14年数字图像处理考试重点.docx

14年数字图像处理考试重点.docx

《14年数字图像处理考试重点.docx》由会员分享，可在线阅读，更多相关《14年数字图像处理考试重点.docx（22页珍藏版）》请在冰豆网上搜索。

14年数字图像处理考试重点

14年数字图像处理考试重点

第一章

1、基本概念

（1）图像处理（imageprocessing）：

是对图像信息进行加工以满足人的视觉或应用需求的行为。

（2）数字图像处理（digitalimageprocessing），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。

（3）图像分析：

通过对图像中不同对象进行分割来对图像中目标进行分类和识别的技术

◆图像分析是比图像处理更高一级的计算处理过程。

◆图像分析的目的：

是缩减对图像的描述，以使其更适合于计算机处理及对不同目标的分类。

◆图像分析的基本特征：

输入是图像，输出是对输入图像进行描述的信息。

图像处理是对图像的低级处理阶段，图像分析是对图像的高一级的处理阶段。

图像的低级处理阶段和高一级的处理阶段是相互关联和有一定重叠性的。

1.2数字图像处理系统的组成

1.3图像处理技术研究的内容

包括图像变换，图像增强，图像恢复，图像压缩编码，图像分割与特征提取，形态学图像处理，彩色、多光谱及高光谱图像处理、图像的表示与描述等。

●图像变换（imagetransform）

是简化图像处理过程和提高图像处理效果的基本技术，最典型的图像变换主要有傅里叶变换、离散余弦变换和小波变换等。

●图像增强（imageenhancement）

是或简单地突出图像中感兴趣的特征，或想方显现图像中那些模糊了的细节，以使图像更清晰地被显示或更适合于人或机器的处理与分析的一种技术。

●图像恢复（imagerestoration）

是一种从图像退化的数学或概率模型出发，研究改进图像外观，从而使恢复以后的图像尽可能地反映原始图像的本来面目的一种技术，其目的是获得与景物真实面貌相像的图像。

●图像压缩编码（imagecompression）

是在不损失图像质量或少损失图像质量的前提下,尽可能地减少图像的存储量，以满足图像存储和实时传输应用需求的一种技术。

●图像分割（imagesegmentation）

是图像处理技术中最为困难的任务之一，其基本思路是把一幅图像划分成背景和目标，从而提取感兴趣的目标来。

●图像形态学处理技术（morphologicalprocessing）

是一种新的提取图像元素的技术，在表现和描述物体形状方面具有很好的处理效果和应用价值。

1.4图像处理技术的应用领域

图像处理技术的主要应用领域有：

生物医学（medicalimage）、遥感技术（remotesensingimage）、工业生产（industry）、军事技术（military）、通信技术（communication）、侦缉破案（criminalinvestigation）、气象预报（ weatherforecast）、宇宙探索（spaceexploration）、考古（ archaeology）等，已经遍布国民经济的各个领域。

第二章

2.2人眼的亮度视觉特性

◆大量实验表明，主观亮度（subjectivebrightness,

人的视觉系统感觉到的亮度）与进入人眼的光的强度成对数关系。

对图像进行对数运算处理后,比较适应人的视觉特性。

◆人眼对从亮突变到暗环境的适应能力称为暗适应性

◆人眼对亮度变化跟踪滞后的性质称为视觉惰性

（Visualinertia,短暂的记忆特性）。

2、同时对比效应（simultaneouscontrast）

是指人眼对某个区域的亮度感觉并不仅仅取决于该区域的强度，而是与该区域的背景亮度或周围的亮度有关的特性。

3、马赫带效应（Machbandeffect）

2.3.2数字图像的表示

1、均匀采样和量化

为了描述上的方便,本书仍用f（x,y）表示数字图像。

设x∈[0，M-1]，y∈[0，N-1]，f∈[0，L-1]，则数字图像可表示成式（2.7）形式的一个M×N的二维数字阵列。

其中:

每个（x,y）对应数字图像中的一个基本单元，称其为图像元素（imageelement），简称为像素（pixelorpel）；且一般取M、N和的灰度级L为2的整次幂（integerpowerof2），即：

M=2m（2.8）

N=2n（2.9）

L=2k（2.10）

这里，m、n和k为正整数（integer）。

看上去一个“像素”就是一个正方形的色块，事实上，“像素”是一个纯理论的概念，它没有形状也没有尺寸，看不见摸不着，只存在于理论计算中。

存储一幅M×N的数字图像，需要的存储位数为：

b=M×N×k

2.5.1像素的相邻和邻域

1、相邻像素与4-邻域（4-neighbors）

设图像中的像素p位于（x，y）处，则p在水平（horizontal）方向和垂直（vertical）方向相邻的像素qi最多可有4个，其坐标分别为：

（x-1，y）,（x，y-1）,（x，y+1）,（x+1，y）

由这4个像素组成的集合称为像素p的4-邻域,记为N4（p）。

2、对角相邻像素与4-对角邻域

（4-diagonalneighborhood）

设图像中的像素p位于（x，y）处，则p的对角相邻像素ri最多可有4个，其坐标分别为：

（x-1,y-1）,（x-1,y+1）,（x+1,y-1）,（x+1,y+1）

由这4个像素组成的集合称为像素p的4-对角邻域,记为ND（p）。

3、8-邻域（8-neighborhood）

把像素p的4-对角邻域像素和4-邻域像素组成的集合称为像素p的8-邻域，记为N8（p）。

2.5.3距离的度量

1、距离度量函数（distancefunctionormatric）

对于坐标分别位于（x,y），（u,v）和（w,z）处的像素p、q和r，如果：

（1）非负性（nonnegetive）:

D（p,q）≥0（D（p,q）=0，当且仅当p=q，即p和q是指同一像素）；

（2）对称性（symmetry）:

D（p,q）=D（q,p）；

（3）三角不等性（triangularinequality）:

D（p,r）≤D（p,q）+D（q,r）。

则D是距离度量函数。

2、欧氏距离（Euclidean distance）

像素p和q之间的欧氏距离定义为：

De（p,q）=[（x-u）2+（y-v）2]1/2（2.12）

也即，所有距像素点（x,y）的欧氏距离小于或等于d的像素都包含在以（x,y）为中心,以d为半径的圆平面中。

街区距离（city-blockdistance）

像素p和q之间的D4距离，也即街区距离，定义为：

D4（p,q）=|x-u|+|y-v|（2.13）

也即，所有相距像素点（x,y）的D4距离为小于d或等于d的像素组成一个中心点在（x,y）的菱形。

4、棋盘距离（chessboarddistance）

像素p和q之间的D8距离，也即棋盘距离，定义为：

D8（p,q）=max（|x-u|，|y-v|）（2.14）

也即，所有距像素点（x,y）的D8距离为小于d或等于d的像素组成一个中心点在（x,y）的方形。

第三章

●点运算

点运算是指对一幅图像中每个像素点的灰度值进行计算的方法。

代数运算、逻辑运算

代数运算或逻辑运算是指将两幅或多幅图像通过对应像素之间的加、减、乘、除运算或逻辑与、或、非运算得到输出图像的方法。

●几何运算

几何运算就是改变图像中物体对象（像素）之间的空间关系。

从变换性质来分，几何变换可以分为图像的位置变换（平移、镜像、旋转）、形状变换（放大、缩小）以及图像的复合变换等。

如果a>1，输出图像的对比度增大（灰度扩展）

2）如果0

3）如果a为负值，暗区域将变亮，亮区域将变暗

第四章

2、图像傅里叶变换的意义

（1）简化计算，也即傅里叶变换可将空间域中复杂的卷积运算转化为频率域中简单的乘积运算。

（2）对于某些在空间域中难于处理或处理起来比较复杂的问题，利用傅里叶变换把用空间域表示的图像映射到频率域，再利用频域滤波或频域分析方法对其进行处理和分析，然后再把其在频域中处理和分析的结果变换回空间域，从而可达到简化处理和分析的目的。

（3）某些只能在频率域处理的特定应用需求，比如在频率域进行图像特征提取、数据压缩、纹理分析、水印嵌入等。

第五章

图像增强（imageenhancement）就是通过对图像的某些特征（feature），如边缘（edge）、轮廓（contour）、对比度（contrast）等，进行强调（emphasize）或尖锐化（sharpening），使之更适合于人眼的观察或机器的处理的一种技术。

图像增强技术的分类：

一是空间域增强（spatialdomaintechniques）方法;二是频率域增强（frequencydomaintechniques）方法。

1.直方图均衡的基本思想

所谓直方图均衡，就是把一个已知灰度概率分布（probabilitydistribution）的图像，变换成具有均匀概率分布（uniformdistribution）的新图像的过程。

直方图均衡的步骤：

（1）计算原图像的归一化灰度级别及其分布概率pr（rk）=nk/n。

（2）根据直方图均衡化公式（4.13）求变换函数的各灰度等级值sk。

（3）将所得的变换函数的各灰度等级值转化成标准的灰度级别值。

也即把第

（2）步求得的各sk值，按靠近原则近似到与原图像灰度级别相同的标准灰度级别中。

此时获得的即是均衡化后的新图像中存在的灰度级别值，其对应的像素个数不为零；对于那些在变换过程中“被丢失了的”灰度级别值，将其像素个数设为零。

（4）求新图像的各灰度级别值sl’（l=0,1,…,L-1）的像数数目。

在前一步的计算结果中，如果不存在灰度级别值sl’，则该灰度级别的像素数目为零；如果存在灰度级别值sl’，则根据其与之相关的sk=T（rk）和sk的对应关系，确定该灰度级别sl’的像数数目。

（5）用sk代替sl’（k,l=0,1,…,L-1），并进而求新图像中各灰度级别的分布概率ps（sk）=mk/n。

（6）画出经均衡化后的新图像的直方图

③求新图像的各灰度级别值sl’（l=0,1,…,7）的像数数目

由前一步获得的各灰度等级值可知，在新图像中：

◆不存在值为0的灰度级别值，也即新图像中灰度级别s0’=0的像素个数为m0=0。

◆存在值为1/7的灰度级别值，且由s0≈1/7和s0=T（r0）可知，新图像中灰度级别为s1’=1/7的像素对应于原图像中灰度级为k＝0的像素，其像素个数m1=n0=790。

◆不存在值为2/7的灰度级别值，也即新图像中对于s2’=2/7，其像素个数=0。

◆存在值为3/7的灰度级别值，且由s1≈3/7和s1=T（r1）可知，新图像中灰度级别为s3’=3/7的像素对应于原图像中灰度级为k=1的像素，其像素个数为m3=n1=1023。

◆不存在值为4/7的灰度级别值，也即新图像中对于s4’=4/7，其像素个数m4=0。

◆存在值为5/7的灰度级别值，且由s2≈5/7和s2=T（r2）可知，新图像中灰度级别为s5’=5/7的像素对应于原图像中灰度级为k=2的像素，其像素个数为m5=n2=850。