坐标变换到过点的直线的系数域，通过利用共线和直线相交的关系，使直线的提取问题转化为计数问题。
*数字图像的定义，什么是数字图象处理？
数字图像是将一幅画面在空间上分割成离散的点（或像元），各点（或像元）的灰度值经量化用离散的整数来表示，形成计算机能处理的形式。
数字图像处理，就是利用计算机技术或其他数字技术，对图像信息进行某些数学运算和各种加工处理，以改善图像的视觉效果和提高图像实用性的技术。
*图像分割就是指把图像分成互不重叠的区域并提取出感兴趣目标的技术和过程。
*在计算数字梯度的实践中，Prewitt算子和Sobel算子是最常用的。
*高斯拉普拉斯（LoG）
*阈值分割方法总结
简单、高效。
局限性：
对于目标和背景灰度级有明显差别的图像分割效果较好。
对于目标和背景灰度一致性或均匀性较差的图像分割效果不好。
只能将图像分割为两个区域，对于含有多个目标的图像分割几乎难以奏效。
*对于彩色图像，通常用以区别颜色的特性是色调、饱和度、亮度。
*一个基本的数字图像处理系统由图像输入、图像存储、图像输出、图像通信、图像处理和分析5个模块组成。
*低通滤波法是使高频成分受到抑制而让低频成分顺利通过，从而实现图像平滑。
*多年来建立了许多纹理分析法，这些方法大体可分为统计分析法和结构分析法两大类。
*图像压缩系统是有编码器和解码器两个截然不同的结构块组成的。
*图像数字化过程包括三个步骤：
采样、量化和扫描
*数据压缩技术应用了数据固有的冗余性和不相干性，将一个大的数据文件转换成较小的文件。
*基本的形态学运算是腐蚀和膨胀。
先腐蚀后膨胀的过程为开运算，先膨胀后腐蚀的过程为闭运算。
*灰度分辨率是指在灰度级别中可分辨的最小变化。
空间分辨率是图像中可分辨的最小细节。
*因为图像分割的结果图像为二值图像，所以通常又称图像分割为图像的（二值化处理）。
*（腐蚀）是一种消除连通域的边界点，使边界向内收缩的处理。
*（膨胀）是将与目标区域的背景点合并到该目标物中，使目标物边界向外部扩张的处理。
*对于（椒盐）噪声，中值滤波效果比均值滤波效果好。
*常用的彩色增强方法有真彩色增强技术、假彩色增强技术和伪彩色增强三种。
*常用的灰度内插法有最近邻元法、双线性内插法和（双）三次内插法。
*假彩色增强和伪彩色增强的区别是什么？
假彩色增强是将一幅彩色图像映射到另一幅彩色图像，从而达到增强彩色对比，使某些图像达到更加醒目的目的。
伪彩色增强是把一幅黑白域不同灰度级映射为一幅彩色图像的技术手段。
虽然表示图像需要大量的数据，但图像数据是高度相关的，或者说存在冗余（Redundancy）信息，去掉这些冗余信息后可以有效压缩图像，同时又不会损害图像的有效信息。
升级会员 