数字图像处理总结汇总.docx

数字图像处理总结汇总.docx

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

数字图像处理总结汇总

1、选择2、填空3、简答题4、计算

第一章

1、图像：

事件或事物的一种表示、写真或临摹，或一个生动的或图形化的描述

2.图像处理（选择）:

是对图像信息进行加工处理，以满足人的视觉心理和实际应用的需求

图像处理方法：

光学方法、电子学方法

3.模拟图像（物理图像）：

直接从观测系统（输入系统）获得、未经采样和量化的图像；模拟图像在空间分布和亮度取值上均为连续分布。

连续的：

指从时间上和从数值上是不间断的

4.数字图像（填空）

由连续的模拟图像采样和量化而得。

组成数字图像的基本单位是像素，所以数字图像是像素的集合。

5、数字图像处理基本特点（掌握）

信息量大：

512×512×8bit＝256KB256KB×25帧/s＝6400KB=6.25MB

占用的频带较宽：

电视图像的带宽5～6MHz，而语言带宽4KHz，频带越宽，技术实现难度越大。

6.处理基本结构图

7.图像变换（傅里叶），空间变换的意义（掌握）

8.相关领域的联系（名词解释）：

图像处理与计算机图形学的区别与联系是什么？

第二章

1.人眼模型，作用，细胞分类和内容

瞳孔：

透明的角膜后是不透明的虹膜，虹膜中间的圆孔称为瞳孔，其直径可调节，控制进入人眼内之光通量（照相机光圈作用）。

晶状体：

瞳孔后是一扁球形弹性透明体，其曲率可调节，以改变焦距，使不同距离的图在视网膜上成象（照相机透镜作用）。

•锥状细胞：

明视细胞，在强光下检测亮度和颜色；

•杆（柱）状细胞：

暗视细胞，在弱光下检测亮度，无色彩感觉。

•其中，每个锥状视细胞连接着一个视神经末梢，故分辨率高，分辨细节、颜色；多个杆状视细胞连接着一个视神经末梢，故分辨率低，仅分辨图的轮廓。

2.人眼成像过程：

3.人的视觉模型

4.解释人从明亮的地方走向黑暗的地方，眼睛的变化：

瞳孔在亮光处缩小，在暗光处放大，人从明亮的地方走向黑暗的地方，瞳孔放大，瞳孔括约肌舒张，原因是在光线强的地方瞳孔缩小以免过多光线进入眼睛伤害视网膜，到了暗的地方瞳孔放大以便使更多的光线射向视网膜从而看清楚东西。

5.人眼视觉弱点（能够说出来就行）

（1.）人只能感觉可见光波段能量，对其它波段不敏感；

（2.）人眼视场角固定，空间分辨率和灰度分辨率有限；

3.人眼有积分效应，对单次图象瞬间变化、快速运动图象分析存储困难；

4.准确测量图象参数能力较差；

5．受知识水平差异的影响，人对同一图象的响应不同；

6．人是有思想的生物体，视觉受情绪和疲劳程度的影响。

6.（重点）视觉的空间特性：

人眼的空间分辨能力为1’（1/60度）；灰度分辨能力大约64级。

视觉时间特性：

活动图像的帧频至少是15帧/s的时候，人眼才有图像连贯的感觉。

7.视觉感觉要素：

（1）同时对比效应

（2）马赫带效应（3）视觉错觉

8.数字图像的取样和量化:

（1）采样：

空间上的离散化

（2）量化：

灰度上的离散化

灰度级L=2k,称为k位图像

9.颜色的表观特征

HSB:

色调、饱和度、亮度。

（掌握各个字母代表的意思）

（1）亮度（Brightness）是指彩色光所引起的人眼对明暗程度的感觉。

（2）明度（Luminance）：

颜色明亮的程度；一幅灰度图像只有明度特征，而彩色图像还具有色调和饱和度两个色度特征；（3）色调（Hue）：

反映颜色的类别;（4）饱和度（Saturation）：

表示颜色接近光谱色的程度。

10.混色原理的应用

加混色：

电视、监视器等设备利用加混色原理

减混色：

印刷、染织行业利用减混色原理

11.解释为什么把RGB转换为YUV？

传输彩色信号，必须传输RGB三路信号，是不经济的。

因此，通常将RGB分离成亮度和色差（U,V）信号。

因为亮度信号对人的感觉更重要，可用同一通道而把色差信号亚采样合在一路信号中传输，U=R-Y，V=B-Y

12.彩色图像分类

伪彩色图像：

人为地将不同灰度图像赋予不同彩色。

假彩色图像：

把真实的自然彩色图像或遥感多光谱图象处理成假彩色图像。

13．CCD和CMOS的中文名字。

CCD与CMOS图像传感器。

CCD：

电荷耦合器件（ChargeCoupleDevice）；CMOS：

互补金属氧化物半导体

CCD工作原理：

采用长方形光敏单元，采用隔行读取方式，降低视频图像的闪烁感。

11.图像成像过程

12.图像采集系统，卷积运算（重点）

13.灰度级的概念，灰度级和深度之间的关系。

灰度级：

表示像素明暗程度的整数量称为灰度级。

深度：

指存储每个像素所用的位数，它也是用来度量图像的灰度分辨率。

灰度级与图像深度的关系

1bit（位）——2级2bit（位）——4级

8bit（位）——256级24bit（位）——256×256×256（真彩色图像）

例如：

8bit灰度图的颜色数。

28=256色

24bit计算机真彩色表示的颜色数目为：

224=256×256×256=16777216色

14.区分灰度级和层次

灰度级：

表示像素明暗程度的整数量。

例如：

像素的取值范围为0-255，就称该图像为256个灰度级的图像。

层次：

表示图像实际拥有的灰度级的数量。

例如：

具有32种不同取值的图像，可称该图像具有32个层次。

图像数据的实际层次越多，视觉效果就越好。

15.量化

均匀量化，非均匀量化:

a）基于视觉特性：

对亮度值急剧变化部分无需过细分层，进行粗量化,对亮度值平缓变化部分需过细分层，进行细量化

b）先计算所有可能的亮度值出现的概率分布，对概率分布大的进行细量化,对概率分布小的进行粗量化,非均匀量化可以减少量化误差，又能用较少的比特数实现量化

16.图像的灰度平均值和方差（掌握）

　图像均值指的是一幅图像中所有像素灰度值的算术平均值，它反映图像中不同物体的平均反射强度。

图像方差反映各像元与图像平均灰度值的总的离散程度。

是衡量一幅图像信息量大小的主要亮度指标，是图像统计特征中最重要的统计量之一。

17.图像的熵（掌握）

18.算子运算。

常用的梯度算子如：

　Robert算子，Sobel算子，Prewitt算子

19.邻域：

在一定意义下，与该像素相邻的像素的集合。

20.直方图定义，性质，能够画出直方图。

（掌握）

图像直方图的定义：

一个灰度级在范围[0，L-1]的数字图像的直方图是一个离散函数：

NK是图像中灰度级为rk的像素个数；rk是第k个灰度级，k=0,1,2,…,L-1。

即，图像中不同灰度级像素出现

归一化直方图的定义：

一个灰度级在范围[0，L-1]的数字图像的直方图是一个离散函数：

n是图像的像素总数；

　是图像中灰度级为rk的像素个数；

是第k个灰度级，k=0,1,2,…,L-1。

P（rk）原始图象灰度分布的概率密度函数

21.文件格式用来区分位图和矢量图

三

1.运算及其用途

加运算：

对同一场景的多幅图像求平均值，降低加性噪声；

减运算：

去除一幅图像中不需要的加性图案，如缓慢变化的背景阴影，周期性噪声等；运动检测；检测同一场景的两幅图像之间的变化；

图像相乘—局部显示

除运算：

可产生对颜色和多光谱图像分析十分重要的比率图像。

2.几何变换:

（1）平移变换（Translation）

（2）旋转变换（Rotation）（3）镜像变换：

水平镜像/垂直镜像（4）缩放变换（Zoom）（5）拉伸变换（Stretch）

3.插值方法:

灰度级插值分为最邻近插值法，双线性插值（一阶插值），高阶插值（双三次内插）。

四

1.图像增强的意义

因此，图像增强的目的，就是改善图像质量，获得更适合于人眼观察、或者对后续计算机处理、分析过程更有利的图像。

图像灰度值随空间坐标变化的快慢也用频率来度量，称为空间频率

图像是二维信号，其坐标轴是二维空间坐标轴，图像本身所在的域称为空间域

2.线性变换：

感兴趣的灰度范围线性扩展，（相对抑制不感兴趣的灰度区域）。

非线性变换往往以牺牲某些灰度范围的图像信息（灰度压缩），来换取其它灰度范围的图像信息的改善（灰度拉伸）。

非线性变换分为指数变换（高灰度区扩展，低灰度区压缩。

）和对数变换（低灰度区扩展，高灰度区压缩）

3.直方图的均衡化和规定化（表格）

直方图均衡化，就是把一已知灰级概率分布的图像，经过变换后，使之成为一幅具有均匀灰度概率分布的新图像。

它可以很好地改善图像的对比度。

直方图均衡化是一种非线性变换。

直方图规格化，就是把一已知灰级概率分布的图像，经过变换后，使之称为一幅具有指定形状直方图的新图像。

它通常在图像拼接中用于匹配不同环境变化下所获取的图像。

4.图像平滑方法

邻域平均法、中值滤波、多图像平均法、频域低通滤波法

5.领域平均法的步骤

图像增强Imageenhancement

图像恢复Imagerestoration

目的

改善图像质量。

改善图像质量。

过程及评价

主观过程，提供便于人眼观察或机器识别。

客观过程，恢复原始图像的最优估值。

实现手段

空域或频域滤波。

（卷积，Convolution）

空域或频域滤波。

（反卷积,Deconvolution）

1）模板游走、2）将mask下对应的灰度值相加，求平均值、3）用均值代替f（x,y），h（x,y）矩阵的元素之和乘前面系数为1，h（x,y）矩阵中心的元素占的比例越小，越平滑，图像越模糊、4）对图像的四周边缘：

补0或者不处理边缘

举例ppt

图像平滑：

采用低通滤波器，目的是在提取目标前除去太小的细节或者将目标内的小间断连接起来消除噪声。

图像锐化：

采用高通滤波器，加强图像轮廓，使图像看起来比较清晰、以便于对目标的识别处理，增强被模糊的细节。

直方图的修正法：

直方图均衡化和直方图规格化。

6.中值滤波目的：

既要消除噪声又要保持图像的细节

7.图像锐化：

边缘锐化

8.微分法

着重掌握拉布拉斯运算法，常用差分算子

2.假彩色，伪彩色

假彩色增强：

彩色图像→彩色图像。

伪彩色增强：

黑白图像→彩色图像。

五（概念，无计算）

图像退化:

图像在形成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法得不完善，导致图像质量下降，称为图像退化。

图像退化的原因:

Ø成像系统的散焦

Ø成像设备与物体的相对运动引起运动模糊

Ø成像器材的固有缺陷

Ø外部干扰等

图像复原:

即根据退化的原因,分析引起退化的环境因素,建立相应的数学模型,并沿着使图像降质的逆过程恢复图像。

因此,复原技术就是把退化模型化,并采用相反的过程进行处理,以便复原出原图像。

Ø与图像增强相似，图像复原的目的也是改善图像质量。

Ø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。

Ø图像复原技术可以使用空间域或频率域滤波器实现。

⏹图像退化/复原过程的模型

1.退化与复原关系，画图

2.退化模型，冲击响应

1.一些重要的噪声

☐高斯噪声

☐瑞利噪声

☐伽马（爱尔兰）噪声

☐指数分布噪声

☐均匀分布噪声

☐脉冲噪声（椒盐噪声）

2.只存在噪声的复原—空间滤波

（1）均值滤波器

算术均值滤波器

谐波均值滤波器

逆谐波均值滤波器

（2）顺序统计滤波器

中值、最大值、最小值，中点滤波器及修正后的阿尔法均值滤波器

（3）自适应滤波器

（1）自适应、局部噪声消除滤波器

（2）自适应中值滤波器（可用于处理更大概率密度得冲激噪声）

（4）带阻滤波器

频率滤波消减周期噪声

3线性、位置不变的退化

由于退化模型为卷积的结果,且图像复原需要滤波器,应此术语”图像去卷积”常用于表示线性图像复原,而用于复原处理的滤波器称为“去卷积滤波器”.

估计退化函数的方法:

（1）观察法

（2）实验法

（3）数学建模法

图像复原:

（1）逆滤波

（2）最小均方差误差滤波（维纳滤波）

（3）约束最小二乘法滤波

（4）几何均值滤波器

注：

为什么逆滤波和维纳滤波可以得到完全不一样的图像？

逆滤波复原属于图像的无约束复原。

维纳滤波是有约束滤波

4.编码技术：

行程编码；霍夫曼编码；LZW编码；算术编码；预测编码