数字图像处理期末复习资料.docx

数字图像处理期末复习资料.docx

《数字图像处理期末复习资料.docx》由会员分享，可在线阅读，更多相关《数字图像处理期末复习资料.docx（12页珍藏版）》请在冰豆网上搜索。

数字图像处理期末复习资料

第一章

1图像的特点:

1）直观形象2）易懂3）信息量大

2图像的分类：

1）按灰度分类：

二值图像，多灰度图像2）按色彩分类：

单色图像，动态图像3）按运动分类：

静态图像，动态图像4）按时空分布分类：

二维图像，三维图像

3数字图像处理的主要内容：

1）图像获取2）图像变换3）图像增强4）图像复原5）图像编码6）图像分析7）图像识别8）图像理解

4数字图像处理方法：

1）空域法2）变换域法

5什么是数字图像的采样和量化？

采样：

将模拟图像在空间上连续的点按照一定的规则变换成离散点的操作。

量化：

由于采样图像被分割成空间上离散的像素，但其灰度是连续的，还不能用计算机进行处理，所以要对采样后的图像进行量化，即将连续的像素灰度值转换成离散的整数值的过程。

6图像像素间的邻接、连接和连通的区别？

邻接：

两个像素是否邻接就看它是否接触，一个像素和在它邻域中的像素是邻接的。

邻接仅仅考虑了像素间的空间关系。

连接：

对两个像素，要确定它们是否连接，要考虑两点：

①空间上要邻接；②灰度值要满足某个特点的相似准则

第二章

1试述图像采集系统的结构及其各部分的功能？

2连续图像随机过程可以用哪些数字特征来描述？

概率密度，一阶矩或平均值，二阶矩或自相关函数，自协方差，方差

3为什么说只要满足采样定理，就可以有离散图像无失真的重建元连续图像？

这是由图像的连续性决定的，由图像上某一点的值可以还原出该点的一个小邻域里的值，这个图像连续性越好，这个邻域就可以越大，抽样次数可以很少就可以无失真还原。

而抽样定理对应这个邻域最小的情况即抽样次数最多的情况，大概是每周期两个样本

4与标量量化相比，向量量化有哪些优势？

合理地利用样本间的相关性,减少量化误差提高压缩率,

5Matlab图像处理工具箱提供了哪几类类型的数字图像？

它们之间能否转换？

如果可以如何转换？

二进制图像，索引图像，灰度图像，多帧图像，RGB图像，它们之间可以相互转换，

转换函数（23页

6数字图像的空间分辨率和采样间隔有什么联系？

采样间隔是决定图像分辨率的主要参数

第三章

1FFT的基本思想是什么?

？

利用DFT系数的特性，合并DFT运算中的某些项，把长序列DFT变成短序列DFT，从而减少其运算量。

2快速离散余弦变换有几种实现方法？

如何实现？

（1）利用FFT的快速算法

（2）基于代数分解的快速算法

第四章

1图像空域增强和频域增强的基本原理是什么？

像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，它是一种将原来不清晰的图像变得清晰或强调某些感兴趣的特征，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的图像处理方法

频域处理法的基础是卷积定理，它是将图像看作波，然后利用信号处理中的手段对图像波进行处理。

空域处理法的基础是灰度映射变换，它是直接针对图像中的像素进行处理，所用到的映射变换取决于增强的目的

2简述空域平滑滤波器和锐化滤波器的相同点，不同点及它们的联系？

相同点：

都能减弱或消除傅立叶空间的某些分量，而不影响或较少影响其它分量，从而达到增强某些频率分量的效果。

不同点：

平滑滤波器减弱或消除了傅立叶空间的高频分量，所以达到了增强低频分量、平滑图像中细节的效果。

锐化滤波器减弱或消除傅立叶空间的低频分量，所以达到了增强高频分量、锐化图像中细节的效果。

两者联系：

两者效果相反，互为补充，从原始图像中减去平滑滤波器的结果具有锐化的效果，而从原始图像中减去锐化滤波器的结果则具有平滑的效果。

3同态滤波的特点是什么？

适用什么情况？

同态滤波是一种在频域中同时将图像亮度范围进行压缩和将图像对比度增强的方法

同态滤波的原理：

将灰度值看成是照度和反射率的产物，由于照度相对较小，可以看做图像的低频成分，而反射率是高频成分。

通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的。

4为什么中值滤波对于脉冲噪声和椒盐噪声的抑制效果比较好？

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。

实现方法：

通过从图像中的某个采样窗口取出奇数个数据进行排序

用排序后的中值取代要处理的数据即可

中值滤波法对消除椒盐噪音非常有效，因为椒盐噪声的像素点值通常处于最大（或较大）或者最小（或较小）的范围内，采用取中间值的方法时，椒盐噪声可以比较好的过滤掉。

中值滤波在图像处理中,常用于用来保护边缘信息,是经典的平滑噪声的方法。

5用于空域增强处理中的平滑滤波器和锐化滤波器的相同点、不同点以及联系。

相同点：

都能减弱或消除傅立叶空间的某些分量，而不影响或较少影响其它分量，从而达到增强某些频率分量的效果。

不同点：

平滑滤波器减弱或消除了傅立叶空间的高频分量，所以达到了增强低频分量、平滑图像中细节的效果。

锐化滤波器减弱或消除傅立叶空间的低频分量，所以达到了增强高频分量、锐化图像中细节的效果。

两者联系：

两者效果相反，互为补充，从原始图像中减去平滑滤波器的结果具有锐化的效果，而从原始图像中减去锐化滤波器的结果则具有平滑的效果

第五章

1试分析比较三种典型的滤波复原方法：

逆滤波，维娜滤波与约束最小二乘方滤波？

2数字图像处理有哪几种常用的噪声？

高斯噪声，瑞利噪声，伽马噪声，指数噪声，均匀噪声，椒盐噪声

3何谓图像复原？

图像复原与图像增强有什么区别？

图像恢复（ImageRestoration）（客观）当造成图像退化（图像品质下降）的原因已知时，复原技术可以对图像进行校正。

最关键的是对每种退化都需要有一个合理的模型。

目的是消除退化的影响，从而产生一个等价于理想成像系统所获得的图像。

图像增强（ImageEnhancement）（主观）图像增强是对图像质量在一般意义上的改善。

当无法知道图像退化有关的定量信息时，可以使用图像增强技术较为主观地改善图像的质量。

其目的是得到一种特殊的艺术效果，增强动感和力度。

第六章

1什么是三原色原理？

1、自然界中的可见颜色都可以用这三基色按一定比例混合得到。

2、三基色彼此之间相互独立。

任何一种都不能用另外两种混合得到。

3、三基色之间的混合比例直接决定混合色调的饱和度。

4、混合色的亮度等于各个基色的亮度之和。

所以，国际照明委员会（CIE）规定以700nm（红）、546.1nm（绿）、435.8nm（蓝）三个色光为三基色。

自然界的所有颜色都可以通过选用这三基色按不同比例混合而成。

2全彩色图像处理与伪彩色图像处理有什么差别？

全彩色图像处理是对彩色图像进行彩色增强处理，其目的是突出图像中的用信息，

伪彩色图像处理是将黑白图像转化为彩色图像主要目的是提高人眼对图像的细节分辨能力一达到图像增强的目的

3什么是伪彩色处理？

伪彩色处理有哪些方法？

伪彩色增强是把灰度图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。

使原图像细节更易辨认，目标更容易识别。

伪彩色增强的方法主要有：

1、密度分割法2、灰度级一彩色变换法3、频率域伪彩色增强法

4简述对图像进行编码压缩的必要性和可行性。

必要性:

图像数据的特点之一是信息量大，图像在显示、传输过程中所需要传递的信息量非常大，不利于数字图像的传输和存储。

可行性：

数字图像中存在着冗余。

从信息论观点看，描述图像信源的数据由有用数据和冗余数据两部分组成。

冗余数据主要有：

空间冗余、时间冗余、结构冗余、信息熵冗余（编码冗余）、知识冗余、心理视觉冗余等等。

5有损压缩编码和无损压缩编码的区别在哪里？

无损压缩编码无信息损失，解压缩时能够从压缩数据精确地恢复原始图像（亦称无失真、无损、信息保持）编码。

有损压缩编码不能精确重建原始图像，存在一定程度的失真（有失真或有损）编码。

6造成图像质量退化的典型原因主要有哪些？

成像系统的像差、畸变、带宽有限等造成图像图像失真；

由于成像器件拍摄姿态和扫描非线性引起的图像几何失真；

运动模糊：

成像传感器与被拍摄景物之间的相对运动，引起所成图像的运动模糊；

灰度失真：

光学系统或成像传感器本身特性不均匀，造成同样亮度景物成像灰度不同；

辐射失真：

由于场景能量传输通道中的介质特性如大气湍流效应、大气成分变化引起图像失真；

图像在成像、数字化、采集和处理过程中引入的噪声等。

第四章图像增强

1.图象增强的目的和意义：

对图像的某些特征进行强调或尖锐化，以便于显示、观察和进一步分析处理

【图象增强】是指对图像的某些特征，如边缘、轮廓、对比度进行强调或尖锐化，以便于显示、观察或进一步地分析与处理。

不以图像保真度为原则，不增加图像数据中的相关信息。

有选择的突出某些对人或机器分析感兴趣的信息，抑制一些无用信息，以提高图像的使用价值。

针对图像退化的一般性质加以修正，改进图像的平均质量。

2.点运算的特点：

针对孤立象元点的运算，人为地改善图像的灰度和对比度

【空间域】：

图像平面所在的二维空间；

【空间域增强】：

在图像平面上直接针对一个一个像元点进行处理（点运算），或者对一个像元周围的小区域进行处理（局部运算），处理后像元的亮度变化而位置不变

【点运算增强】：

点运算是把图像中的每一像元值，按照特定的数学变换模式转换成输出图像的一个新的亮度值。

3.点运算的两个方法包括：

灰度变换、直方图变换

点运算变换方法包括：

灰度变换法、直方图调整法

【直方图】：

直方图是灰度级的函数，描述的是图像中各个灰度级像素的个数。

表示方法：

横坐标：

表示灰度级，根据像元的灰度范围，以适当间隔作为单位长；

纵坐标：

表示像素统计值，代表每一个灰度级像素数出现的数目，或者该像素占总像素的比例值。

【直方图特点与作用】：

直方图代表了图像中亮度值（像元值）的分布情况，但是并不反映像元的空间位置关系，不同的图像可能具有相同的直方图。

可以从图像的直方图的形态大致判断出图像质量的好坏。

【积累直方图】：

统计某一灰度值和这一灰度值以下的所有像元的数目

根据积累直方图也可以分析图像的质量：

对于偏暗的图像，在灰度小的部分像元数增长快；对于偏亮的图像，在灰度大的部分像元数增长快

积累直方图更重要的利用是在图像增强时作为变换函数。

【灰度变换法】：

通过变换函数使图像的灰度值发生变化，调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一

任一像素灰度为r→s=T（r）（线性变换、对数变换、指数变换）→同一像素灰度变为s

【线性变换】：

将灰度范围线性扩展

原因：

当图象成象时曝光不足或过度,或由于成象设备的非线性和图象记录设备动态范围太窄等因素，都会产生对比度不足的弊病，使图象中的细节分辨不清。

将原始图像各像元亮度值按线性关系，在0-255的任意指定范围内进行扩大或者缩小，来改变像元值的分布。

当直线与横轴夹角大于45°，图像拉伸（像素值范围扩大）；

当直线与横轴夹角等于45°，图像不变（像素值范围不变）；

当直线与横轴夹角小于45°，图像压缩（像素值范围减小）。

【分段线性变换】：

不同范围的像元值采用不同的比例进行扩大和缩小。

在进行变换的整个区间里，取n个间断点，每相邻两个间断点之间是一段线性变换的线段，每段的直线方程不同，可以拉伸，也可以压缩。

通过调整折线拐点的位置及分段直线的斜率可以对任一亮度区间进行扩展或者压缩。

【非线性变换】：

当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。

对数变换：

对数变换主要用于增强图象暗的部分，即拉伸灰度值低的部分。

指数变换：

指数变换主要突出图像亮区的差异，即图像灰度值高的部分。

【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，即各种灰度出现的概率是近似均匀的直方图。

自动调节图像对比质量，产生唯一结果

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。

直方图均衡化变换函数：

可以证明，这个特殊的变换函数就是原图象的积累直方图曲线——统计某一灰度值和这一灰度值以下的所有像元的数目或者占总像元数的比值做出的直方图。

在均衡过程中，原来直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。

若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。

在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。

修改一幅图象的直方图，使得它与另一幅图象的直方图匹配或具有一种预先规定的函数形状。

目标：

突出我们感兴趣的灰度范围，使图象质量改善。

它是对直方图均衡化处理的一种有效的扩展。

直方图均衡化处理是直方图规定化的一个特例。

直方图匹配也叫直方图规定化。

4.空域模板滤波增强的特点：

强调与周围相邻像元点的关系，对图像进行平滑或锐化

平滑滤波器：

钝化图像、去除噪音

锐化滤波器：

边缘增强、边缘提取

【局部增强方法一】：

【平滑】——图象在传输过程中，由于传输信道、采样系统质量较差，或受各种干扰的影响，而造成图象毛糙，此时，就需对图象进行平滑处理。

平滑方法包括：

均值滤波、中值滤波

1、均值平滑：

可见均值平滑就是将每个像元点为中心的邻域内各像元亮度的平均值来代替该像元的亮度值，达到去除噪声平滑图像的目的。

平滑的目的是去除噪音，但是在去除噪音的同时，也钝化了图像的边缘与尖锐的细节。

平滑的结果与模板的大小直接相关，模板越大，平滑效果越好，但是模板过大，会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需要合理的选择模板大小

2、中值滤波：

将像元点为中心的M×N邻域范围内的灰度值按大小排序，取中间的值来代替中心像元的值。

它在抑制随机噪声的同时，有效保护边缘锐度和图像细节。

适合去除椒盐噪声。

当领域内的像元数为奇数时，取排序后的中间像元值；当领域内的像元数为偶数时，取排序后的中间两像元的平均值。

中值滤波强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点（暗点）。

其突出优点是在消除噪声的同时，还能防止边缘模糊。

【局部增强方法二】：

【锐化】：

在图像的识别中常需要突出边缘和轮廓信息。

图象锐化目的：

加强图象轮廓，使图象看起来比较清晰。

平滑通过积分使图像边缘模糊，锐化则通过微分使图像边缘突出、清晰。

锐化处理可以用空间微分来完成.。

微分算子的响应强度与图像在该点的突变程度有关

图像微分增强了边缘和其他突变（如噪声）而消弱了灰度变化缓慢的区域。

一阶微分和二阶微分的区别:

一阶微分处理通常会产生较宽的边缘、二阶微分处理对细节有较强的响应,如细线和孤立点、一阶微分处理一般对灰度阶梯有较强的响应、二阶微分处理对灰度级阶梯变化产生双响应。

大多数应用中,对图像增强来说，一阶微分处理主要用于提取边缘。

二阶微分处理比一阶微分好,因为形成细节的能力更强。

基于一阶微分的图像增强：

梯度法

【定向边缘检测】：

有目的地检测某一方向的边、线或纹理特征时，可以选择特定的方向模板，做卷积运算。

所谓方向模板是一个元素的大小按一定规律取值因而对特定方向敏感的数学矩阵，当它与图象的线性地物匹配时，卷积结果具有较大的值，反之结果具有较小的值，从而能突出线性地物的信息

5.频域增强：

傅立叶变换（空域-频域），保留高频或低频

【频率域增强】：

高通滤波、低通滤波、同态滤波

【频率】：

一幅图像上的亮度分布大致存在着亮度渐变和亮度突变两种情况；把图像中的这种亮度随位置变化的频繁程度表示为一种频率；

【对于亮度突变的地类】：

边缘、线性地物及噪声：

如沟壑、河溪、湖泊边界、海岸线等。

集中在高频区，属于高频率特性

【对于亮度渐变的地类】：

粗糙的结构、较大面积的同类作物区：

如平原、沙漠、海面等。

特征稳定，属于低频率特性

突出主要的大的地类：

在频域中可以衰减高频分量而保存低频分量。

这就是频域的平滑处理

相反，当要突出边缘和线性地物：

在频域中衰减低频分量而保存高频分量。

这就是频域的锐化处理。

【傅立叶变化】：

任何一条复杂的曲线，经傅立叶变换，可以分解成若干条简单曲线

频谱的图像显示：

把振幅谱|F（u,v）|作为亮度显示在屏幕上

频谱的频域移中：

常用的傅里叶正反变换公式其中心最亮点将分布在四角，这和我们正常的习惯不同，因此，需要把这个图像的零点移到显示的中心。

一般图像能量集中低频区域。

变换之后的图像中间部分是低频，最亮，能量大。

【傅立叶变换的物理意义】：

一幅图象在付氏变换以前的空间称为空域，而付氏变换后的空间叫频域。

傅立叶变换是将图象转换到频率域灰度分布函数（图象的频率分布函数）

【低通滤波（平滑）】：

图像从空间域变换到频率域后，其低频分量对应图像中灰度值变化比较缓慢的区域，高频分量则表征图像中物体的边缘和随机噪声等信息。

低通滤波是指保留低频分量，而通过滤波器函数H（u，v）减弱或抑制高频分量的过程。

低通滤波与空域中的平滑滤波器一样可以消除图像中的随机噪声，减弱边缘效应，起到平滑图像的作用。

常用的频率域低通滤波器H（u,v）有四种:

理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、梯形低通滤波器

【理想低通滤波器的缺陷】：

理想低通滤波器平滑处理的概念是清楚的，但它在处理中会产生较严重的模糊和振铃现象。

由于高频成分包含有大量的边缘信息，因此采用该滤波器在去噪声的同时将会导致边缘信息损失而使图像模糊，同时有振铃效应。

正是由于理想低通滤波器存在振铃模糊现象，使其平滑效果下降。

【巴特沃思低通滤波器】又称为最大平坦滤波器：

它的特性是连续性衰减，而不像理想滤波器那样陡峭变化。

采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。

Butterworth低通滤波器振铃现象随着阶数的增加而明显

【指数低通滤波器】：

该滤波器在抑制噪声的同时，图像边缘的模糊程度较用Butterworth滤波产生的大些，无明显的振铃效应。

指数低通滤波器从通过频率到截止频率之间没有明显的不连续性，而是存在一个平滑的过渡带。

指数低通滤波器实用效果比Butterworth低通滤波器稍差，仍无明显的振铃现象。

【梯形低通滤波器】：

梯形低通滤波器介于理想低通滤波器和指数滤波器之间，滤波的图像有一定的模糊和振铃效应。

【高通滤波】：

图像中的边缘或线条与图像频谱中的高频成分相对应。

采用高通滤波器让高频顺利通过，使图像的边缘或线条变得清楚，实现图像的锐化

常用的高通滤波器：

理想高通滤波器、Butterworth高通滤波器、指数滤波器、梯形滤波器

【理想高通滤波器】：

D0仍为截止频率，当比D0大时全部通过，否则全部阻止。

【巴特沃思高通滤波器】：

Butterworth高通滤波效果较好，但计算复杂，其优点是有少量低频通过，H（u，v）是渐变的，振铃现象不明显

【指数高通滤波器】：

指数高通效果比Butterworth差些，振铃现象不明显；

【提醒高通滤波器】：

梯形高通会产生微振铃效应，但计算简单，较常用

四种高通滤波器的比较：

①理想高通有明显振铃，图像的边缘模糊不清。

②Butterworth高通效果较好，振铃不明显，但计算复杂。

③指数高通效果比Butterworth差些，但振铃也不明显。

④梯形高通的效果是微有振铃、但计算简单，故较常用。

【同台滤波】：

同态滤波的目的：

消除不均匀照度的影响而又不损失图象细节

依据:

反射分量反映图象内容，随图象细节不同在空间上作快速变化。

反射分量的频谱落在空间高频区域；

入射分量在空间上通常均具有缓慢变化的性质。

入射分量的频谱落在空间低频区域.

这样同态滤波函数就可以分别作用在这两个分量上。

同态滤波方法就是利用上式的形式将图像中的照明分量和反射分量分开。

这样同态滤波函数就可以分别作用在这两个分量上。

6.假彩色合成方法对于分量图像的要求：

信息量最大，相关性最小

【彩色增强技术的定义】：

利用人眼的视觉特性，将灰度图像变成彩色图像，或着改变彩色图像已有的彩色分布，改善图像的可分辨性。

【彩色增强相关方法】：

伪彩色增强Pseudo-color（单波段）、假彩色增强False-color（多波段）、彩色变换

【彩色合成相关原理】：

三基色原理：

红、绿、蓝，其中任何一色都不能由三基色中另外两种基色合成。

以三基色中两种以上色光按一定比例混合，产生其它色彩。

彩色合成方法：

加色法

【伪彩色增强】：

将一个波段或者单一的黑白图像变换成彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异。

常用方法：

方法1：

密度分割法；方法2：

灰度变换法

方法1：

密度分割法（IntensitySlicing）：

将单一波段或经过处理的单一分量图象，针对其象元灰度值的大小进行分割，并给每个灰度区间赋予不同颜色（红、绿、蓝）的方法。

密度分割中的彩色是人为赋予的，与地物的真实色彩毫无关系，因此称为伪彩色。

密度分割法相关处理技术：

①线性分割：

对所研究的亮度范围进行均匀分割

②非线性分割：

对所研究范围进行非均匀分割，感兴趣的亮度范围细分，不感兴趣的亮度范围粗分

③根据实际情况确定分割级数和分割点：

根据研究区域直方图峰点和谷点的数目及具体值来确定分割级数和分割点

方法2：

灰度变换法（colortransformation）：

将原图像f（x,y）中每一个像元的灰度值分别经过红、绿、蓝三种独立变换，变成三基色分量图像IR（x,y）、IG（x,y）、IB（x,y），然后用它们分别去合成一幅彩色图像。

【伪彩色增强对于遥感图像处理的意义】：

区分出地物的类别

【真彩色合成】：

当三幅影像的工作波段分别为红、绿、蓝时，对应分别赋予红色、绿色、蓝色，合成后的影像十分接近自然界的色彩，称为真彩色合成。

【假彩色合成】：

各工作波段被赋予的颜色，与波段所代表的真实颜色不同，合成色不是地物真实的颜色，因此这种合成叫做假彩色合成。

【假彩色增强】：

对多个波段的遥感图像，根据加色法原理，选择某三个波段分别赋予红、绿、蓝三种原色，合成彩色图像

由于三原色的选择与原波段所代表的真实颜色不同，生成的合成色不是地物真实的颜色，因此这种合成叫做假彩色合成

WelcomeTo

Download!

!

!

欢迎您的下载，资料仅供参考！