数字图像处理考点.docx

数字图像处理考点.docx

《数字图像处理考点.docx》由会员分享，可在线阅读，更多相关《数字图像处理考点.docx（11页珍藏版）》请在冰豆网上搜索。

数字图像处理考点

周一，实验

双语考试：

填空，24分12个

简答，24分，4个，两个英文

解答，4个十分，一个十二分，两个英文

章节标题英文记忆

第一章

？

WhatisDigitalImage?

答Whenx,y,andtheamplitudevaluesoffareallfinite,discretequantities,wecalltheimageadigitalimage

WhatIsDigitalImageProcessing?

⏹答Thefieldsofdigitalimageprocessingreferstoprocessingdigitalimagesbymeansofadigitalcomputer.

1，数字图像处理概念：

利用数字计算机处理数字图像，以期提高图像的质量或达到人们所要求的某些预期的结果

图像表示：

模拟图像可以用连续函数表示

特点是：

光照位置和强度均为连续变化

2.数字图像可用矩阵或数组来表示

特点是：

光照位置和强度均为离散化的

图像分类：

数字图像根据灰度级数的差异可分为：

黑白图像、灰度图像和彩色图像

2，图像处理的三个层次

Thecategoryofdigitalimageprocessing

图像处理（imageprocessing）、图像分析（imageanalysis）和图像理解（imageunderstanding）数据量由大到小

3，图像变换ImageTransformation：

图像变换目的在于：

处理问题简化、有利于特征提取、加强对图像信息的理解。

图像变换算法很多，典型的包括傅里叶变换、小波变换

增强ImageEnhancement：

图像增强的目的在于增强图像中的有用信息，突出感兴趣的部分。

复原ImageRestoration：

得到图像的退化过程，由图像退化的逆过程反过来重现原始图像。

重建ImageReconstruction：

用物体横截面投影的二维数组，来重新构成物体的三维图像

分割ImageSegmentation：

把图像划分为若干有意义的互不相交的区域，进一步分析和理解图像

压缩ImageCompression：

在一个可以接受的还原状况的前提下用尽可能少的比特数来表示源信号，既把需要存储或传输的图像的比特数减少到一定程度。

图像压缩是通过编码实现的。

编码：

图像处理系统thebasicsystemofdigitalimageprocessing包括图像处理硬件和图像软件处理

数字处理图像在生物医学、遥感、工业、军事、通信、公安等领域有着广泛的应用。

第二章

1，取样Sampling：

对连续坐标（x,y）的离散化，称为取样，二维采样定理以确保无失真或有限失真地恢复原图像.

量化概念Quantization：

将像素灰度转换成离散整数值的过程

灰度级：

表示像素明暗程度的整数称为像素

灰度级数：

一幅数字图像中不同灰度级的个数

灰度级数比特位数计算转化L=2k

大小为M×N、灰度级数为L的图像所需的存储空间：

2，空间分辨率低会出现什么效i应

大小为M×N，灰度级为L级的数字图像称为空间分辨率为M×N像素，灰度级分辨率为L级的数字图像

采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的棋盘格效应

3，像素的邻域NeighborsofaPixel：

4邻域，4对角邻域，8邻域

计算点之间通路长度（四连接八连接）

从具有坐标（x,y）的像素p到具有坐标（s,t）的像素q的1条通路是由一系列具有坐标（x0,y0），（x1,y1），…，（xn,yn）的独立像素组成的。

这里（x0,y0）＝（x,y），（xn,yn）=（s,t）,且（xi,yi）与（xi-1,yi-1）相邻接，其中1≤i≤n，n为通路长度

4，像素连接PixelConnectivity：

①它们在空间上是否接触（即它们是否邻接）

②它们的灰度值是否满足某个特定的相似准则

像素邻接PixelAdjacency：

一个像素和在它邻域中的像素是接触的，所以也是邻接的

像素连通pixelConnectivity：

p和q是一个图像子集S中的2个像素，那么如果存在1条完全由S中的像素组成的从p到q的通路，那么就称p在S中与q相连通

第三章

1，图像增强概念：

WhatIsImageEnhancement?

Imageenhancementistheprocessofmakingimagesmoreuseful

采用一系列技术去改善图像的视觉效果，或将图像转化成一种更适合于人或机器进行分析和处理的形式。

分类：

空间域增强是直接对图像各像素进行处理

频域增强是对图像进行傅立叶等变换后的频谱成份进行处理，然后逆傅立叶变换得到所需图像

2，灰度变换：

空间域方法Spatialdomaintechniques：

直接操作图像像素，Pointprocessing点处理Histogramprocessing直方图处理

频率域方法Frequencydomaintechniques：

傅里叶变换或小波变换

（第四页）

分段变换--变换关系：

实现的功能：

突出感兴趣目标所在灰度区间，相对抑制那些不感兴趣的灰度区间

处理图像的结果：

曝光不足（poorillumination）曝光过度（over-exposure）成像动态范围太小

第四章

1，灰度直方图的定义：

灰度直方图反映的是一幅图像中各灰度级像素出现的频率。

以灰度级为横坐标，灰度级的频率为纵坐标，绘制频率同灰度级的关系图就是灰度直方图。

它是图像的一个重要特征，反映了图像灰度分布的情况

性质3点：

①灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像素的位置信息。

②一幅图像对应唯一的灰度直方图，反之不成立。

不同的图像可对应相同的直方图

③一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。

应用4点：

①用于判断图像量化是否恰当

②用于确定图像二值化的阈值

③当影像上目标的灰度值比其它部分灰度值大或者灰度区间已知时，可利用直方图统计图像中物体的面积。

④计算图像信息量H（熵）

2，直方图修整法（例题24页）

直方图修整法包括直方图均衡化（HistogramEqualization）及直方图规定化（匹配化）（HistogramSpecification（Matching））两类。

重点均衡化计算：

15页，24页例题

（26页标准解法，29页画图示范），

规定化（了解）

第五章

1，11页，空间滤波的机理：

（12页）（SpatialFiltering）

1，在图像中逐点的移动掩模，将掩模中心图像中某个像素重合；

2，将模板上系数和模板下对应像素灰度相乘；,

3，将所有乘积相加

4.将模板的输出响应赋给图中对应模板中心位置的像素

14页例题，34页中值滤波例题，51页常用掩模

第六章

1，（36页）拉普拉斯算子

拉普拉斯（Laplacian）运算：

例题？

定义为：

由这两个分量相加得到，拉普拉斯算子可定义为：

2，（42页）二阶微分

二阶微分对细节有较强的响应，比如细线和孤立点

二阶微分对灰度阶梯变化产生双响应

二阶微分对灰度阶梯变化产生双响应，在一幅图像中，该现象表现为双线。

第七章

1，傅立叶变换定义—

一维：

二维（英文）：

物理意义（5页下）：

对图像信号而言，空间频率是指单位长度内亮度作周期性变化的次数。

将函数基于频率分成不同的成分

（9页）例题，

性质7个（26页空域移位重点）：

线性性，可分离性，平移性，周期性和共轭对称性，旋转不变性

定理（51页卷积定理重点）：

连续卷积

离散卷积

周期延拓，

第八章

1，2页，

2，3页下傅立叶变换在图像平滑锐化、锐化、消除噪声，以及伪彩色编码中都有广泛的应用，其中图像的平滑和锐化分别可以通过高通和低通滤波完成。

2，理想低通振铃效应ringing（sinc特性）（19页）

频域低通滤波器对应的空间滤波器有两个重要特征：

在原点处的一个主要成份，及中心成分周围集中、呈周期性分布的成分。

中心成分主要决定模糊，周围集中、呈周期性分布的成分主要决定了理想滤波的振铃现象的特性。

理想低通滤波器在频率域的形状为矩形，那么其傅立叶逆变换在时间域为sinc函数对应空间域（进行傅立叶反变换，为sinc函数），图像经过理想低通滤波器后，时域上相当于原始图像与sinc函数卷积，由于sinc函数振荡，则卷积后图像也会振荡；或者说由于sinc函数有两个负边带，卷积后图像信号两侧出现“过冲现象”，而且能量不集中，即产生振铃效应

高斯低通滤波器为什么没有振铃效应（37页）

是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。

通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到

3，锐化滤波器与平滑滤波器区别

用于平滑处理需衰减高频成分,因此采用低通滤波器；

用于锐化处理需要衰减低频成分,因此采用高通滤波器

平滑滤波能减弱或消除图像中的高频率分量而不影响低频分量，高频分量对应图像中的区域边缘等灰度值具有较大变化的部分，平滑滤波可将这些分量滤去减少局部灰度起伏，使图像变得比较平滑。

也可用于消除噪声，或在提取较大目标前去除太小的细节或将目标的小间断连接起来。

锐化滤波正好相反，锐化滤波常用于增强被模糊的细节或目标的边缘，强化图像的细节。

4，（82页）周期延拓规则

第十章

彩色图像处理

1，（13页）颜色表示法--HSI，RGB，

2，彩色增强概念：

利用人眼的视觉特性，将灰度图像变成彩色图像或改变彩色图像已有彩色的分布，改善图像的可分辨性。

两大类方法：

（63页）彩色增强方法可分为伪彩色增强和（75页）假彩色增强两类。

十一

1，（4）图像退化复原差别及概念：

图像的退化:

是指图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像的质量变坏

图像复原:

是在研究图像的退化原因基础上，以退化图像为依据，根据一定的先验知识，建立一个退化模型然后用相反的运算，以恢复原始景物图像。

步骤：

找退化原因→建立退化模型→反向推演→恢复图像

●图像增强和图像复原的差别：

图像增强不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果。

因此，图像增强可以不顾增强后的图像是否失真，只要看得舒服就行

●而图像复原就完全不同，需知道图像退化的机制和过程等先验知识，据此找出一种相应的逆处理方法，从而得到复原的图像。

2，（22）噪声模型

噪声：

妨碍人们感觉器官对所接收的信源信息理解的因素。

不可预测，只能用概率统计方法认识的随机误差

按产生的原因分类：

外部噪声和内部噪声

按统计特征分类：

平衡噪声和非平衡噪声

3，（26）两种复原方法（32）

逆滤波（InverseFiltering）：

26页

维纳滤波（WienerFiltering）：

是指是复原的图像和原图像之间的均方误差最小的滤波器，其基本思想是寻找图像f（x,y）的一种估值f’（x,y），使得这两者之间的均方误差最为小。

维纳滤波也称为最小均方误差滤波（MinimumMeanSquareErrorFiltering）。

十二

1，（4）形态学方法：

利用结构元素（structuringelement）作为“探针”，在图像中不断移动，在此过程中收集图像的信息、分析图像各部分间的相互关系，从而了解图像的结构特征。

（5）四种操作运算：

最基本的形态学运算有：

膨胀（Dilation）、腐蚀（Erosion）、开（Opening）、闭（Closing），15页——29页

例题（28）

十五

1，（3）图像压缩概念：

在一个可以接受的还原状况的前提下用尽可能少的比特数来表示源信号，即把需要存储或传输的图像数据的比特数减少到最少程度。

图像压缩是通过编码实现的。

（7）冗余数据分类：

编码冗余（CodingRedundancy）：

像素间冗余（InterpixelRedundancy）：

图像是由按一定规则排列起来的像素组成，图像中相邻像素的灰度往往相同或相近，这就称为像素间冗余或空间冗余。

心理视觉冗余（PsychovisualRedundancy）：

受生理和心理上的影响，人眼对黑白和彩色信息的分辨率是有限的。

光学上不一致的图像在视觉上可能是一样。

（17）熵计算，编码效率，冗余度（20页例题）

（22）变长最佳编码定理：

对概率大的消息符号赋予短码字，而对概率小的信息符号赋予长码字，则编码的平均码长一定最短

（23）页，

编码压缩分类：

无损（亦称无失真、无误差、信息保持）编码：

霍夫曼编码，行程编码，算数编码

有损（有失真或有误差）编码两大类：

预测编码，变换编码，其他编码

霍夫曼编码例题（30页）