图像开卷试题.docx
《图像开卷试题.docx》由会员分享，可在线阅读，更多相关《图像开卷试题.docx（17页珍藏版）》请在冰豆网上搜索。
图像开卷试题
图像工程的技术应用（P9）图像的数字表达与存储（P3）一个简单的成像模型——同态滤波的原理（P40）像素间关系、四邻域、对角邻域、八邻域、四连通、八连通、通路的概念距离：
欧氏距离、城区距离、棋盘距离。
像素间运算：
图像的加、减、乘、除。
灰度映射：
原理、会根据具体的变换图像得到映射函数，并对具体的值给出映射后结果（只考虑直线情况）、图像求反。
直方图均衡理解类型图像对应的直方图特点、理解其原理、应用场合、掌握处理步骤、能对简单的示例图进行手工操作、理解全局均衡的缺点（看例子）。
线性滤波、均值滤波的常用算子、其原理与效果，应用场合、（高通还是低通，为什么？
）。
非线性滤波：
中值滤波的原理，应用场合，作用效果、会对简单示例图进行中值滤波。
非线性滤波了解微分滤波器的原理，应用场合，作用效果。
会使用3x3的微分模板计算简单的示例效果。
微分锐化是高通还是低通，为什么？
拉普拉斯算子（laplace）了解原理，应用场合，作用效果、会使用3x3的微分模板计算简单的示例效果。
是高通还是低通，为什么？
傅里叶变换、理解一般图像变换后频域能量分布情况、频域滤波的原理、基于变换的有损压缩编码原理（数据减少的原因）、离散余弦变换：
是可分离变换、变换后能量分布规律。
频域增强：
低通滤波、高通滤波、带通滤波的基本原理。
各自应用场合、各自滤波后效果。
同态滤波：
原理、步骤。
基本概念：
熵、图像数据的冗余类型，及对应压缩（减少数据）方式、通用编码模型（P278）基本编码定理、无失真编码定理。
知道含义和表达式。
常见编码、了解LZW编码的原理，特点（P289）。
掌握Huffman编码方式，了解其优缺点、（作业）、算术编码、解码原理、变长码的特点（P295）、1-D游程编码原理，使用场合、变换编码（实验）。
形态学滤波、了解二值形态学滤波：
腐蚀操作和膨胀操作、了解其效果及应用场合、图像分割、了解简单阈值分割。
人脸识别：
基本步骤、关键步骤（不涉及算法）。
指纹识别车牌识别。
1．灰度直方图：
灰度直方图（histogram）是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每种灰度出现的频率。
它是多种空间域处理技术的基础。
直方图操作能够有效用于图像增强；提供有用的图像统计资料，其在软件中易于计算，适用于商用硬件设备。
灰度直方图性质：
1）表征了图像的一维信息。
只反映图像中像素不同灰度值出现的次数（或频数）而未反映像素所在位置。
2）与图像之间的关系是多对一的映射关系。
一幅图像唯一确定出与之对应的直方图，但不同图像可能有相同的直方图。
3）子图直方图之和为整图的直方图。
3．图像分割：
为后续工作有效进行而将图像划分为若干个有意义的区域的技术称为图像分割（ImageSegmentation）
而目前广为人们所接受的是通过集合所进行的定义：
令集合R代表整个图像区域，对R的图像分割可以看做是将R分成N个满足以下条件的非空子集R1，R2，R3，…，RN；
（1）在分割结果中，每个区域的像素有着相同的特性
（2）在分割结果中，不同子区域具有不同的特性，并且它们没有公共特性（3）分割的所有子区域的并集就是原来的图像（4）各个子集是连通的区域
4．数字图像处理：
数字图像处理（DigitalImageProcessing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
一般来讲,对图像进行处理（或加工、分析）的主要目的有三个方面:
（1）提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。
（2）提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。
提取特征或信息的过程是模式识别或计算机视觉的预处理。
提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。
（3）图像数据的变换、编码和压缩,以便于图像的存储和传输。
5．像素的邻域：
邻域是指一个像元（x，y）的邻近（周围）形成的像元集合。
即{（x=p,y=q）}p、q为任意整数。
像素的四邻域像素p（x,y）的4-邻域是:
（x+1,y）,（x-1,y）,（x,y+1）,（x,y-1）。
简答题
2．举例说明直方图均衡化的基本步骤。
直方图均衡化是通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
直方图均衡化变换：
设灰度变换s=f（r）为斜率有限的非减连续可微函数，它将输入图象Ii（x，y）转换为输出图象Io（x，y），输入图象的直方图为Hi（r），输出图象的直方图为Ho（s），则根据直方图的含义，经过灰度变换后对应的小面积元相等：
Ho（s）ds=Hi（r）dr
直方图修正的例子
假设有一幅图像，共有64（64个象素，8个灰度级，进行直方图均衡化处理。
根据公式可得：
s2=0.19+0.25+0.2l=0.65，s3=0.19+0.25+0.2l+0.16=0.8l，s4=0.89,s5=0.95，s6=0.98，s7=1．00
由于这里只取8个等间距的灰度级，变换后的s值也只能选择最靠近的一个灰度级的值。
因此，根据上述计算值可近似地选取：
S0≈1／7，s1≈3／7，s2≈5／7，s3≈6／7， s4≈6／7，s5≈1，s6≈l，s7≈1。
可见，新图像将只有5个不同的灰度等级，于是我们可以重新定义其符号：
S0’=l／7，s1’=3／7，s2’=5／7，s3’=6／7，s4’=l。
因为由rO=0经变换映射到sO=1／7，所以有n0=790个象素取sO这个灰度值；由rl=3／7映射到sl=3／7，所以有1023个象素取s1这一灰度值；依次类推，有850个象素取s2=5／7这一灰度值；由于r3和r4均映射到s3=6／7这一灰度值，所以有656+329=985个象素都取这一灰度值；同理，有245+122+81=448个象素都取s4=1这一灰度值。
上述值除以n=4096，便可以得到新的直方图。
3．图像编码压缩方法有哪几类？
列举出几个有损和无损的压缩方法。
画出编解码的系统结构图。
图像压缩可以是有损数据压缩也可以是无损数据压缩。
对于如绘制的技术图、图表或者漫画优先使用无损压缩，这是因为有损压缩方法，尤其是在低的位速条件下将会带来压缩失真。
如医疗图像或者用于存档的扫描图像等这些有价值的内容的压缩也尽量选择无损压缩方法。
有损方法非常适合于自然的图像，例如一些应用中图像的微小损失是可以接受的（有时是无法感知的），这样就可以大幅度地减小位速。
无损图像压缩方法有：
行程长度编码、熵编码法、如LZW这样的自适应字典算法。
有损压缩方法有：
将色彩空间化减到图像中常用的颜色。
所选择的颜色定义在压缩图像头的调色板中，图像中的每个像素都用调色板中颜色索引表示。
这种方法可以与抖动（en:
dithering）一起使用以模糊颜色边界。
色度抽样，这利用了人眼对于亮度变化的敏感性远大于颜色变化，这样就可以将图像中的颜色信息减少一半甚至更多。
变换编码，这是最常用的方法。
首先使用如离散余弦变换（DCT）或者小波变换这样的傅立叶相关变换，然后进行量化和用熵编码法压缩。
分形压缩（en:
Fractalcompression）。
4．简述数学形态学在图像处理中的应用？
近年来，数学形态学在图像处理方面得到了日益广泛的应用。
下面主要就数学形态学在边缘检测、图像分割、图像细化以及噪声滤除等方面的应用做简要介绍。
（1）边缘检测
边缘检测是大多数图像处理必不可少的一步，提供了物体形状的重要信息。
数学形态学运算用于边缘检测，存在着结构元素单一的问题。
它对与结构元素同方向的边缘敏感，而与其不同方向的边缘（或噪声）会被平滑掉，即边缘的方向可以由结构元素的形状确定。
但如果采用对称的结构元素，又会减弱对图像边缘的方向敏感性。
所以在边缘检测中，可以考虑用多方位的形态结构元素，运用不同的结构元素的逻辑组合检测出不同方向的边缘。
（2）图像分割
基于数学形态学的图像分割算法是利用数学形态学变换，把复杂目标X分割成一系列互不相交的简单子集X1，X2，…，XN。
对目标X的分割过程可按下面的方法完成：
首先求出X的最大内接“圆”X1，然后将X1从X中减去，再求X-X1的最大内接“圆”X2，…，依此类推，直到最后得到的集合为空集为止。
数学形态学用于图像分割的缺点是对边界噪声敏感。
为了改善这一问题，刘志敏等人提出了基于图像最大内切圆的数学形态学形状描述图像分割算法和基于目标最小闭包结构元素的数学形态学形状描述图像分割算法，并使用该算法对二值图像进行了分割，取得了较好的效果。
（3）形态骨架提取
形态骨架描述了物体的形状和方向信息。
它具有平移不变性、逆扩张性和等幂性等性质，是一种有效的形状描述方法。
二值图像A的形态骨架可以通过选定合适的结构元素B，对A进行连续腐蚀和开启运算来求取，形态骨架函数完整简洁地表达了形态骨架的所有信息，因此，根据形态骨架函数的模式匹配能够实现对不同形状物体的识别。
算法具有位移不变性，因而使识别更具稳健性。
（4）噪声滤除
对图像中的噪声进行滤除是图像预处理中不可缺少的操作。
将开启和闭合运算结合起来可构成形态学噪声滤除器。
滤除噪声就是进行形态学平滑。
实际中常用开启运算消除与结构元素相比尺寸较小的亮细节，而保持图像整体灰度值和大的亮区域基本不变；用闭合运算消除与结构元素相比尺寸较小的暗细节，而保持图像整体灰度值和大的暗区域基本不变。
将这两种操作综合起来可达到滤除亮区和暗区中各类噪声的效果。
同样的，结构元素的选取也是个重要问题。
解答题
2．答 均值滤波可以去除突然变化的点噪声，从而滤除一定的噪声，但其代价是图像有一定程度的模糊；中值滤波容易去除孤立的点、线噪声，同时保持图像的边缘。
均值滤波：
中值滤波：
3．
一、单项选择题
1.一幅灰度级均匀分布的图象，其灰度范围在[0，255]，则该图象的信息量为：
D
A.0B.255C.6D.8
2.图象与灰度直方图间的对应关系是：
B
A.一一对应B.多对一C.一对多D.都不对
3.下列算法中属于图象锐化处理的是：
C
A.低通滤波B.加权平均法C.高通滤D.中值滤波
4.下列算法中属于点处理的是：
B
A.梯度锐化B.二值化C.傅立叶变换D.中值滤波
5、计算机显示器主要采用哪一种彩色模型A
A、RGBB、CMY或CMYKC、HSID、HSV
6.下列算法中属于图象平滑处理的是：
C
A.梯度锐化B.直方图均衡C.中值滤波D.Laplacian增强
7.采用模板［-11］主要检测__C_方向的边缘。
A.水平B.45°C.垂直D.135°
8.对一幅100100像元的图象，若每像元用８bit表示其灰度值，经霍夫曼编码后压缩图象的数据量为40000bit，则图象的压缩比为：
AA.2:
1B.3:
1C.4:
1D.1:
2
9.维纳滤波器通常用于C
A、去噪B、减小图像动态范围C、复原图像D、平滑图像
10.图像灰度方差说明了图像哪一个属性。
B
A平均灰度B图像对比度C图像整体亮度D图像细节
11、下列算法中属于局部处理的是：
（D）
A.灰度线性变换B.二值化C.傅立叶变换D.中值滤波
12、数字图像处理研究的内容不包括D。
A、图像数字化B、图像增强C、图像分割D、数字图像存储
13、将灰度图像转换成二值图像的命令为C
A．ind2grayB．ind2rgbC．im2bwD．ind2bw
14.像的形态学处理方法包括（D）A.图像增强B.图像锐化C图像分割D腐蚀
15.一曲线的方向链码为12345，则曲线的长度为D
a.5b.4c.5.83d.6.24
16.下列图象边缘检测算子中抗噪性能最好的是：
B
a.梯度算子b.Prewitt算子c.Roberts算子d.Laplacian算子
17.二值图象中分支点的连接数为：
D
a.0b.1c.2d.3
二、填空题
1.图像锐化除了在空间域进行外，也可在频率域进行。
2.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。
3.依据图像的保真度，图像压缩可分为无损压缩和有损压缩
4.存储一幅大小为1024×1024，256个灰度级的图像，需要8Mbit。
5、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。
6、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。
7、一般来说，采样间距越大，图像数据量少，质量差；反之亦然。
8、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。
9、直方图修正法包括直方图均衡和直方图规定化两种方法。
10、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。
11、图像处理中常用的两种邻域是4-邻域和8-邻域。
12.若将一幅灰度图像中的对应直方图中偶数项的像素灰度均用相应的对应直方图中奇数项的像素灰度代替（设灰度级为256），所得到的图像将亮度增加，对比度减少。
13、数字图像处理，即用计算机对图像进行处理。
14、图像数字化过程包括三个步骤：
采样、量化和扫描
15、MPEG4标准主要编码技术有DCT变换、小波变换等16、灰度直方图的横坐标是灰度级，纵坐标是该灰度出现的频率
17、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。
18、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。
19、在RGB彩色空间的原点上，三个基色均没有亮度，即原点为黑色，三基色都达到最高亮度时则表现为白色。
20.列举数字图像处理的三个应用领域医学、天文学、军事。
21.机器（视觉）的目的是发展出能够理解自然景物的系统。
22.计算机图形学目前的一个主导研究方向是（虚拟现实技术）。
23.数字图像是（图像）的数字表示，（像素）是其最小的单位。
24.（灰度图像）是指每个像素的信息由一个量化的灰度级来描述的图像，没有彩色信息。
25.（彩色图像）是指每个像素的信息由RGB三原色构成的图像，其中RGB是由不同的灰度级来描述的。
26.图像的数字化包括了空间离散化即（采样）和明暗表示数据的离散化即（量化）。
27.（分辨率）是指映射到图像平面上的单个像素的景物元素的尺寸。
28.（直方图均衡化）方法的基本思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。
从而达到清晰图像的目的。
29.图像锐化的目的是加强图像中景物的（细节边缘和轮廓）。
30.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）。
31.将相互连在一起的黑色像素的集合称为一个（连通域）,通过统计（连通域）的个数，即可获得提取的目标物的个数.
32.（腐蚀）是一种消除连通域的边界点，使边界向内收缩的处理。
33.（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。
34.对于（椒盐）噪声，中值滤波效果比均值滤波效果好。
35.直方图均衡化方法的基本思想是，对在图像中像素个数多的灰度级进行（展宽），而对像素个数少的灰度级进行（缩减）。
因为灰度分布可在直方图中描述，所以该图像增强方法是基于图像的（灰度直方图）。
36.图象增强按增强处理所在空间不同分为空域和频域两种方法。
37.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。
38.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。
39.在形态学处理中，使用结构元素B对集合A进行开操作就是用B对A腐蚀，然后用B对结果进行膨胀。
使用结构元素B对集合A进行闭操作就是用B对A膨胀，然后用B对结果进行腐蚀。
三判断（10分）
（√）1.灰度直方图能反映一幅图像各灰度级像元占图像的面积比。
（×）2.直方图均衡是一种点运算，图像的二值化则是一种局部运算。
改正：
直方图均衡是一种点运算，图像的二值化也是一种点运算。
或：
直方图均衡是一种点运算，图像的二值化不是一种局部运算。
（×）3.有选择保边缘平滑法可用于边缘增强。
改正：
有选择保边缘平滑法不可用于边缘增强。
或：
有选择保边缘平滑法用于图象平滑（或去噪）。
（√）4.共点直线群的Hough变换是一条正弦曲线。
（√）5.边缘检测是将边缘像元标识出来的一种图像分割技术。
（×）6.开运算是对原图先进行膨胀处理，后再进行腐蚀的处理。
（×）7.均值平滑滤波器可用于锐化图像边缘。
名词解释
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。
图像：
是自然生物或人造物理的观测系统对世界的记录，是以物理能量为载体，以物质为记录介质的信息的一种形式。
数字图像处理：
采用特定的算法对数字图像进行处理，以获取视觉、接口输入的软硬件所需要数字图像的过程。
图像增强：
通过某种技术有选择地突出对某一具体应用有用的信息，削弱或抑制一些无用的信息。
无损压缩：
可精确无误的从压缩数据中恢复出原始数据。
灰度直方图：
灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数。
或：
灰度直方图是指反映一幅图像各灰度级像元出现的频率。
细化：
提取线宽为一个像元大小的中心线的操作。
8、8-连通的定义：
对于具有值V的像素p和q,如果q在集合N8（p）中,则称这两个像素是8-连通的。
9、中值滤波：
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。
10、像素的邻域：
邻域是指一个像元（x，y）的邻近（周围）形成的像元集合。
即{（x=p,y=q）}p、q为任意整数。
像素的四邻域：
像素p（x,y）的4-邻域是:
（x+1,y）,（x-1,y）,（x,y+1）,（x,y-1）11、灰度直方图：
以灰度值为自变量，灰度值概率函数得到的曲线就是灰度直方图。
12.无失真编码：
无失真编码是指压缩图象经解压可以恢复原图象，没有任何信息损失的编码技术。
13.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平坦的直方图，以此来修正原图像之灰度值。
14.采样：
对图像f（x,y）的空间位置坐标（x,y）的离散化以获取离散点的函数值的过程称为图像的采样。
15.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。
16.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。
17.色度：
通常把色调和饱和度通称为色度，它表示颜色的类别与深浅程度。
18.图像锐化：
是增强图象的边缘或轮廓。
19.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
20.数据压缩：
指减少表示给定信息量所需的数据量。
简答题
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。
答：
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？
答：
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？
答：
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。
5.什么是直方图均衡化？
将原图象的直方图通过变换函数修正为均匀的直方图，然后按均衡直方图修正原图象。
图象均衡化处理后，图象的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图象看起来就更清晰了。
6、图像增强的目的是什么？
答：
图像增强目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
7、什么是中值滤波及其它的原理？
答：
中值滤波法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值。
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。
8、图像锐化与图像平滑有何区别与联系？
答：
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。
10、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
11、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。
12.简述直方图均衡化的基本原理。
直方图均衡化方法的基本思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。
从而达到清晰图像的目的。
因为灰度分布可在直方图中描述，所以该图像增强方法是基于图像的灰度直方图。
13、当在白天进入一个黑暗剧场时，在能看清并找到空座位时需要适应一段时间，试述发生这种现象的视觉原理。
人的视觉绝对不能同时在整个亮度适应范围工作，它是利用改变其亮度适应级来完成亮度适应的。
即所谓的亮度适应范围。
同整个亮度适应范围相比，能同时鉴别的光强度级的总范围很小。
因此，白天进入黑暗剧场时，人的视觉系统需要改变亮度适应级，因此，需要适应一段时间，亮度适应级才能被改变。
14、说明一幅灰度图像的直方图分布与对比度之间的关系
答：
直方图的峰值集中在低端，则图象较暗，反之，图象较亮。
直方图的峰值集中在某个区域，图象昏暗，而图象中物体和背景差别很大的图象，其直方图具有双峰特性，总之直方图分布越均匀，图像对比度越好。
1、列举数字图像处理
升级会员 