最新科大数字图像处理复习.docx
《最新科大数字图像处理复习.docx》由会员分享，可在线阅读，更多相关《最新科大数字图像处理复习.docx（19页珍藏版）》请在冰豆网上搜索。
最新科大数字图像处理复习
【复习要点比较杂，比较乱，总结得比较宽泛，需要各人筛选记忆复习】
1.什么是模拟图像与数字图像，二者有什么区别？
模拟图像:
空间坐标和明暗程度连续变化的、计算机无法直接处理的图像，属于可见图像。
三维空间连续，时间上连续，波谱上连续，可见物理图像。
图像上信息是连续变化的模拟量。
数字图像:
用计算机存储和处理的图像，是一种空间坐标和灰度均不连续，以离散数学原理表达的图像，在计算机内部，数字图像表现为二维矩阵属于不可见图像。
区别：
模拟图像连续可见，不便于用计算机处理,也不便于图像的储存、传输；数字图像不连续不可见。
2.数字图像处理包括哪几个层次？
各层次之间有何区别和联系？
数字图像处理层次：
①狭义的图像处理；②图像识别与分析；③图像理解。
区别：
狭义的图像处理:
主要在图像像素级上进行的，是低级处理，处理的数据量非常大，输入输出均为图像，是图像—图像的过程，如图像缩放、图像平滑、对比度增强；图像识别与分析:
通过分割和特征提取把原来以像素描述的图像转变成比较简洁的非图形式的描述，是中级处理，输入图像，输出提取的特征，是图像—数值或符号的过程，如区域分割、边界检测；图像理解:
根据较抽象的描述进行解析、判断、决策，其处理过程和方法与人类的思维推理有许多类似之处，是高级处理，输入为图像，输出为规则，是图像—描述及解释的过程，如无人驾驶，自动机器人、模式识别。
联系：
随着抽象程度的提高，数据量是逐渐减少的。
具体说来，原始图像数据经过一系列的处理过程，逐步转化为更有组织和用途的信息。
在这个过程中，语义不断引入，操作对象也逐步发生变化。
另外，高层操作对低层操作有指导作用，能提高低层操作的效能，完成复杂的任务。
3.数字图像处理系统由哪些模块组成？
各模块起何作用？
模块组成：
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。
各模块作用:
图像输入模块：
图像输入也称图像采集或图像数字化,它是利用图像采集设备（如数码照相机,数码摄像机等）来获取数字图像,或通过数字化设备（如图像扫描仪）将要处理的连续图像转换成适于计算机处理的数字图像。
图像存储模块：
主要用来存储图像信息。
图像输出模块：
将处理前后的图像显示出来或将处理结果永久保存。
图像通信模块：
对图像信息进行传输或通信。
图像处理与分析模块：
包括处理算法、实现软件和数字计算机,以完成图像信息处理的所有功能。
A.模拟图像处理与数字图像处理主要区别表现在哪些方面？
答:
1）数学描述方法：
模拟图像主要用连续数学方法，数字图像主要用离散数学方法。
2）图像分辨率表示：
数字图像分辨率是指反映整个图像画面垂直和水平方向像素数乘积。
模拟图像分辨率是指反映整个画面最多的扫描线数。
3）图像处理：
数字图像是通过对模拟图像采样，量化等处理获得的，模拟图像处理的方式很少，往往只能进行简单的放大、缩小等，而数字图像的处理方式可以非常精确、灵活。
数字图像处理再现性好，模拟图像的保存性较差，时间长了会有所变化，而数字图像不会因为保存、传输或复制而产生图像质量上的变化。
但数字图像处理速度较慢，存储容量大。
4）图像传输：
模拟图像以实物为载体，传输相对困难，而数字图像以数字信息为载体，传输相对较快
B.图像数字化：
将连续色调的模拟图像经采样量化后转换成数字影像的过程。
4.数字图像处理主要应用有哪些？
举例说明？
1）航天和航空技术方面如：
遥感技术用于农作物长势监测，自然灾害监测、预报
2）生物医学方面如：
利用电磁波谱成像分析系统诊断病情
3）通信工程方面如：
电话、电视和计算机以三网合一的方式在数字通信网上传输
4）工业和工程方面如：
CAD和CAM技术，用于模具、零件制造和服装
5）军事公安方面如：
各种侦察照片的判读，图片的判读分析，指纹识别，不完整图片的复原
6）文化艺术方面如：
电视、多媒体、电影特技、游戏、动画制作
5.什么是图像对比度？
定义：
对比度=最大灰度值/最小灰度值。
反映一幅图像中灰度方差大小。
6.图像数字化包括哪两个过程？
每个过程对数字化图像质量有何影响？
两个过程：
抽样：
把时间上和空间上连续的图像转换为离散的抽样点，即象素。
量化：
将抽样后所得的连续的象素值离散化为整数值。
对数字化图像质量的影响：
抽样间隔越大，所得图像像素数越少，图像空间分辨率越低，质量越差。
反之图像质量好，但数据量大。
量化等级越多（灰度级数越多），所得图像层次越丰富，灰度分辨率越高，质量越好，但数据量大。
反之，图像质量差，会出现假轮廓现象，但数据量小。
7.数字化图像的数据量与哪些因素有关？
有关因素：
量化间隔和灰度级数。
量化间隔大数据量小，量化间隔小数据量大。
灰度级数小数据量小；灰度级数大数据量大。
8.什么是灰度直方图？
有哪些应用？
直方图的定义:
定义1:
一个灰度级别在范围[0，L-1]的数字图象的直方图是一个离散函数
p（rk）=nk/n
—n是图象的像素总数
—nk是图象中第k个灰度级的像素总数
—rk是第k个灰度级，k=0,1,2,…,L-1
定义2:
一个灰度级别在范围[0，L-1]的数字图象的直方图是一个离散函数
p（rk）=nkk=0,1,2,…,L-1
由于rk的增量是1，直方图可表示为：
p（k）=nk即，图象中不同灰度级像素出现的次数
应用：
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当物体部分的灰度值比其他部分灰度值大时，可利用直方图统计图像中物体的面积：
④计算图像信息量熵：
9.灰度变换？
灰度变换的目的是什么？
有哪些实现方法。
灰度变换：
将一个灰度区间映射到另一个灰度区间的变换
目的：
提高对比度，使图像动态范围加大，图像对比度扩展，图像清晰，特征明显，是图像增强的重要手段。
实现方法：
线性变换，非线性变换，分段变换
10.图像熵和直方图有何关系？
利用直方图计算图像信息量熵
11.统计图像的直方图，并且计算熵？
熵反映了图像信息丰富的程度,在图像编码处理中有重要意义.
假设一幅数字图像的灰度范围为[0，L-1]，各灰度级像素出现的概率为P0，P1，…,PL-1,则该图像的平均信息量（熵）为:
12.什么是点处理、局部处理、并行处理和串行处理？
点处理：
在局部处理中，当输出值JP（i,j）仅与IP（i,j）有关，则称为点处理
点处理计算表达式：
局部处理：
对输入图像IP（i,j）处理时，某一输出像素JP（i,j）值由输入图像像素（i,j）及其邻域N（i,j）中的像素值确定。
这种处理称为局部处理。
局部处理计算表达式：
并行运算：
指对图像中各个象素同时进行相同处理的运算方式，运算快，但只能用于处理的结果与处理的顺序无关的场合。
串行运算：
相对并行运算而言，指的是在图像上按照规定的顺序逐个象素进行处理的运算的形式。
说明：
凡是在对邻域象素处理的基础上进行的处理方法都必须采用串行的运算形式，同时必须规定处理的顺序，处理的顺序不同会产生不同的结果。
13.图像增强的目的是什么？
它包含哪些内容？
图像增强和图像复原之间有何区别与联系？
目的：
改善图像的视觉效果；突出图像的特征，便于计算机处理（把图像处理成有利于后续处理的形式）。
1、图像增强的定义：
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。
包含内容：
空域处理：
点运算增强；直方图增强；空域模板滤波；彩色图像增强
频域处理：
频域的平滑；频域的锐化
区别与联系:
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。
如果图像已退化，应先作复原处理，再作增强处理。
二者的目的都是为了改善图像的质量。
14.写出将具有双峰直方图的两个峰分别从23和155移到16和240的图像线性变换。
15.直方图修正有哪两种方法？
二者有何区别与联系？
方法：
直方图均衡化和直方图规定化（直方图匹配）。
区别：
直方图均衡化：
是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
直方图均衡化就是重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
缺陷：
直方图均衡化只能产生唯一一个结果，故不能用于交互方式的图像增强应用。
直方图规定化：
将一幅图像通过灰度变换后，使其具有特定的直方图形式，如使图像与某一标准图像具有相同的直方图，或使图像具有某一特定函数形式的直方图。
基本思想是变换直方图使之成为某个特定的形状，从而可以有控制地达到预定的目标。
联系：
直方图均衡化主要用于增强动态范围偏小的图像反差，它能自动增强整个图像的对比度（全局均衡化的直方图），但是它的具体效果不易控制；而直方图规定化就是有选择的增强某个灰度范围内的对比度或使图像灰度值的分布满足特定的条件。
16.直方图均衡化的实现
实现算法：
设f、g分别为原图象和处理后的图像。
1）求出原图f的灰度直方图，设为h。
h为一个256维的向量。
（有256个灰度级，L=256）
2）求出图像f的总体像素个数Nf=m*n（m,n分别为图像的长和宽）
计算每个灰度级的像素个数在整个图像中所占的百分比。
hs（i）=h（i）/Nf（i=0,1,…,255）
3）计算图像各灰度级的累计分布hp。
4）求出新图像g的灰度值。
17.什么是图像平滑？
叙述均值滤波和中值滤波的原理。
中值滤波有何特点？
图像平滑：
为了抑制噪声改善图像质量所进行的处理
均值滤波器－邻域平均法：
基本思想是用图像上点（X,Y）及其邻域像素的灰度平均值来代替点（X,Y）的灰度值。
设有一幅N×N的图像f（x,y），若平滑图像为g（x,y）,则有
式中x,y=0,1,…,N-1；
s为（x,y）邻域内像素坐标的集合；
M表示集合s内像素的总数。
中值滤波：
对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值。
邻域平均法缺点：
降低噪声的同时使图像产生模糊，特别在边缘和细节处。
中值滤波特点：
在去除噪音的同时，可以比较好地保留边的锐度和图像的细节。
中值滤波和邻域平均法的比较：
①中值滤波的效果无论从客观指标还是主观视觉效果上都远远超过邻域平均法；
②中值滤波后的图像边缘得到了较好的保护；
③超限中值滤波比一般中值滤波的效果要好。
18.对下图做3*3的中值滤波处理和邻域平均处理，写出处理结果？
19.多图像平均法为何能去掉噪声？
多图像平均法：
对同一景物的多幅图像取平均来消除噪声的方法。
—原始图像
—噪声，
这里，噪声
是加性白噪声，即均值为0，方差为
，且噪声与图像
不相关。
20.图像锐化处理有几种方法？
计算上述图像的梯度图像。
方法:
空域处理：
空域模板滤波中的锐化滤波（包括基本高通滤波，高增益滤波，微分滤波）
频域处理：
频率域锐化（采用高通滤波器让高频成分通过，阻止削弱低频成分，达到图像锐化的目的。
）
21.试述频率域增强的步骤。
频率域平滑与锐化的主要区别在哪里？
步骤：
思想：
通过滤波器函数以某种方式来修改图像的变换，然后通过取结果的反变换来获得处理后的输出图像。
主要区别：
在频率域增强技术中，平滑主要是保留图像中的低频部分抑制高频部分，锐化则保留图像的高频部分而削弱低频部分。
22.什么是假彩色增强和伪彩色增强，二者有什么区别？
假彩色增强：
对一幅自然彩色图像或同一景物的多光谱图像，通过映射函数变换成新的三基色分量，彩色合成使感兴趣目标呈现出与人眼色觉相匹配的颜色，以提高对目标的分辨力。
伪彩色增强：
把黑白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，目的是使图像细节更易辨认，目标更容易识别。
区别：
伪彩色处理主要解决的是如何把灰度图变成伪彩色图的问题,最简单的办法是选择对应于某一灰度值设一彩色值来替代,可称之为调色板替代法.另外一种比较好的伪彩色处理方法是设定三个独立的函数,给出一个灰度值,便由计算机估算出一个相应的RGB值.
假彩色（falsecolor）处理是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.假彩色处理的主要用途是:
（1）景物映射成奇异彩色,比本色更引人注目.
（2）适应人眼对颜色的灵敏度,提高鉴别能力.可把细节丰富的物体映射成深浅与亮度不一的颜色.
（3）遥感多光谱图象处理成假彩色,可以获得更多信息.
23.何为图像复原？
图像复原与增强有何区别？
图像复原：
图像复原就是要尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理。
典型的图像复原是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，使图像质量得到改善。
图像复原和图像增强的区别：
（见13T）
24.试述逆滤波复原的基本原理。
它的主要难点是什么？
如何克服？
基本原理：
假定图像经过线性操作而退化，先通过傅立叶变换将退化后且带有噪声的图像g（x）变换成G（u,v），在频率域中经过复原（G（u,v）/H（u,v））操作后为F（u,v），再通过傅立叶逆变换将F（u,v）变换成f（x,y）。
主要难点：
若噪声为零，则采用逆滤波恢复法能完全再现原图像。
若噪声存在，而且H（u,v）很小或为零时，则噪声被放大。
这意味着退化图像中小噪声的干扰在H（u,v）较小时，会对逆滤波恢复的图像产生很大的影响，有可能使恢复的图像和f（x,y）相差很大，甚至面目全非。
克服：
1）在H（u,v）=0及其附近，人为地仔细设置H-1（u,v）的值，使N（u,v）*H-1（u,v）不会对产生太大影响。
2）使H（u,v）具有低通滤波性质。
25.图像几何校正一般包括哪两步？
像素灰度内插有哪三种方法？
两步：
①空间位置坐标变换②灰度级内插
三种方法：
①最邻近插值法②双线性插值（一阶插值）③高阶插值
26.有如下信源X，
，其中
，
，
，
，
，
，
，
。
将该信源进行Huffman编码，并计算信源的熵。
Huffman编码：
信源的熵：
27.什么是图像分割，常用的图像分割方法有哪些？
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。
将图像中具有特殊涵义的不同区域区分开来,这些区域是互相不交叉的,每一个区域都满足特定区域的一致性。
图像分割方法：
基于区域间灰度值的不连续性
思路：
先找到点、线（宽度为1）、边（不定宽度），再确定区域
方法：
①边界分割法：
点、线、边的检测
②边缘连接分割法：
通常对做过边缘检测的图像进行，用于连接中断的线
基于区域内部灰度间的相似性
思路：
通过选择阈值，找到灰度值相似的区域区域的外轮廓就是对象的边
方法：
③域值分割法：
关键是域值的确定直方图得到域值、P参数法得到域值，最大方差自动取值法
④面向区域的分割：
（区域增长法、区域分裂与合并）
28.二值化，计算图像的欧拉数。
29.画出链码为222222555000的曲线，计算该曲线的长度。
算法1：
设某像素与其上下左右像素间的距离为1，与斜方向像素间的距离为
，
;
算法2：
将边界的像素总和作为周长，
30.何为灰度共生矩阵？
试求下面图像0度方向的灰度共生矩阵。
灰度共生矩阵:
是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。
共生矩阵表示
共生矩阵用两个位置的象素的联合概率密度来定义，它不仅反映亮度的分布特性，也反映具有同样亮度或接近亮度的象素之间的位置分布特性，是有关图象亮度变化的二阶统计特征。
它是定义一组纹理特征的基础。
是分析图象的局部模式和它们排列规则的基础。
31.什么是特征提取与特征选择，二者有何区别？
特征提取：
从减少特征之间的相关性和浓缩信息量的角度出发，根据原始数据的统计特性，用尽可能少的特征来最大限度的包含所有原始数据的统计特征。
特征选择:
从原始特征中挑选出一些最有代表性，分类性能最好的特征。
区别:
特征提取:
用映射（或变换）的方法把原始特征变换为较少的新特征.
特征选择:
从原始特征中挑选出一些最有代表性,分类性能最好的特征.不改变原始特征值的物理意义。
1.黑白图像？
是指图像的每个像素只能是黑或白，没有中间的过渡，故又称为二值图像。
二值图像的像素值为0或1。
2.灰度级变换（点运算）的定义？
定义
（1）：
对于输入图象f（x,y），灰度级变换T将产生一个输出图像g（x,y），且g（x,y）的每一个像素值，都是由f（x,y）的对应输入像素点的值决定的。
g（x,y）=T（f（x,y））
定义
（2）：
对于原图象f（x,y），灰度值变换函数T（f（x,y）），由于灰度值总是有限个如：
0-255，非几何变换可定义为:
R=T（r），其中R,r在0-255之间取值。
3.熵的概念？
熵是图像所具有的信息量的度量，因纹理信息也属于图像的信息，若图像没有任何纹理，则灰度共生矩阵几乎为零阵，该图像的熵值接近于0。
若图像纹理较多，则熵值也较大。
价格便宜些□服务热情周到□店面装饰有个性□商品新颖多样□
据调查统计，有近94%的人喜欢亲戚朋友送给自己一件手工艺品。
无论是送人，个人兴趣，装饰还是想学手艺，DIY手工制作都能满足你的需求。
下表反映了同学们购买手工艺制品的目的。
如图（1-4）4.HSI色系中“H”“S”“I”是什么意思？
（5）资金问题I：
表示光照强度或称为亮度，表示人眼所能感觉到的颜色明暗程度，它确定了像素的整体亮度，而不管其颜色是什么。
H：
表示色度，由角度表示。
反映了该颜色最接近什么样的光谱波长（既彩虹中的那种颜色）0o为红色，120o为绿色，240o为蓝色。
0o到240o覆盖了所有可见光谱的颜色，240o到300o是人眼可见的非光谱色（紫色）。
大学生对手工艺制作兴趣的调研
S：
表示饱和度，饱和度参数是色环的原点到彩色点的半径长度。
在环的外围圆周是纯的或称饱和的颜色，其饱和度值为1。
在中心是中性（灰）影调，即饱和度为0。
“碧芝自制饰品店”拥有丰富的不可替代的异国风采和吸引人的魅力，理由是如此的简单：
世界是每一个国家和民族都有自己的饰品文化，将其汇集进行再组合可以无穷繁衍。
标题：
大学生“负债消费“成潮流2004年3月18日
加拿大ｂｅａｄｗｏｒｋｓ公司就是根据年轻女性要充分展现自己个性的需求，将世界各地的珠类饰品汇集于“碧芝自制饰品店”内，由消费者自选、自组、自制，这样就能在每个消费者亲手制作、充分发挥她们的艺术想像力的基础上，创作出作品，达到展现个性的效果
3、竞争对手分析
“碧芝”隶属于加拿大的ｂｅａｄｗｏｒｋｓ公司。
这家公司原先从事首饰加工业，自助首饰的风行也自西方，随着人工饰品的欣欣向荣，自制饰品越来越受到了人们的认同。
１９９６年'碧芝自制饰品店'在迪美购物中心开张，这里地理位置十分优越，交通四八达，由于是市中心，汇集了来自各地的游客和时尚人群，不用担心客流量问题。
迪美有３００多家商铺，不包括柜台，现在这个商铺的位置还是比较合适的，位于中心地带，左边出口的自动扶梯直接通向地面，从正对着的旋转式楼拾阶而上就是人民广场中央，周边４、５条地下通道都交汇于此，从自家店铺门口经过的９０％的顾客会因为好奇而进看一下。
据调查，大学生对此类消费的态度是：
手工艺制品消费比“负债”消费更得人心。
A
升级会员 