14年数字图像处置考试重点.docx

14年数字图像处置考试重点.docx

《14年数字图像处置考试重点.docx》由会员分享，可在线阅读，更多相关《14年数字图像处置考试重点.docx（28页珍藏版）》请在冰豆网上搜索。

14年数字图像处置考试重点

14年数字图像处置考试重点

第一章

一、大体概念

（1）图像处置（imageprocessing）：

是对图像信息进行加工以知足人的视觉或应用需求的行为。

（2）数字图像处置（digitalimageprocessing），确实是利用运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类加工处置，以改善图像的视觉成效和提高图像有效性的技术。

（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置更高一级的计算处置进程。

◆图像分析的目的：

是缩减对图像的描述，以使其更适合于运算机处置及对不同目标的分类。

◆图像分析的大体特点：

输入是图像，输出是对输入图像进行描述的信息。

图像处置是对图像的低级处置时期，图像分析是对图像的高一级的处置时期。

图像的低级处置时期和高一级的处置时期是彼此关联和有必然重叠性的。

1.2数字图像处置系统的组成

1.3图像处置技术研究的内容

包括图像变换，图像增强，图像恢复，图像紧缩编码，图像分割与特点提取，形态学图像处置，彩色、多光谱及高光谱图像处置、图像的表示与描述等。

图像变换（imagetransform）

是简化图像处置进程和提高图像处置成效的大体技术，最典型的图像变换要紧有傅里叶变换、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爱好的特点，或想方显现图像中那些模糊了的细节，以使图像更清楚地被显示或更适合于人或机械的处置与分析的一种技术。

图像恢复（imagerestoration）

是一种从图像退化的数学或概率模型动身，研究改良图像外观，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，其目的是取得与景物真实面貌相像的图像。

图像紧缩编码（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，以知足图像存储和实时传输应用需求的一种技术。

图像分割（imagesegmentation）

是图像处置技术中最为困难的任务之一，其大体思路是把一幅图像划分成背景和目标，从而提取感爱好的目标来。

图像形态学处置技术（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专门好的处置成效和应用价值。

1.4图像处置技术的应用领域

图像处置技术的要紧应用领域有：

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）、宇宙探讨（spaceexploration）、考古（ archaeology）等，已经遍及国民经济的各个领域。

第二章

2.2人眼的亮度视觉特性

◆大量实验说明，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置后,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

◆人眼对亮度转变跟踪滞后的性质称为视觉惰性

（Visualinertia,短暂的经历特性）。

二、同时对照效应（simultaneouscontrast）

是指人眼对某个区域的亮度感觉并非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

一、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]，那么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:

每一个（x,y）对应数字图像中的一个大体单元，称其为图像元素（imageelement），简称为像素（pixelorpel）；且一样取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）

那个地址，m、n和k为正整数（integer）。

看上去一个“像素”确实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

一、相邻像素与4-邻域（4-neighbors）

设图像中的像素p位于（x，y）处，那么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，其坐标别离为：

（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）。

二、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，那么p的对角相邻像素ri最多可有4个，其坐标别离为：

（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距离的气宇

1、距离气宇函数（distancefunctionormatric）

关于坐标别离位于（x,y），（u,v）和（w,z）处的像素p、q和r，若是：

（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）。

那么D是距离气宇函数。

二、欧氏距离（Euclidean distance）

像素p和q之间的欧氏距离概念为：

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的像素都包括在以（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，概念为：

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，概念为：

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一个像素点的灰度值进行计算的方式。

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、非运算取得输出图像的方式。

●几何运算

几何运算确实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，几何变换能够分为图像的位置变换（平移、镜像、旋转）、形状变换（放大、缩小）和图像的复合变换等。

若是a>1，输出图像的对照度增大（灰度扩展）

2）若是0

3）若是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）关于某些在空间域中难于处置或处置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式对其进行处置和分析，然后再把其在频域中处置和分析的结果变换回空间域，从而可达到简化处置和分析的目的。

（3）某些只能在频率域处置的特定应用需求，比如在频率域进行图像特点提取、数据紧缩、纹理分析、水印嵌入等。

第五章

图像增强（imageenhancement）确实是通过对图像的某些特点（feature），如边缘（edge）、轮廓（contour）、对照度（contrast）等，进行强调（emphasize）或尖锐化（sharpening），使之更适合于人眼的观看或机械的处置的一种技术。

图像增强技术的分类：

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

1.直方图均衡的大体思想

所谓直方图均衡，确实是把一个已知灰度概率散布（probabilitydistribution）的图像，变换成具有均匀概率散布（uniformdistribution）的新图像的进程。

直方图均衡的步骤：

（1）计算原图像的归一化灰度级别及其散布概率pr（rk）=nk/n。

（2）依照直方图均衡化公式（4.13）求变换函数的各灰度品级值sk。

（3）将所得的变换函数的各灰度品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，按靠近原那么近似到与原图像灰度级别相同的标准灰度级别中。

现在取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；关于那些在变换进程中“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）的像数数量。

在前一步的计算结果中，若是不存在灰度级别值sl’，那么该灰度级别的像素数量为零；若是存在灰度级别值sl’，那么依照其与之相关的sk=T（rk）和sk的对应关系，确信该灰度级别sl’的像数数量。

（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散布概率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）的像数数量

由前一步取得的各灰度品级值可知，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，也即新图像中关于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，也即新图像中关于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。

◆存在值为6/7的灰度级别值，且由s3≈6/7和s3=T（r3），和s4≈6/7和s4=T（r4）可知，新图像中灰度级别s6’为=6/7的像素，对应于原图像中灰度级为k=3和k=4的像素，其像素个数为m6=n3+n4=656+329=985。

◆存在值为7/7的灰度级别值，且由s5≈1和s5=T（r5）、s6≈1和s6=T（r6），和s7≈1和s7=T（r7）可知，新图像中灰度级别为s7’=1的像素，对应于原图像中灰度级为k=五、k=6和k=7的像素，其像素个数为m7=n5+n6+n7=245+122+81=448。

④用sk代替sl’（k,l=0,1,…,7），并求新图像中各灰度级别的概率ps（sk）=mk/n=mk/4096，结果如表4.3所示。

模板用法

第六章

（1）高斯噪声

（2）瑞利噪声（Rayleighnoise）

（3）均匀散布噪声（Uniformdistributionnoise）

（4）脉冲噪声（椒盐噪声,Saltandpeppernoise）

1.谐波均值滤波（harmonicmeanfilter）

谐波均值滤波器擅长处置象高斯噪声那样的一类噪声，且对“盐”噪声处置成效专门好，但不适用于对“胡椒”噪声的处置。

2.逆谐波均值滤波（contrharmonicmean）

逆谐波均值滤波器适合于减少和排除椒盐噪声。

当为正数时，该滤波器用于排除“胡椒”噪声；当为负数时，该滤波器用于排除“盐”噪声。

但它不能同时排除“胡椒”噪声和“盐”噪声。

当=-1时，逆谐波均值滤波器就退变成谐波均值滤波器。

3.OrderStatisticsFilters

中点滤波（midpointfilter）

这种滤波器结合了顺序统计和求平均的优势，关于高斯和均匀随机散布类噪声有最好的成效。

第七章

第八章

◆图像边缘有两个特点：

方向和幅度沿边缘走向，像素值转变比较平缓；

沿垂直于边缘的走向，像素值那么转变比较猛烈。

◆一样经常使用一阶和二阶导数来描述和检测边缘。

Hogh（哈夫）变换的大体思想是将图像空间X-Y变换到参数空间P-Q，利用图像空间X-Y与参数空间P-Q的点－线对偶性，通过利用图像空间X-Y中的边缘数据点去计算参数空间P-Q中的参考点的轨迹，从而将不持续的边缘像素点连接起来，或将边缘像素点连接起来组成封锁边界的区域，从而实现对图像中直线段、圆和椭圆的检测。