第一篇：數(shù)字圖像處理考試總結(jié)
1、數(shù)字圖像處理的特點(diǎn)：
（1）圖像信息量大（2）圖像處理技術(shù)綜合性強(qiáng)（3）圖像信息理論與通信理論密切相關(guān)
一副遙感圖像占用3240x2340x4=30MB
1、數(shù)字圖像處理的主要內(nèi)容：（1）圖像信息的獲取（2）圖像信息的儲(chǔ)存（3）圖像信息的傳送（4）圖像信息的輸出和顯示
2、數(shù)字圖像處理：集幾何處理、算數(shù)處理、圖像增強(qiáng)、圖像復(fù)原、圖像重建、圖像編碼、圖像識(shí)別、圖像理解。
3、圖像工程：圖像處理、圖像分析、圖像理解。
4、第一代編碼：以去除冗余為基礎(chǔ)的編碼方法。例如：變化編碼中的DFT、DCT、walsh-Hadamard變換等方法，以及以此為基礎(chǔ)的混合編碼。
5、圖像的輸出與顯示，圖像輸出有兩種，硬拷貝和軟考貝。硬拷貝方法有：照相、激光復(fù)印、彩色噴墨打印。
軟考貝：CRT顯示、液晶顯示器、場(chǎng)致發(fā)光顯示器。
第二章：圖像、圖像處理系統(tǒng)與視覺(jué)系統(tǒng)
1、發(fā)光強(qiáng)度：發(fā)光光源的功率。
單位：燭光功率lcp、新?tīng)T光lcd。
2、光通量：是每秒鐘內(nèi)光流量的度量。
單位：流明lm。
3、照度：入射到某表面的光通量密度。
4、熵：平均信息量。：
5、液晶顯示器的優(yōu)、缺點(diǎn)：（1）超精致的圖像質(zhì)量（2）真正的平面顯示（3）體積小、重量輕（4）功耗低、節(jié)省能源（5）TFT LCD無(wú)輻射、無(wú)閃爍。
缺點(diǎn)：于CRT顯示器相比，LCD顯示器圖像質(zhì)量不夠完善，液晶顯示器響應(yīng)時(shí)間不夠短，視角偏小。
6、三色混合及色度表示原理。有三基色混配各種顏色的方法通常有：相加混色、相減混色。
著名的拉格斯曼定律反應(yīng)了視覺(jué)對(duì)顏色的反應(yīng)取決于紅、綠、藍(lán) 三輸入量的代數(shù)和。
7、R：red、G： green、B: blue
8、HSI顏色模型、H: 色調(diào)(Hue)、S: 飽和度(Saturation)、I：強(qiáng)度I(Intensity)第四章：圖像增強(qiáng)
1、圖像增強(qiáng)：是按照特定的需要突出一幅圖像中的某些信息，同時(shí)，削弱或去除某些不需要的信息的處理方法。
圖像增強(qiáng)的目的？
使處理后的圖像對(duì)某種特定的應(yīng)用來(lái)說(shuō)，比原始圖像更適用。
2、圖像增強(qiáng)技術(shù)主要包括：直方圖修改處理、圖像平滑處理、圖像尖銳化處理、彩色處理。
3、圖像增強(qiáng)技術(shù)可分兩類(lèi)：頻域處理法、空域處理法。
4、頻域處理法的基本原理：可以增強(qiáng)圖像中的低頻分量使圖像得到平滑，也可以強(qiáng)調(diào)圖像中的高頻分量使圖像的邊緣得到增強(qiáng)。
5、什么是灰度級(jí)的直方圖？
灰度級(jí)的直方圖就是反應(yīng)一幅圖像中的灰度級(jí)與出現(xiàn)這種灰度的概率之間關(guān)系的圖形。
6、圖像平滑處理方法有空域法和頻域法兩種，主要有鄰域平均法、低通濾波法、多圖像平均法。
7、圖像處理中最常用的模型是：RGB、YIQ 和 HIS
8、直方圖均衡化處理的主要步驟是什么？
9、什么是“簡(jiǎn)并”現(xiàn)象？如何克服簡(jiǎn)并現(xiàn)象？
（1）在直方圖修正的過(guò)程中，總要出現(xiàn)灰度等級(jí)減少的情況，這種現(xiàn)象就是簡(jiǎn)并現(xiàn)象。
（2）增加像素的比特?cái)?shù)、采用灰度間隔放大理論的直方圖修正法也可減少簡(jiǎn)并現(xiàn)象。
10、多圖像平均法為何能去噪聲？它的主要難點(diǎn)是什么？
(1)如果一幅圖像包含有加性噪聲，這些噪聲對(duì)每個(gè)坐標(biāo)點(diǎn)是不相關(guān)的，并且其平均值為零，在這種情況下就可能采用多圖像平均法來(lái)達(dá)到去噪聲的目的。
多圖像平均法是把一系列有噪聲的圖像疊加起來(lái)然后再取平均值以達(dá)到平滑的目的。
當(dāng)作平均處理的噪聲圖像數(shù)目增加時(shí)，其統(tǒng)計(jì)平均值就越接近原始無(wú)噪聲圖像。
(2)難點(diǎn)在于把多幅圖像配準(zhǔn)起來(lái)，以方便使相應(yīng)的像素能正確的對(duì)應(yīng)排列。第五章 圖像復(fù)原
1、試述編碼效率和冗余度的概念及如何計(jì)算編碼效率和冗余度？
2、編碼的基本限制就是碼字要有單義性和非續(xù)長(zhǎng)性。
3、單義性碼：是指任意一個(gè)有限長(zhǎng)的碼字序列只能被分割成一個(gè)一個(gè)的碼字，而任何其他分割方法都會(huì)產(chǎn)生一些不屬于碼字集合中的碼字。
4、非續(xù)長(zhǎng)代碼：是指任意一個(gè)碼字都不是其他碼字的續(xù)長(zhǎng)。
5、非續(xù)長(zhǎng)代碼一定是單義的，但是，單義代碼卻不一定是非續(xù)長(zhǎng)的。
6、最常用的變長(zhǎng)編碼方法是哈弗曼（Huffman）碼和香農(nóng)-費(fèi)諾（Shannon-Fano）碼
7、正交變換編碼的性質(zhì)：（1）正交變換具有熵保持性質(zhì)（2）正交變換具有能量保持性質(zhì)（3）能量從新分配與集中（4）去相關(guān)特性。
8、求T的步驟：
（1）給定一幅圖像后，首先要統(tǒng)計(jì)其協(xié)方差矩陣Cx；
（2）由Cx求λ矩陣，即【λE—Cx】。并且由|λE—Cx |=0得其特征根，進(jìn)而求得每一個(gè)特征根所對(duì)應(yīng)的特征向量；
（3）由特征向量求出變換矩陣T；
（4）用求得的T對(duì)圖像數(shù)據(jù)進(jìn)行正交變換。
1、中值濾波與均值濾波的特點(diǎn)及差異？
中值濾波：是一種去噪聲的非線(xiàn)性處理方法；它將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值。
其基本原理是：把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中
個(gè)點(diǎn)值的中值代替。
均值濾波：也稱(chēng)線(xiàn)性濾波，其采用的主要方法為鄰域平均法。
其基本原理是：用均值替代圖像中的各像素值。
舉例說(shuō)明直方圖均衡化的基本步驟
直方圖均衡化是通過(guò)灰度變換將一幅圖象轉(zhuǎn)換為另一幅具有均衡直方圖，即在每個(gè)灰度級(jí)上都具有相同的象素點(diǎn)數(shù)的過(guò)程。
直方圖均衡化變換：設(shè)灰度變換s=f(r)為斜率有限的非減連續(xù)可微函數(shù)，它將輸入圖象Ii(x，y)轉(zhuǎn)換為輸出圖象Io(x，y)，輸入圖象的直方圖為Hi(r)，輸出圖象的直方圖為Ho(s)，則根據(jù)直方圖的含義，經(jīng)過(guò)灰度變換后對(duì)應(yīng)的小面積元相等：Ho(s)ds=Hi(r)dr 直方圖修正的例子 假設(shè)有一幅圖像，共有6 4(6 4個(gè)象素，8個(gè)灰度級(jí)，進(jìn)行直方圖均衡化處理。根據(jù)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 由于這里只取8個(gè)等間距的灰度級(jí)，變換后的s值也只能選擇最靠近的一個(gè)灰度級(jí)的值。因此，根據(jù)上述計(jì)算值可近似地選取：
S0≈1／7，s 1≈3／7，s2≈5／7，s3≈6／7，s4≈6／7，s5≈1，s6≈l，s7≈1。
可見(jiàn)，新圖像將只有5個(gè)不同的灰度等級(jí)，于是我們可以重新定義其符號(hào)：
S0’=l／7，s1’=3／7，s2’=5／7，s3’=6／7，s4’=l。
因?yàn)橛蓃O=0經(jīng)變換映射到sO=1／7，所以有n0=790個(gè)象素取sO這個(gè)灰度值；由rl=3／7映射到sl=3／7，所以有1 02 3個(gè)象素取s 1這一灰度值；依次類(lèi)推，有850個(gè)象素取s2=5／7這一灰度值；由于r3和r4均映射到s3=6／7這一灰度值，所以有656+329=98 5個(gè)象素都取這一灰度值；同理，有245+1 22+81=448個(gè)象素都取s4=1這一灰度值。上述值除以n=4096，便可以得到新的直方圖。
第二篇：《數(shù)字圖像處理》
實(shí)驗(yàn)五 圖像的幾何變換
一．實(shí)驗(yàn)?zāi)康募耙?/p>
掌握?qǐng)D像幾何變換的基本原理，熟練掌握數(shù)字圖像的縮放、旋轉(zhuǎn)、平移、鏡像和轉(zhuǎn)置的基本原理及其MATLAB編程實(shí)現(xiàn)方法。
二、實(shí)驗(yàn)內(nèi)容
（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認(rèn)真觀察命令執(zhí)行的結(jié)果。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關(guān)參數(shù)，觀察試驗(yàn)結(jié)果。
1.圖像縮放 clear all, close all I = imread('cameraman.tif');Scale = 1.35;
% 將圖像放大1.35倍
J1 = imresize(I, Scale, 'nearest');
% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');
% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');help imresize
% 查看imresize使用幫助
1.95倍
I = imread('cameraman.tif');Scale = 1.96;
% 將圖像放大1.96倍
J1 = imresize(I, Scale, 'nearest');
% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');
% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');
說(shuō)明：
?注意觀察不同插值方法的圖像表現(xiàn)； ?改變圖像縮放因子Scale，重做上述實(shí)驗(yàn)。2.圖像旋轉(zhuǎn)
clear all, close all I = imread('cameraman.tif');Theta = 45;
% 將圖像逆時(shí)針旋轉(zhuǎn)45?。
J1 = imrotate(I, Theta, 'nearest');
% using the nearest neighbor interpolation Theta =-45;
% 將圖像順時(shí)針旋轉(zhuǎn)45?。
J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');% 查看imrotate使用幫助 help imrotate %-------
圖像旋轉(zhuǎn)30順時(shí)針逆時(shí)針
clear all, close all I = imread('cameraman.tif');Theta = 30;
% 將圖像逆時(shí)針旋轉(zhuǎn)30。
J1 = imrotate(I, Theta, 'nearest');
% using the nearest neighbor interpolation Theta =-30;
% 將圖像順時(shí)針旋轉(zhuǎn)30。
J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');7 說(shuō)明：
?注意觀察不同插值方法和輸出圖像后處理方法的圖像表現(xiàn)； ?改變旋轉(zhuǎn)角度大小和方向，重做上述實(shí)驗(yàn)。
3．圖像水平鏡象
clear all, close all I = imread('cameraman.tif');I1 = flipdim(I,2);
I2 = flipdim(I,1);figure(1), subplot(1,2,1), imshow(I);subplot(1,2,2), imshow(I1);figure(2), subplot(2,1,1), imshow(I);subplot(2,1,2), imshow(I2);%----
(二)用MATLAB編程實(shí)現(xiàn)以下圖像幾何變換（參考自編講義相關(guān)章節(jié)）
1．圖像扭曲變換 2．球面變換
三、實(shí)驗(yàn)設(shè)備
1．PIII以上微機(jī)； 2．MATLAB6.5；
四、預(yù)習(xí)與思考
1．預(yù)習(xí)實(shí)驗(yàn)內(nèi)容，閱讀教材熟悉實(shí)驗(yàn)原理；
2．查閱資料，熟悉實(shí)驗(yàn)中涉及的有關(guān)MATLAB函數(shù)；
3．利用課余時(shí)間，采用MATLAB底層函數(shù)編程實(shí)現(xiàn)實(shí)驗(yàn)內(nèi)容
（二）中的圖像平移、圖像轉(zhuǎn)置等幾何變換。
五、實(shí)驗(yàn)報(bào)告要求
1．簡(jiǎn)述試驗(yàn)的目的和試驗(yàn)原理；
2．?dāng)⑹龈鞫纬绦蚬δ埽淖冇嘘P(guān)函數(shù)的參數(shù)，分析比較實(shí)驗(yàn)結(jié)果； 3．打印出所編寫(xiě)的實(shí)驗(yàn)程序。4．寫(xiě)出本實(shí)驗(yàn)的心得體會(huì)及意見(jiàn)。
實(shí)驗(yàn)六
數(shù)字圖像處理應(yīng)用
一．實(shí)驗(yàn)?zāi)康募耙?/p>
1．利用MATLAB提供的圖像處理函數(shù)實(shí)現(xiàn)圖像中物體屬性的測(cè)量； 2．訓(xùn)練綜合運(yùn)用MATLAB圖像處理函數(shù)的能力； 3．了解數(shù)字圖像處理基本應(yīng)用。
二、實(shí)驗(yàn)內(nèi)容
以大米粒特性測(cè)量為例，綜合應(yīng)用課程中圖像分割、形態(tài)學(xué)濾波、圖像增強(qiáng)、圖像特征提取等圖像處理方法，實(shí)現(xiàn)大米粒特性自動(dòng)測(cè)量。實(shí)驗(yàn)過(guò)程簡(jiǎn)述：
1． 讀取和顯示圖像 2． 估計(jì)圖像背景 3． 獲取背景均勻的圖像 4． 圖像增強(qiáng) 5． 圖像二值化分割 6． 區(qū)域標(biāo)記及為彩色處理
7． 測(cè)量圖像中的區(qū)域特性（面積、質(zhì)心等）
8．統(tǒng)計(jì)大米粒的特性分布規(guī)律。
（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認(rèn)真觀察命令執(zhí)行的結(jié) 果。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關(guān)參數(shù)，觀察試驗(yàn)結(jié)果。
% Read and Display an Image clear, close all,close all;I = imread('rice.png');
figure, imshow(I)
% Use Morphological Opening to Estimate the Background
background = imopen(I,strel('disk',15));
figure, imshow(background);
%Display the Background Approximation as a Surface
figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);set(gca,'ydir','reverse');% Subtract the Background Image from the Original Image I2 = imsubtract(I,background);figure, imshow(I2)% Adjust the Image Contrast I3 = imadjust(I2, stretchlim(I2), [0 1]);figure, imshow(I3);% Apply Thresholding to the Image level = graythresh(I3);bw = im2bw(I3,level);figure, imshow(bw)% Determine the Number of Objects in the Image [labeled,numObjects] = bwlabel(bw,4);
% Label components.numObjects % Examine the Label Matrix RGB_label = label2rgb(labeled, @spring, 'c', 'shuffle');figure, imshow(RGB_label);% Measure Object Properties in the Image graindata = regionprops(labeled,'basic')allgrains = [graindata.Area];% Compute Statistical Properties of Objects in the Image max(allgrains);biggrain = find(allgrains==695)mean(allgrains);figure, hist(allgrains,20);12
(詳見(jiàn)MATLAB IPT的 幫助文檔demo中的Correcting Nonuniform Illumination)
（二）查看MATLAB IPT 幫助文檔，研究其它應(yīng)用演示
三、實(shí)驗(yàn)設(shè)備 1．PIII以上微機(jī)； 2．MATLAB6.5；
四、預(yù)習(xí)與思考
1．預(yù)習(xí)實(shí)驗(yàn)內(nèi)容，閱讀教材熟悉實(shí)驗(yàn)原理； 2．查閱資料，熟悉實(shí)驗(yàn)中涉及的有關(guān)函數(shù)。
3．利用課余時(shí)間，采用MATLAB函數(shù)編程實(shí)現(xiàn)實(shí)驗(yàn)內(nèi)容
（二）。
五、實(shí)驗(yàn)報(bào)告要求
1．簡(jiǎn)述試驗(yàn)的目的和試驗(yàn)原理；
2．?dāng)⑹龈鞫纬绦蚬δ埽淖冇嘘P(guān)函數(shù)的參數(shù)，分析比較實(shí)驗(yàn)結(jié)果； 3．打印出所編寫(xiě)的實(shí)驗(yàn)程序。4．寫(xiě)出本實(shí)驗(yàn)的心得體會(huì)及意見(jiàn)。
第三篇：數(shù)字圖像處理
中南大學(xué)
數(shù)字圖像處理實(shí)驗(yàn) 實(shí)驗(yàn)名稱(chēng)：空間濾波和頻域?yàn)V波
班級(jí)：電子信息0802班
姓名：李哲 學(xué)號(hào)：0909080609 實(shí)驗(yàn)日期：2010年12月22日
目錄
一，實(shí)驗(yàn)?zāi)康???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對(duì)被噪聲污染的圖像進(jìn)行中值濾波和均值濾波???????5 四，對(duì)圖像進(jìn)行空間域的銳化????????????????6 五，MATLAB以外函數(shù)空間濾波和圖像銳化??????????7 六，自帶函數(shù)傅立葉變換和反變換??????????????8 七，低通濾波器程序????????????????????9 八，心得體會(huì) ??????????????????????10 九，參考文獻(xiàn) ??????????????????????10
一、實(shí)驗(yàn)?zāi)康?1，空間濾波：
圖像平滑主要目的是減少噪聲。噪聲有很多種類(lèi)，不同的噪聲有不同的抑制措施。本實(shí)驗(yàn)要求用平滑線(xiàn)性濾波和中值濾波2種最典型、最常用的處理算法進(jìn)行程序設(shè)計(jì)，學(xué)習(xí)如何對(duì)已被噪聲污染的圖像進(jìn)行“凈化”。通過(guò)平滑處理，對(duì)結(jié)果圖像加以比較，得出自己的實(shí)驗(yàn)結(jié)論。學(xué)習(xí)如何用銳化處理技術(shù)來(lái)加強(qiáng)圖像的目標(biāo)邊界和圖像細(xì)節(jié)，對(duì)圖像進(jìn)行梯度算子、拉普拉斯算子，使圖像的某些特征（如邊緣、輪廓等）得以進(jìn)一步的增強(qiáng)及突出。本實(shí)驗(yàn)銳化處理主要在空間域中進(jìn)行 2，頻域?yàn)V波：
掌握傅里葉變換的基本性質(zhì)； 掌握傅里葉正變換和反變換； 通過(guò)實(shí)驗(yàn)了解二維頻譜的分布特點(diǎn)； 掌握怎樣利用傅立葉變換進(jìn)行頻域?yàn)V波
利用MATLAB程序數(shù)字圖像的傅立葉變換并且進(jìn)行頻域?yàn)V波
二，給圖像添加椒鹽噪聲或者高斯噪聲： 原理：利用MATLAB自帶函數(shù)添加噪聲 程序代碼：A=imread('onion.png');I=rgb2gray(A);imshow(I);J = imnoise(I,'salt & pepper',0.05);figure,imshow(J),title('椒鹽噪聲');%添加椒鹽噪聲 K = imnoise(I,'gaussian',0,0.03);
figure,imshow(K),title('高斯噪聲');%添加高斯噪聲
三，對(duì)被噪聲污染的圖像進(jìn)行中值濾波和均值濾波： 原理：自帶函數(shù)進(jìn)行中值濾波和均值濾波 源程序：A=imread('onion.png');I=rgb2gray(A);J = imnoise(I,'salt & pepper',0.05);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);imshow(J),title('原圖');figure,imshow(k2),title('中值濾波5*5模板');figure,imshow(k3),title('中值濾波7*7模板');
四，對(duì)圖像進(jìn)行空間域的銳化： 原理：自帶函數(shù)進(jìn)行空間銳化。源程序：I=imread('coins.png');subplot(121),imshow(I),title('原圖像');H=fspecial('sobel');I2=filter2(H ,I);subplot(122),imshow(I2),title('sobel算子銳化圖像');
五，MATLAB以外函數(shù)空間濾波和圖像銳化：
源程序：I = imread('eight.tif');J = imnoise(I,'salt & pepper',0.02);K = medfilt2(J);imshow(J);title('噪聲干擾圖像')figure, imshow(K);title('medfilt2濾波圖像')X=J;a=2;b=2;k=floor(a*b/2)+1;[M,N]=size(X);uint8 Y=zeros(M,N);funBox=zeros(a,b);temp=zeros(a*b);
for i=1:M-a
for j=1:N-b
funBox=X(i:i+a,j:j+b);
temp=funBox(:);
tempSort=sort(temp);
Y(i,j)=tempSort(k);
end;end;figure, imshow(Y);title('濾波圖像')
六，利用Matlab的圖像處理工具箱中提供的函數(shù)實(shí)現(xiàn)圖像的傅立葉變換和反變換： 源程序：
A=imread('onion.png');f=rgb2gray(A);subplot(131),imshow(f),title('原圖');F=fft2(f);% 快速傅立葉變換
subplot(132),imshow(F),title('傅里葉變換')Fabs=abs(F);% 求幅頻絕對(duì)值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 對(duì)數(shù)變換
iFc1=ifftshift(Fc);% 中心移位的逆變換，絕對(duì)值 iF2=ifft2(iFc1);% 快速傅立葉變換的逆變換
subplot(133),imshow(iF2),title('快速傅立葉變換的逆變換')
七，低通濾波器程序：
I=imread('testpat1.png');subplot(221),imshow(I);title('原始圖像')J1=imnoise(I,'gaussian',0.02);% 疊加高斯白噪聲
subplot(222),imshow(J1);title('添加高斯白噪聲的圖像')f=double(J1);
% 數(shù)據(jù)類(lèi)型轉(zhuǎn)換 g=fft2(f);
% 傅立葉變換 g=fftshift(g);
[M,N]=size(g);nn=2;
% 二階巴特沃斯(Butterworth)低通濾波器 d0=50;
% 設(shè)置截止頻率 m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn));% 計(jì)算低通濾波器傳遞函數(shù)
result(i,j)=h*g(i,j);end end result=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(223),imshow(J3);title('低通濾波后圖像')
心得體會(huì)
1，進(jìn)一步熟悉了Matlab軟件、編程以及圖像處理工具箱 2，學(xué)會(huì)利用自帶函數(shù)對(duì)圖像做簡(jiǎn)單的處理，例如：均值化等。3，熟練了一些基本函數(shù)的運(yùn)用，例如fspecial，imfilter等。4，加深了對(duì)MATLAB編程的理解。
5，對(duì)于試驗(yàn)中的出現(xiàn)的一些問(wèn)題，懂得怎樣去處理。6，通過(guò)實(shí)際操作，增強(qiáng)了自己的動(dòng)手能力，把理論用于實(shí)踐。
參考文獻(xiàn)：數(shù)字圖像處理第二版
MATLAB教程
第四篇：數(shù)字圖像處理知識(shí)點(diǎn)總結(jié)
數(shù)字圖像處理知識(shí)點(diǎn)總結(jié)
第一章 導(dǎo)論
1.圖像：對(duì)客觀對(duì)象的一種相似性的生動(dòng)性的描述或?qū)懻妗?.圖像分類(lèi)：按可見(jiàn)性（可見(jiàn)圖像、不可見(jiàn)圖像），按波段數(shù)（單波段、多波段、超波段），按空間坐標(biāo)和亮度的連續(xù)性（模擬和數(shù)字）。
3.圖像處理：對(duì)圖像進(jìn)行一系列操作，以到達(dá)預(yù)期目的的技術(shù)。4.圖像處理三個(gè)層次：狹義圖像處理、圖像分析和圖像理解。5.圖像處理五個(gè)模塊：采集、顯示、存儲(chǔ)、通信、處理和分析。
第二章 數(shù)字圖像處理的基本概念
6.模擬圖像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0 0 8.將空間上連續(xù)的圖像變換成離散點(diǎn)的操作稱(chēng)為采樣。采樣間隔和采樣孔徑的大小是兩個(gè) 很重要的參數(shù)。采樣方式:有縫、無(wú)縫和重疊。 9.將像素灰度轉(zhuǎn)換成離散的整數(shù)值的過(guò)程叫量化。 10.表示像素明暗程度的整數(shù)稱(chēng)為像素的灰度級(jí)（或灰度值或灰度）。 11.數(shù)字圖像根據(jù)灰度級(jí)數(shù)的差異可分為：黑白圖像、灰度圖像和彩色圖像。 12.采樣間隔對(duì)圖像質(zhì)量的影響：一般來(lái)說(shuō)，采樣間隔越大，所得圖像像素?cái)?shù)越少，空間分 辨率低，質(zhì)量差，嚴(yán)重時(shí)出現(xiàn)像素呈塊狀的國(guó)際棋盤(pán)效應(yīng)；采樣間隔越小，所得圖像像素?cái)?shù)越多，空間分辨率高，圖像質(zhì)量好，但數(shù)據(jù)量大。 13.量化等級(jí)對(duì)圖像質(zhì)量的影響：量化等級(jí)越多，所得圖像層次越豐富，灰度分辨率高，圖 像質(zhì)量好，但數(shù)據(jù)量大；量化等級(jí)越少，圖像層次欠豐富，灰度分辨率低，會(huì)出現(xiàn)假輪廓現(xiàn)象，圖像質(zhì)量變差，但數(shù)據(jù)量小。但在極少數(shù)情況下對(duì)固定圖像大小時(shí)，減少灰度級(jí)能改善質(zhì)量，產(chǎn)生這種情況的最可能原因是減少灰度級(jí)一般會(huì)增加圖像的對(duì)比度。例如對(duì)細(xì)節(jié)比較豐富的圖像數(shù)字化。 14.數(shù)字化器組成： 1)采樣孔：保證單獨(dú)觀測(cè)特定的像素而不受其它部分的影響。2)圖像掃描機(jī)構(gòu)：使采樣孔按預(yù)先確定的方式在圖像上移動(dòng)。3)光傳感器：通過(guò)采樣孔測(cè)量圖像的每一個(gè)像素的亮度。 4)量化器：將傳感器輸出的連續(xù)量轉(zhuǎn)化為整數(shù)值。 5)輸出存儲(chǔ)體：將像素灰度值存儲(chǔ)起來(lái)。它可以是固態(tài)存儲(chǔ)器，或磁盤(pán)等。 15.灰度直方圖反映的是一幅圖像中各灰度級(jí)像素出現(xiàn)的頻率。以灰度級(jí)為橫坐標(biāo)，縱坐標(biāo) 為灰度級(jí)的頻率，繪制頻率同灰度級(jí)的關(guān)系圖就是灰度直方圖。 16.直方圖的性質(zhì)： 1)灰度直方圖只能反映圖像的灰度分布情況，而不能反映圖像像素的位置,即丟失了 像素的位置信息。2)一幅圖像對(duì)應(yīng)唯一的灰度直方圖，反之不成立。不同的圖像可對(duì)應(yīng)相同的直方圖 3)一幅圖像分成多個(gè)區(qū)域，多個(gè)區(qū)域的直方圖之和即為原圖像的直方圖。17.直方圖的應(yīng)用： 1)用于判斷圖像量化是否恰當(dāng) 2)用于確定圖像二值化的閾值 3)計(jì)算圖像中物體的面積 4)計(jì)算圖像信息量：熵H 18.圖像處理基本功能的形式：?jiǎn)畏鶊D像 → 單幅圖像，多幅圖像 →單幅圖像，單（或多） 幅圖像→ 數(shù)字或符號(hào)。 19.鄰域：對(duì)于任一像素（i，j），該像素周?chē)南袼貥?gòu)成的集合{（i+p,j+q），p、q取合 適的整數(shù)}，叫做該像素的鄰域。 20.圖像處理的幾種具體算法： 1)局部處理：移動(dòng)平均平滑、空間域銳化。2)點(diǎn)處理：圖像對(duì)比度增強(qiáng)、圖像二值化。3)大局處理：傅里葉變換。4)迭代處理：細(xì)化。5)跟蹤處理 6)位置不變處理和位置可變處理：輸出像素JP(i，j)的值的計(jì)算方法與像素的位置(i，j)無(wú)關(guān)的處理稱(chēng)為位置不變處理或位移不變處理 7)窗口處理和模板處理。 21.圖像的數(shù)據(jù)結(jié)構(gòu)與特征： 1)組合方式：一個(gè)字長(zhǎng)存放多個(gè)像素灰度值的方式。它能起到節(jié)省內(nèi)存的作用，但導(dǎo) 致計(jì)算量增加，使處理程序復(fù)雜。 2)比特面方式：按比特位存取像素，即將所有像素的相同比特位用一個(gè)二維數(shù)組表示，形成比特面。 3)分層結(jié)構(gòu)：由原始圖像開(kāi)始依次構(gòu)成像素?cái)?shù)愈來(lái)愈少的一幅幅圖像，就能使數(shù)據(jù)表 示具有分層性，其代表有錐形(金字塔)結(jié)構(gòu)。 4)樹(shù)結(jié)構(gòu)：對(duì)于一幅二值圖像的行、列接連不斷地二等分，如果圖像被分割部分中的 全體像素都變成具有相同的特征時(shí)，這一部分則不再分割 5)多重圖像數(shù)據(jù)存儲(chǔ)：逐波段存儲(chǔ)，分波段處理時(shí)采用；逐行存儲(chǔ)，行掃描記錄設(shè) 備采用；逐像素存儲(chǔ)，用于分類(lèi)。 22.圖像的特征： 1)自然特征：光譜特征、幾何特征、時(shí)相特征； 2)人工特征：直方圖特征，灰度邊緣特征，線(xiàn)、角點(diǎn)、紋理特征； 3)特征的范圍：點(diǎn)特征、局部特征、區(qū)域特征、整體特征。 4)特征提取：獲取圖像特征信息的操作。把從圖像提取的m個(gè)特征量y1，y 2，?，ym，用m維的向量Y＝[y 1y2?ym]t 表示稱(chēng)為特征向量。另外，對(duì)應(yīng)于各特征量的m維空間叫做特征空間。 23.對(duì)比度：一幅圖像中灰度反差的大小，對(duì)比度=最大亮度/最小亮度 第三章 圖像變換 24.圖像變換通常是一種二維正交變換。 1)正交變換必須是可逆的； 2)正變換和反變換的算法不能太復(fù)雜； 3)正交變換的特點(diǎn)是在變換域中圖像能量集中分布在低頻率成分上，邊緣、線(xiàn)狀信 息反映在高頻率成分上，有利于圖象處理。 25.圖像變換的目的在于： 1)使圖像處理問(wèn)題簡(jiǎn)化； 2)有利于圖像特征提取； 3)有助于從概念上增強(qiáng)對(duì)圖像信息的理解。 第四章 圖像增強(qiáng) 26.圖像增強(qiáng)是采用一系列技術(shù)去改善圖像的視覺(jué)效果,或?qū)D像轉(zhuǎn)換成一種更適合于人或 機(jī)器進(jìn)行分析和處理的形式。 27.空間域增強(qiáng)是直接對(duì)圖像各像素進(jìn)行處理； 28.頻率域增強(qiáng)是先將圖像經(jīng)傅立葉變換后的頻譜成分進(jìn)行某種處理，然后經(jīng)逆傅立葉變換 獲得所需的圖像。 29.30.灰度變換用來(lái)調(diào)整圖像的灰度動(dòng)態(tài)范圍或圖像對(duì)比度，是圖像增強(qiáng)的重要手段之一。 1)線(xiàn)性變換：對(duì)圖像每一個(gè)像素灰度作線(xiàn)性拉伸，將有效改善圖像視覺(jué)效果。 2)分段線(xiàn)性變換：為了突出感興趣目標(biāo)所在的灰度區(qū)間，相對(duì)抑制那些不感興趣的灰 度區(qū)間，可采用分段線(xiàn)性變換。 3)非線(xiàn)性灰度變換：對(duì)數(shù)變換（當(dāng)希望對(duì)圖像的低灰度區(qū)較大的拉伸而對(duì)高灰度區(qū)壓 縮時(shí)，可采用這種變換，它能使圖像灰度分布與人的視覺(jué)特性相匹配).指數(shù)變換（對(duì)圖像的高灰度區(qū)給予較大的拉伸） 31.直方圖修整法包括直方圖均衡化及直方圖規(guī)定化兩類(lèi)。 32.直方圖均衡化：將原圖像通過(guò)某種變換，得到一幅灰度直方圖為均勻分布的新圖像的方 法。 33.直方圖均衡化變換函數(shù)，滿(mǎn)足下列條件： 1)在0≤r≤1內(nèi)為單調(diào)遞增函數(shù)，保證灰度級(jí)從黑到白的次序不變； 2)在0≤r≤1內(nèi)，有0≤T(r)≤1，確保映射后的像素灰度在允許的范圍內(nèi)。 34.直方圖均衡化原理：輸出圖像的概率密度函數(shù)可以通過(guò)變換函數(shù)T(r)控制原圖像灰度 級(jí)的概率密度函數(shù)得到,并改善原圖像的灰度層次。 35.一幅圖像的sk與rk之間的關(guān)系稱(chēng)為該圖像的累積灰度直方圖。 36.直方圖規(guī)定化是使原圖像灰度直方圖變成規(guī)定形狀的直方圖而對(duì)圖像作修正的增強(qiáng)方 法。 37.利用直方圖規(guī)定化方法進(jìn)行圖像增強(qiáng)的主要困難在于要構(gòu)成有意義的直方圖。圖像經(jīng)直 方圖規(guī)定化，其增強(qiáng)效果要有利于人的視覺(jué)判讀或便于機(jī)器識(shí)別。38.為了抑制噪聲改善圖像質(zhì)量所進(jìn)行的處理稱(chēng)圖像平滑或去噪。39.用鄰域內(nèi)各像素的灰度平均值代替該像素原來(lái)的灰度值，實(shí)現(xiàn)圖像的平滑，又稱(chēng)鄰域平均法。 40.超限像素平滑法：將f(x,y)和鄰域平均g(x,y)差的絕對(duì)值與選定的閾值進(jìn)行比較，根 據(jù)比較結(jié)果決定點(diǎn)（x,y）的最后灰度g′(x,y)。 41.灰度最相近的K個(gè)鄰點(diǎn)平均法：可用窗口內(nèi)與中心像素的灰度最接近的K個(gè)鄰像素的平均灰度來(lái)代替窗口中心像素的灰度值。42.最大均勻性平滑：為避免消除噪聲引起邊緣模糊，該算法先找出環(huán)繞圖像中每像素的最 均勻區(qū)域，然后用這區(qū)域的灰度均值代替該像素原來(lái)的灰度值。具體可選任一像素（x,y）的5個(gè)有重疊的3*3鄰域，用梯度衡量它們灰度變化的大小。 43.有選擇保邊緣平滑法：對(duì)圖像上任一像素(x,y)的5×5鄰域，采用9個(gè)掩模：一個(gè)3× 3正方形、4個(gè)五邊形和4個(gè)六邊形。計(jì)算各個(gè)掩模的均值和方差，對(duì)方差進(jìn)行排序，最小方差所對(duì)應(yīng)的掩模的灰度均值就是像素（x,y)的輸出值。 44.空間低通濾波法：應(yīng)用模板卷積方法對(duì)圖像每一像素進(jìn)行局部處理。不管什么樣的掩模，必須保證全部權(quán)系數(shù)之和為單位值，這樣可保證輸出圖像灰度值在許可范圍內(nèi)，不會(huì)產(chǎn)生“溢出”現(xiàn)象。 45.中值濾波：是對(duì)一個(gè)滑動(dòng)窗口內(nèi)的諸像素灰度值排序，用中值代替窗口中心像素的原來(lái) 灰度值，因此它是一種非線(xiàn)性的圖像平滑法。離散階躍信號(hào)、斜升信號(hào)沒(méi)有受到影響。離散三角信號(hào)的頂部則變平了。對(duì)于離散的脈沖信號(hào)，當(dāng)其連續(xù)出現(xiàn)的次數(shù)小于窗口尺寸的一半時(shí)，將被抑制掉，否則將不受影響。46.各種空間域平滑算法效果比較： 1)局部平滑法算法簡(jiǎn)單，但它的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別 在邊緣和細(xì)節(jié)處。而且鄰域越大，在去噪能力增強(qiáng)的同時(shí)模糊程度越嚴(yán)重。 2)超限像素平滑法對(duì)抑制椒鹽噪聲比較有效，對(duì)保護(hù)僅有微小灰度差的細(xì)節(jié)及紋理也 有效。并且隨著鄰域增大，去噪能力增強(qiáng)，但模糊程度也大。超限像元平滑法比局部平滑法去椒鹽噪聲效果更好。 3)灰度最相近的K個(gè)鄰點(diǎn)平均法：較小的K值使噪聲方差下降較小，但保持細(xì)節(jié)效 果較好；而較大的K值平滑噪聲較好，但會(huì)使圖像邊緣模糊。 4)最大均勻性平滑經(jīng)多次迭代可增強(qiáng)平滑效果，在消除圖像噪聲的同時(shí)保持邊緣清晰 性。但對(duì)復(fù)雜形狀的邊界會(huì)過(guò)分平滑并使細(xì)節(jié)消失。 5)有選擇保邊緣平滑法既能夠消除噪聲，又不破壞區(qū)域邊界的細(xì)節(jié)。 6)中值濾波對(duì)脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機(jī)噪聲的同時(shí)能有效保護(hù) 邊緣少受模糊。但它對(duì)點(diǎn)、線(xiàn)等細(xì)節(jié)較多的圖像卻不太合適。中值濾波法能有效削弱椒鹽噪聲，且比鄰域、超限像素平均法更有效。 47.圖像空間域銳化增強(qiáng)圖像的邊緣或輪廓。 48.圖像平滑通過(guò)積分過(guò)程使得圖像邊緣模糊，圖像銳化則通過(guò)微分而使圖像邊緣突出、清 晰。 49.梯度銳化法：梯度為grad(x，y)=Max(|fx′|，|fy′|)或grad（x，y）=|fx’|+|f y′|。 有梯度算子、Roberts、Prewitt和Sobel算子計(jì)算梯度，來(lái)增強(qiáng)邊緣。 50.Laplacian增強(qiáng)算子：g(x，y)=f(x，y)-▽2 f(x，y)=5f(x，y)-[ f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)] 51.Laplacian增強(qiáng)算子特點(diǎn)： 1)在灰度均勻的區(qū)域或斜坡中間▽2f(x，y)為0，增強(qiáng)圖像上像元灰度不變； 2)在斜坡底或低灰度側(cè)形成“下沖”；而在斜坡頂或高灰度側(cè)形成“上沖” 52.高通濾波法就是用高通濾波算子和圖像卷積來(lái)增強(qiáng)邊緣。 53.頻率域平滑：由于噪聲主要集中在高頻部分，為去除噪聲改善圖像質(zhì)量，濾波器采用低 通濾波器H(u,v)來(lái)抑制高頻成分，通過(guò)低頻成分，然后再進(jìn)行逆傅立葉變換獲得濾波圖像，就可達(dá)到平滑圖像的目的： 54.頻率域低濾波器H(u,v)有四種：理想低通濾波器、Butterworth低通濾波器、指數(shù)低 通濾波器、.梯形低通濾波器。55.各種濾波器效果比較; 1)理想低通濾波器:在去噪聲的同時(shí)將會(huì)導(dǎo)致邊緣信息損失而使圖像邊模糊,并產(chǎn)生 振鈴效應(yīng)。 2)Butterworth低通濾波器的特性是連續(xù)性衰減，而不象理想濾波器那樣陡峭變化，即明顯的不連續(xù)性。因此采用該濾波器濾波在抑制噪聲的同時(shí)，圖像邊緣的模糊程度大大減小，沒(méi)有振鈴效應(yīng)產(chǎn)生。 3)指數(shù)低通濾波器：圖像邊緣的模糊程度較用Butterworth濾波產(chǎn)生的大些，無(wú)明顯 的振鈴效應(yīng)。 4)梯形低通濾波器的性能介于理想低通濾波器和指數(shù)濾波器之間，濾波的圖像有一定 的模糊和振鈴效應(yīng)。 56.頻率域銳化：采用高通濾波器讓高頻成分通過(guò)，使低頻成分削弱，再經(jīng)逆傅立葉變換得 到邊緣銳化的圖像。包括：理想高通濾波器、巴特沃斯高通濾波器、指數(shù)濾波器、梯形濾波器。 57.彩色增強(qiáng)技術(shù)是利用人眼的視覺(jué)特性，將灰度圖像變成彩色圖像或改變彩色圖像已有彩 色的分布，改善圖像的可分辨性。彩色增強(qiáng)方法可分為偽彩色增強(qiáng)和假彩色增強(qiáng)兩類(lèi)。 58.偽彩色增強(qiáng)是把黑白圖像的各個(gè)不同灰度級(jí)按照線(xiàn)性或非線(xiàn)性的映射函數(shù)變換成不同 的彩色，得到一幅彩色圖像的技術(shù)。 59.偽彩色增強(qiáng)的方法主要有密度分割法、和頻率域偽彩色增強(qiáng)三種。 60.密度分割法是把黑白圖像的灰度級(jí)從0（黑）到M0（白）分成N個(gè)區(qū)間Ii(i=1，2，?，N),給每個(gè)區(qū)間Ii指定一種彩色Ci，這樣，便可以把一幅灰度圖像變成一幅偽彩色圖像。61.灰度級(jí)一彩色變換將原圖像f(x,y)的灰度范圍分段，經(jīng)過(guò)紅、綠、藍(lán)三種不同變換TR(?)、TG(?)和TB(?)，變成三基色分量IR(x,y)、IG(x,y)、IB(x,y)，然后用它們分別去控制彩色顯示器的紅、綠、藍(lán)電子槍?zhuān)憧梢栽诓噬@示器的屏幕上合成一幅彩色圖像。 62.密度分割法比較簡(jiǎn)單、直觀。缺點(diǎn)是變換出的彩色數(shù)目有限。63.假彩色增強(qiáng)是對(duì)一幅自然彩色圖像或同一景物的多光譜圖像，通過(guò)映射函數(shù)變換成新的 三基色分量，彩色合成使感興趣目標(biāo)呈現(xiàn)出與原圖像中不同的、奇異的彩色。64.假彩色增強(qiáng)目的： 1)使感興趣的目標(biāo)呈現(xiàn)奇異的彩色或置于奇特的彩色環(huán)境中，從而更引人注目； 2)使景物呈現(xiàn)出與人眼色覺(jué)相匹配的顏色，以提高對(duì)目標(biāo)的分辨力。 65.偽彩色增強(qiáng)與假彩色增強(qiáng)有何區(qū)別：偽彩色處理主要解決的是如何把灰度圖變成偽彩 色圖的問(wèn)題,最簡(jiǎn)單的辦法是選擇對(duì)應(yīng)于某一灰度值設(shè)一彩色值來(lái)替代,可稱(chēng)之為調(diào)色板替代法.另外一種比較好的偽彩色處理方法是設(shè)定三個(gè)獨(dú)立的函數(shù) ,給出一個(gè)灰度值,便由計(jì)算機(jī)估算出一個(gè)相應(yīng)的RGB值.假彩色(false color)處理是把真實(shí)的自然彩色圖像或遙感多光譜圖象處理成假彩色圖像.假彩色處理的主要用途是:(1)景物映射成奇異彩色,比本色更引人注目.(2)適應(yīng)人眼對(duì)顏色的靈敏度,提高鑒別能力.可把細(xì)節(jié)豐富的物體映射成深淺與亮度不一的顏色.(3)遙感多光譜圖象處理成假彩色,可以獲得更多信息.66.像素級(jí)影像融合是采用某種算法將覆蓋同一地區(qū)（或?qū)ο螅┑膬煞蚨喾臻g配準(zhǔn)的影 像生成滿(mǎn)足某種要求的影像的技術(shù)。 67.顏色可以用R、G、B三分量來(lái)表示，也可以用亮度（I）、色別（H）和飽和度（S）來(lái)表示，它們稱(chēng)為顏色的三要素。把彩色的R、G、B變換成I、H、S稱(chēng)為HIS正變換，而由I、H、S變換成R、G、B稱(chēng)為HIS反變換。 第五章 圖像復(fù)原與重建 68.圖像的退化是指圖像在形成、傳輸和記錄過(guò)程中，由于成像系統(tǒng)、傳輸介質(zhì)和設(shè)備的不 完善，使圖像的質(zhì)量變壞。 69.圖像復(fù)原就是要盡可能恢復(fù)退化圖像的本來(lái)面目，它是沿圖像退化的逆過(guò)程進(jìn)行處理。 70.圖像復(fù)原過(guò)程如下： 找退化原因→建立退化模型→反向推演→恢復(fù)圖像 71.圖像復(fù)原和圖像增強(qiáng)的區(qū)別： 1)圖像增強(qiáng)不考慮圖像是如何退化的，而是試圖采用各種技術(shù)來(lái)增強(qiáng)圖像的視覺(jué)效果。因此，圖像增強(qiáng)可以不顧增強(qiáng)后的圖像是否失真，只要看得舒服就行。 2)而圖像復(fù)原就完全不同，需知道圖像退化的機(jī)制和過(guò)程等先驗(yàn)知識(shí)，據(jù)此找出一種 相應(yīng)的逆處理方法，從而得到復(fù)原的圖像。 3)如果圖像已退化，應(yīng)先作復(fù)原處理，再作增強(qiáng)處理。 4)二者的目的都是為了改善圖像的質(zhì)量。 72.點(diǎn)源的概念:一幅圖像可以看成由無(wú)窮多極小的像素所組成，每一個(gè)像素都可以看作為 一個(gè)點(diǎn)源成像，因此，一幅圖像也可以看成由無(wú)窮多點(diǎn)源形成的。 73.當(dāng)輸入的單位脈沖函數(shù)延遲了α、β單位，即當(dāng)輸入為δ（x –α，y –β）時(shí)，如 果輸出為h（x –α，y –β），則稱(chēng)此系統(tǒng)為位移不變系統(tǒng)。 74.線(xiàn)性位移不變系統(tǒng)的輸出等于系統(tǒng)的輸入和系統(tǒng)脈沖響應(yīng)（點(diǎn)擴(kuò)散函數(shù)）的卷積。即： g(x,y)=f(x,y)*h(x,y)。 75.圖像退化的數(shù)學(xué)模型： g（x，y）= f（x，y）* h（x，y）+ n(x，y)76.采用線(xiàn)性位移不變系統(tǒng)模型的原由： 1）由于許多種退化都可以用線(xiàn)性位移不變模型來(lái)近似，這樣線(xiàn)性系統(tǒng)中的許多數(shù)學(xué)工具如線(xiàn)性代數(shù)，能用于求解圖像復(fù)原問(wèn)題，從而使運(yùn)算方法簡(jiǎn)捷和快速。 2）當(dāng)退化不太嚴(yán)重時(shí)，一般用線(xiàn)性位移不變系統(tǒng)模型來(lái)復(fù)原圖像，在很多應(yīng)用中有較好的復(fù)原結(jié)果，且計(jì)算大為簡(jiǎn)化。 3）盡管實(shí)際非線(xiàn)性和位移可變的情況能更加準(zhǔn)確而普遍地反映圖像復(fù)原問(wèn)題的本質(zhì)，但在數(shù)學(xué)上求解困難。只有在要求很精確的情況下才用位移可變的模型去求解，其求解也常以位移不變的解法為基礎(chǔ)加以修改而成。 77.頻率域恢復(fù)方法應(yīng)注意：若噪聲存在，而且H(u,v）很小或?yàn)榱銜r(shí)，則噪聲被放大。這 意味著退化圖像中小噪聲的干擾在H(u,v)較小時(shí)，會(huì)對(duì)逆濾波恢復(fù)的圖像產(chǎn)生很大的影響，有可能使恢復(fù)的圖像和f(x,y)相差很大，甚至面目全非。 78.圖像在獲取過(guò)程中，由于成像系統(tǒng)本身具有非線(xiàn)性、拍攝角度等因素的影響，會(huì)使獲得 的圖像產(chǎn)生幾何失真，可分為：系統(tǒng)失真和非系統(tǒng)是真。系統(tǒng)失真是有規(guī)律的、能預(yù)測(cè)的；非系統(tǒng)失真則是隨機(jī)的。 79.對(duì)圖像進(jìn)行幾何校正的必要性：當(dāng)對(duì)圖像作定量分析時(shí)，就要對(duì)失真的圖像先進(jìn)行精 確的幾何校正（即將存在幾何失真的圖像校正成無(wú)幾何失真的圖像），以免影響定量分析的精度。 80.幾何校正分兩步： 1)圖像空間坐標(biāo)變換；首先建立圖像像點(diǎn)坐標(biāo)（行、列號(hào)）和物方（或參考圖）對(duì)應(yīng) 點(diǎn)坐標(biāo)間的映射關(guān)系，解求映射關(guān)系中的未知參數(shù)，然后根據(jù)映射關(guān)系對(duì)圖像各個(gè)像素坐標(biāo)進(jìn)行校正； 2)確定各像素的灰度值（灰度內(nèi)插） 81.圖像空間坐標(biāo)變換當(dāng)n=1時(shí)，畸變關(guān)系為線(xiàn)性變換，式子中包含a00、a10、a01、b00、b10、b016個(gè)未知數(shù)，至少需要3個(gè)已知點(diǎn)來(lái)建立方程式，解求未知數(shù)。當(dāng)n=2時(shí)，畸變關(guān)系式包含12個(gè)未知數(shù)，至少需要6個(gè)已知點(diǎn)來(lái)建立關(guān)系式，解求未知數(shù)。82.幾何校正方法可分為直接法和間接法兩種。 83.常用的像素灰度內(nèi)插法有最近鄰元法、雙線(xiàn)性?xún)?nèi)插法和三次內(nèi)插法三種。84.像素灰度內(nèi)插法效果比較： 1)最近鄰內(nèi)插：最簡(jiǎn)單，效果尚佳，但校正后的圖像邊緣有明顯鋸齒狀，即存在灰度 不連續(xù)性。 2)雙線(xiàn)性?xún)?nèi)插法：較復(fù)雜，計(jì)算量較大，沒(méi)有灰度不連續(xù)性的缺點(diǎn)，結(jié)果令人滿(mǎn)意。但它具有低通濾波性質(zhì)，使高頻分量受損，圖像輪廓有一定模糊。3)三次內(nèi)插：計(jì)算量最大，但內(nèi)插效果最好，精度最高。85.圖像重建有三種模型：透射模型、發(fā)射模型和反射模型。 86.透射模型建立于能量通過(guò)物體后有一部分能量會(huì)被吸收的基礎(chǔ)之上，透射模型經(jīng)常用于 X射線(xiàn)、電子射線(xiàn)及光線(xiàn)和熱輻射的情況下，它們都遵從一定的吸收規(guī)則。 87.發(fā)射模型可用來(lái)確定物體的位置。這種方法已經(jīng)廣泛用于正電子檢測(cè),通過(guò)在相反的方 向分解散射的兩束伽馬射線(xiàn),則這兩束射線(xiàn)的渡越時(shí)間可用來(lái)確定物體的位置。 88.反射模型可以用來(lái)測(cè)定物體的表面特征，例如光線(xiàn)、電子束、激光或超聲波等都可以用 來(lái)進(jìn)行這種測(cè)定。 89.從多個(gè)斷面恢復(fù)三維形狀的方法有Voxel 法（體素法）、分塊的平面近似法。 第六章 圖像編碼與壓縮 90.數(shù)據(jù)壓縮的研究?jī)?nèi)容包括數(shù)據(jù)的表示、傳輸、變換和編碼方法，目的是減少存儲(chǔ)數(shù)據(jù)所 需的空間和傳輸所用的時(shí)間。 91.圖像編碼與壓縮就是對(duì)圖像數(shù)據(jù)按一定的規(guī)則進(jìn)行變換和組合，達(dá)到以盡可能少的代碼 （符號(hào)）來(lái)表示盡可能多的圖像信息。 92.冗余數(shù)據(jù)有：編碼冗余、像素間冗余、心理視覺(jué)冗余3種。93.根據(jù)解壓重建后的圖像和原始圖像之間是否具有誤差，圖像編碼壓縮分為無(wú)誤差（亦稱(chēng) 無(wú)失真、無(wú)損、信息保持）編碼和有誤差（有失真或有損）編碼兩大類(lèi)。94.根據(jù)編碼作用域劃分，圖像編碼為空間域編碼和變換域編碼兩大類(lèi)。 95.描述解碼圖像相對(duì)原始圖像偏離程度的測(cè)度一般稱(chēng)為保真度，可分為兩大類(lèi)：客觀保真 度準(zhǔn)則和主觀保真度準(zhǔn)則。 96.最常用的客觀保真度準(zhǔn)則是原圖像和解碼圖像之間的均方根誤差和均方根信噪比兩種。 97.理論上最佳信息保持編碼的平均碼長(zhǎng)可以無(wú)限接近圖像信息熵H。但總是大于或等于圖 像的熵H。 98.霍夫曼編碼：在信源數(shù)據(jù)中出現(xiàn)概率越大的符號(hào)，編碼以后相應(yīng)的碼長(zhǎng)越短；出現(xiàn)概率 越小的符號(hào)，其碼長(zhǎng)越長(zhǎng)，從而達(dá)到用盡可能少的碼符表示信源數(shù)據(jù)。它在無(wú)損變長(zhǎng)編碼方法中是最佳的。 99.行程編碼的基本原理：將一行中顏色值相同的相鄰像素用一個(gè)計(jì)數(shù)值和該顏色值來(lái)代替。 100.一維行程編碼只考慮了消除行內(nèi)像素間的相關(guān)性.沒(méi)有考慮其它方向的相關(guān)性.101.二維行程編碼就是利用圖像二維信息的強(qiáng)相關(guān)性，按照一定的掃描路徑遍歷所有的像素 形成一維的序列，然后對(duì)序列進(jìn)行一維行程編碼的方法。102.混合編碼：既具有行程編碼的性質(zhì)又是變長(zhǎng)編碼。 第七章 圖像分割 103.圖像分析：對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量，以獲得它們的客觀信息，從而建立 對(duì)圖像的描述.104.圖像分割：把圖像分成互不重疊的區(qū)域并提取感興趣目標(biāo)的技術(shù)。 105.記憶圖像分割所需滿(mǎn)足的五個(gè)條件。 106.分割算法基于灰度值的兩個(gè)基本特性：不連續(xù)性和相似性 107.檢測(cè)圖像像素灰度級(jí)的不連續(xù)性，找到點(diǎn)、線(xiàn)（寬度為1）、邊（不定寬度）。 108.檢測(cè)圖像像素的灰度值的相似性，通過(guò)選擇閾值，找到灰度值相似的區(qū)域，區(qū)域的外輪 廓就是對(duì)象的邊。 109.圖像分割的方法： 1)基于邊緣的分割方法：先提取區(qū)域邊界，再確定邊界限定的區(qū)域。2)區(qū)域分割：確定每個(gè)像素的歸屬區(qū)域，從而形成一個(gè)區(qū)域圖。3)區(qū)域生長(zhǎng)：將屬性接近的連通像素聚集成區(qū)域 4)分裂－合并分割：綜合利用前兩種方法，既存在圖像的劃分，又有圖像的合并。110.邊緣：圖像中像素灰度有階躍變化或屋頂變化的那些像素的集合。 111.邊緣檢測(cè)算子：梯度算子、Roberts算子、Prewitt算子、Sobel算子、Kirsch算子（方 向算子）、Laplacian算子、Marr算子。112.邊緣檢測(cè)算子比較： 1)梯度算子：僅計(jì)算相鄰像素的灰度差，對(duì)噪聲比較敏感，無(wú)法抑止噪聲的影響 2)Roberts算子：與梯度算子檢測(cè)邊緣的方法類(lèi)似，對(duì)噪聲敏感，但效果較梯度算子 略好 3)Prewitt算子：在檢測(cè)邊緣的同時(shí)，能抑止噪聲的影響 4)Sobel算子：對(duì)4鄰域采用帶權(quán)方法計(jì)算差分；能進(jìn)一步抑止噪聲；但檢測(cè)的邊緣 較寬 5)方向算子：在計(jì)算邊緣強(qiáng)度的同時(shí)可以得到邊緣的方向；各方向間的夾角為45o 6)拉普拉斯算子：優(yōu)點(diǎn)，各向同性、線(xiàn)性和位移不變的；對(duì)細(xì)線(xiàn)和孤立點(diǎn)檢測(cè)效果較 好。缺點(diǎn)，對(duì)噪音的敏感，對(duì)噪聲有雙倍加強(qiáng)作用；不能檢測(cè)出邊的方向；常產(chǎn)生 雙像素的邊緣。 7)Marr算子：σ的選擇很重要，σ小時(shí)邊緣位置精度高，但邊緣細(xì)節(jié)變化多； σ 大時(shí)平滑作用大，但細(xì)節(jié)損失大，邊緣點(diǎn)定位精度低。應(yīng)根據(jù)噪聲水平和邊緣點(diǎn)定位精度要求適當(dāng)選取σ。 8)曲面擬合法：其過(guò)程是求平均后再求差分，因而對(duì)噪聲有抑制作用。 113.由于梯度算子和Laplace算子都對(duì)噪聲敏感，因此一般在用它們檢測(cè)邊緣前要先對(duì)圖 像進(jìn)行平滑。 114.曲面擬合法：用平面或高階曲面來(lái)擬合圖像中某一小區(qū)域的灰度表面，求這個(gè)擬合平面 微分或二階微分檢測(cè)邊緣，可減少噪聲影響。其過(guò)程是求平均后再求差分，因而對(duì)噪聲有抑制作用。 115.邊緣跟蹤：將檢測(cè)的邊緣點(diǎn)連接成線(xiàn)就是邊緣跟蹤。 116.直角坐標(biāo)系中的一條直線(xiàn)對(duì)應(yīng)極坐標(biāo)系中的一點(diǎn)，這種線(xiàn)到點(diǎn)的變換就是Hough變換 117.Hough變換特點(diǎn)： 1)對(duì)ρ、θ量化過(guò)粗，直線(xiàn)參數(shù)就不精確，過(guò)細(xì)則計(jì)算量增加。因此，對(duì)ρ、θ量 化要兼顧參數(shù)量化精度和計(jì)算量。 2)Hough變換檢測(cè)直線(xiàn)的抗噪性能強(qiáng)，能將斷開(kāi)的邊緣連接起來(lái)。3)此外Hough變換也可用來(lái)檢測(cè)曲線(xiàn)。118.區(qū)域生長(zhǎng)：?jiǎn)我恍汀①|(zhì)心型、混合型。 119.單一型：缺點(diǎn)是區(qū)域增長(zhǎng)的結(jié)果與起始像素有關(guān)，起始位置不同則分割結(jié)果有差異。120.區(qū)域分裂合并法無(wú)需預(yù)先指定種子點(diǎn),它按某種一致性準(zhǔn)則分裂或者合并區(qū)域.可以先 進(jìn)行分裂運(yùn)算,然后再進(jìn)行合并運(yùn)算;也可以分裂和合并運(yùn)算同時(shí)進(jìn)行,經(jīng)過(guò)連續(xù)的分裂和合并,最后得到圖像的精確分割效果.121.分裂合并法對(duì)分割復(fù)雜的場(chǎng)景圖像比較有效.第八章 二值圖像處理與形狀分析 122.在二值圖像中，把互相連接的像素的集合匯集為一組，于是具有若干個(gè)0值的像素(0 像素)和具有若干個(gè)1值的像素(1像素)的組就產(chǎn)生了。把這些組叫做連接成分。 123.二值圖像上改變一個(gè)像素的值后，整個(gè)圖像的連接性并不改變（各連接成分既不分離、不結(jié)合，孔也不產(chǎn)生、不消失），則這個(gè)像素是可刪除的。 124.孤立點(diǎn)：B（p）= 1的像素p，在4/8鄰接的情況下，當(dāng)其4/8鄰接的像素全是0時(shí)，像素p稱(chēng)作孤立點(diǎn)。其連接數(shù)Nc(p)=0。 125.內(nèi)部點(diǎn)：B（p）= 1的像素p，在4/8鄰接的情況下，當(dāng)其4/8鄰接的像素全是1時(shí)，稱(chēng)作內(nèi)部點(diǎn)。內(nèi)部點(diǎn)的連接數(shù)Nc(p)=0。126.邊界點(diǎn):在B（p）= 1的像素中，把除了孤立點(diǎn)和內(nèi)部點(diǎn)以外的點(diǎn)叫做邊界點(diǎn)。邊界點(diǎn) 的連接數(shù)屬于[1，4]。1)刪除點(diǎn)或端點(diǎn)； 2)連接點(diǎn)； 3)分支點(diǎn)； 4)交叉點(diǎn)。 127.為區(qū)分二值圖像中的連接成分，求得連接成分個(gè)數(shù)，對(duì)屬于同一個(gè)１像素連接成分的所 有像素分配相同的編號(hào)，對(duì)不同的連接成分分配不同的編號(hào)的操作，叫做連接成分的標(biāo)記。 128.膨脹就是把連接成分的邊界擴(kuò)大一層的處理。 129.收縮則是把連接成分的邊界點(diǎn)去掉從而縮小一層的處理。130.距離變換是求二值圖像中各1像素到0像素的最短距離的處理。 131.在經(jīng)過(guò)距離變換得到的圖像中，最大值點(diǎn)的集合就形成骨架，即位于圖像中心部分的線(xiàn)像素的集合，也可以看作是圖形各內(nèi)接圓中心的集合。反映了原圖形的形狀。給定距離和骨架就能恢復(fù)該圖形，但恢復(fù)的圖形不能保證原始圖形的連接性。常用于圖形壓縮、提取圖形幅寬和形狀特征等。 132.細(xì)化是從二值圖像中提取線(xiàn)寬為1像素的中心線(xiàn)的操作。 133.為了求得區(qū)域間的連接關(guān)系，必須沿區(qū)域的邊界點(diǎn)跟蹤像素，稱(chēng)之為邊界（或邊緣）跟 蹤。 134.形狀分析是指用計(jì)算機(jī)圖像處理與分析系統(tǒng)對(duì)圖像中的諸目標(biāo)提取形狀特征，對(duì)圖像進(jìn) 行識(shí)別和理解。 135.區(qū)域形狀特征的提取有三類(lèi)方法： 1)區(qū)域內(nèi)部（包括空間域和變換域）形狀特征提取； 2)區(qū)域外部（包括空間域和變換域）形狀特征提取； 3)利用圖像層次型數(shù)據(jù)結(jié)構(gòu)，提取形狀特征。 136.拓?fù)涿枥L子：歐拉數(shù)；凹凸性；區(qū)域的測(cè)量；區(qū)域的大小及形狀描述量（面積、周長(zhǎng)、圓形度）。 137.區(qū)域的拓?fù)湫再|(zhì)對(duì)區(qū)域的全局描述是很有用的，歐拉數(shù)是區(qū)域一個(gè)較好的描述子。 第九章 影像紋理分析 138.局部不規(guī)則而宏觀有規(guī)律的特性稱(chēng)之為紋理；以紋理特性為主導(dǎo)的圖像，常稱(chēng)為紋理圖 像；以紋理特性為主導(dǎo)特性的區(qū)域，常稱(chēng)為紋理區(qū)域。 139.紋理作為一種區(qū)域特性，在圖像的一定區(qū)域上才能反映或測(cè)量出來(lái)。 140.紋理分析方法：統(tǒng)計(jì)分析法和結(jié)構(gòu)分析法。前者從圖像有關(guān)屬性的統(tǒng)計(jì)分析出發(fā)；后者 則著力找出紋理基元，然后從結(jié)構(gòu)組成上探索紋理的規(guī)律。也有直接去探求紋理構(gòu)成的結(jié)構(gòu)規(guī)律的。 141.Laws的紋理能量測(cè)量法： f(x,y)?微窗口濾波?F(x,y)?能量轉(zhuǎn)換?E(x,y)?分量旋轉(zhuǎn)?C(x,y)?分類(lèi)?M(x,y) 142.自相關(guān)函數(shù)： 1)當(dāng)紋理較粗時(shí)，ρ(d)隨d的增加下降速度較慢； 2)當(dāng)紋理較細(xì)時(shí)，ρ(d)隨著d的增加下降速度較快。 143.灰度共生矩陣就是從圖像(x,y)灰度為i的像素出發(fā)，統(tǒng)計(jì)與距離為δ=(Δx2+Δy2)1/2、灰度為j的像素同時(shí)出現(xiàn)的概率P(i,j,δ,θ)。144.灰度共生矩陣必然是對(duì)稱(chēng)陣，且對(duì)角線(xiàn)上均為偶數(shù)。 第十章 模板匹配 145.當(dāng)對(duì)象物的圖案以圖像的形式表現(xiàn)時(shí)，根據(jù)該圖案與一幅圖像的各部分的相似度判斷其 是否存在，并求得對(duì)象物在圖像中位置的操作叫做模板匹配。 數(shù)字圖像處理知識(shí)點(diǎn)總結(jié) 第一章 導(dǎo)論 1.圖像：對(duì)客觀對(duì)象的一種相似性的生動(dòng)性的描述或?qū)懻妗?/p> 2.圖像分類(lèi)：按可見(jiàn)性（可見(jiàn)圖像、不可見(jiàn)圖像），按波段數(shù)（單波段、多波段、超波段），按空間坐標(biāo)和亮度的連續(xù)性（模擬和數(shù)字）。 3.圖像處理：對(duì)圖像進(jìn)行一系列操作，以到達(dá)預(yù)期目的的技術(shù)。4.圖像處理三個(gè)層次：狹義圖像處理、圖像分析和圖像理解。5.圖像處理五個(gè)模塊：采集、顯示、存儲(chǔ)、通信、處理和分析。6.數(shù)字圖像處理的內(nèi)容： （1）圖像獲取、表示和表現(xiàn)（圖像的數(shù)字化和圖像變換）（2）圖像增強(qiáng)（3）圖像復(fù)原（4）圖像重建（5）圖像壓縮編碼（6）圖像分割（7）圖像分析（8）模式識(shí)別（9）圖像理解 7.數(shù)字圖像處理的目的： （1）提高圖像的視覺(jué)質(zhì)量，以達(dá)到賞心悅目的目的。 （2）提取圖像中所包含的某些特征或特殊信息，以便于計(jì)算機(jī)分析 （3）對(duì)圖像數(shù)據(jù)進(jìn)行變換、編碼和壓縮，以便于圖像的存儲(chǔ)和傳輸。8.論述數(shù)字圖像處理技術(shù)在生產(chǎn)生活中的應(yīng)用 （1）在生物醫(yī)學(xué)中的應(yīng)用：利用電磁波譜成像分析系統(tǒng)診斷病情：如顯微鏡圖像分析，DNA成像分析，CT及核磁共振、超聲波、X射線(xiàn)成像分析等 （2）遙感航天中的應(yīng)用：檢測(cè)土地變化；農(nóng)林資源的調(diào)查；自然災(zāi)害監(jiān)測(cè)、預(yù)報(bào)；地勢(shì)、地貌測(cè)繪；地質(zhì)構(gòu)造解譯、找礦；環(huán)境污染檢測(cè)等等 （3）工業(yè)應(yīng)用：無(wú)損探傷，石油勘探，生產(chǎn)過(guò)程自動(dòng)化，工業(yè)機(jī)器人研制等 （4）軍事公安領(lǐng)域運(yùn)用：衛(wèi)星偵察照片的測(cè)繪、判讀，雷達(dá)圖像處理，導(dǎo)彈制導(dǎo)，軍事仿真等 （5）其他應(yīng)用：圖像遠(yuǎn)距離通信、電視會(huì)議、天氣預(yù)報(bào)、現(xiàn)場(chǎng)視頻管理等 第二章 數(shù)字圖像處理的基本概念 9.決定圖像質(zhì)量的因素： （1）平均亮度 （2）對(duì)比度 （3）清晰度：由圖像邊緣灰度變化的速度來(lái)描述 （4）分解力或分辨率 （5）采樣間隔 （6）量化等級(jí) 10.模擬圖像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0 14.表示像素明暗程度的整數(shù)稱(chēng)為像素的灰度級(jí)（或灰度值或灰度）。15.數(shù)字圖像根據(jù)灰度級(jí)數(shù)的差異可分為：黑白圖像、灰度圖像和彩色圖像。16.采樣和量化與數(shù)字圖像之間的關(guān)系 采樣間隔： 采樣間隔大——所得像素?cái)?shù)少——空間分辨率低——數(shù)據(jù)量小——國(guó)際棋盤(pán)效應(yīng) 采樣間隔小——所得像素?cái)?shù)多——空間分辨率高——數(shù)據(jù)量大——質(zhì)量好 量化等級(jí)： 量化等級(jí)多——圖像層次豐富——灰度分辨率高——數(shù)據(jù)量大——圖像質(zhì)量好 量化等級(jí)少——圖像層次欠豐富——灰度分辨率低——數(shù)據(jù)量小——假輪廓現(xiàn)象 17.數(shù)字化器組成： 1)采樣孔：保證單獨(dú)觀測(cè)特定的像素而不受其它部分的影響。2)圖像掃描機(jī)構(gòu)：使采樣孔按預(yù)先確定的方式在圖像上移動(dòng)。 3)光傳感器：通過(guò)采樣孔測(cè)量圖像的每一個(gè)像素的亮度。 4)量化器：將傳感器輸出的連續(xù)量轉(zhuǎn)化為整數(shù)值。 5)輸出存儲(chǔ)體：將像素灰度值存儲(chǔ)起來(lái)。它可以是固態(tài)存儲(chǔ)器，或磁盤(pán)等。18.灰度直方圖反映的是一幅圖像中各灰度級(jí)像素出現(xiàn)的頻率。以灰度級(jí)為橫坐標(biāo)，縱坐標(biāo)為灰度級(jí)的頻率，繪制頻率同灰度級(jí)的關(guān)系圖就是灰度直方圖。19.直方圖的性質(zhì)： 1)灰度直方圖只能反映圖像的灰度分布情況，而不能反映圖像像素的位置,即丟失了像素的位置信息。2)一幅圖像對(duì)應(yīng)唯一的灰度直方圖，反之不成立。不同的圖像可對(duì)應(yīng)相同的直方圖 3)一幅圖像分成多個(gè)區(qū)域，多個(gè)區(qū)域的直方圖之和即為原圖像的直方圖。20.直方圖的應(yīng)用： 1)用于判斷圖像量化是否恰當(dāng)（各個(gè)像素都要有才恰當(dāng)） 2)用于確定圖像二值化的閾值（以確保二值化后效果更好） 3)當(dāng)影像上目標(biāo)的灰度值比其它部分灰度值大或者灰度區(qū)間已知時(shí)，可利用直方圖統(tǒng)計(jì)圖像中物體的面積 4)計(jì)算圖像信息量：熵H（根據(jù)不同像素的概率可求）21.圖像處理基本功能的形式：?jiǎn)畏鶊D像 → 單幅圖像，多幅圖像 →單幅圖像，單（或多）幅圖像→ 數(shù)字或符號(hào)。 22.鄰域：對(duì)于任一像素（i，j），該像素周?chē)南袼貥?gòu)成的集合{（i+p,j+q），p、q取合適的整數(shù)}，叫做該像素的鄰域。23.圖像處理的幾種具體算法： 1)局部處理：對(duì)輸入圖像像素P（i,j）處理時(shí)，某一輸出像素Q（i,j）由輸入圖像像素及其鄰域中的像素值確定。這種處理稱(chēng)為局部處理。 例：空間域平滑和銳化 2)點(diǎn)處理：在局部處理中，當(dāng)輸出值Q(i,j)僅與P(i,j)有關(guān)，則稱(chēng)為點(diǎn)處理。例：增強(qiáng)對(duì)比度、圖像二值化 3)大局處理：在局部處理中，輸出像素Q(i,j)的值取決于輸入圖像大范圍或全部像素的值，這種處理稱(chēng)為大局處理 例：圖像傅里葉變換 4)迭代處理：反復(fù)對(duì)圖像進(jìn)行某種運(yùn)算直至滿(mǎn)足給定的條件，從而得到輸出圖像的處 理形式稱(chēng)為迭代處理 例：圖像的細(xì)化處理過(guò)程 5)跟蹤處理：選擇滿(mǎn)足適當(dāng)條件的像素作為起始像素，檢查輸入圖像和已得到的輸出結(jié)果，求出下一步應(yīng)該處理的像素，進(jìn)行規(guī)定的處理，然后決定是繼續(xù)處理下面的像素，還是終止處理。這種處理形式稱(chēng)為跟蹤處理。例：邊界線(xiàn)、等高線(xiàn)的跟蹤 6)位置不變處理和位置可變處理：輸出像素f(i，j)的值的計(jì)算方法與像素的位置 (i，j)無(wú)關(guān)的處理稱(chēng)為位置不變處理或位移不變處理 7)窗口處理和模板處理。24.圖像的數(shù)據(jù)結(jié)構(gòu)與特征 ： 1)組合方式：一個(gè)字長(zhǎng)存放多個(gè)像素灰度值的方式。它能起到節(jié)省內(nèi)存的作用，但導(dǎo)致計(jì)算量增加，使處理程序復(fù)雜。2)比特面方式：按比特位存取像素，即將所有像素的相同比特位用一個(gè)二維數(shù)組表示，形成比特面。3)分層結(jié)構(gòu)：由原始圖像開(kāi)始依次構(gòu)成像素?cái)?shù)愈來(lái)愈少的一幅幅圖像，就能使數(shù)據(jù)表示具有分層性，其代表有錐形(金字塔)結(jié)構(gòu)。 4)樹(shù)結(jié)構(gòu)：對(duì)于一幅二值圖像的行、列接連不斷地二等分，如果圖像被分割部分中的全體像素都變成具有相同的特征時(shí)，這一部分則不再分割 5)多重圖像數(shù)據(jù)存儲(chǔ)：逐波段存儲(chǔ)，分波段處理時(shí)采用；逐行存儲(chǔ)，行掃描記錄設(shè)備采用；逐像素存儲(chǔ)，用于分類(lèi)。 25.圖像的特征： 1)自然特征：光譜特征、幾何特征、時(shí)相特征； 2)人工特征：直方圖特征，灰度邊緣特征，線(xiàn)、角點(diǎn)、紋理特征； 3)特征的范圍：點(diǎn)特征、線(xiàn)特征、局部特征、區(qū)域特征、整體特征。 4)特征提取：獲取圖像特征信息的操作。把從圖像提取的m個(gè)特征量y1，y 2，?，ym，用m維的向量Y＝[y1 y2?ym]t表示稱(chēng)為特征向量。另外，對(duì)應(yīng)于各特征量的m維空間叫做特征空間。 26.對(duì)比度：一幅圖像中灰度反差的大小，對(duì)比度=最大亮度/最小亮度 27.圖像的噪聲來(lái)源及其類(lèi)型 外部噪聲：圖像處理系統(tǒng)外部產(chǎn)生的噪聲 如：天體放電干擾、電磁波從電源線(xiàn)竄入系統(tǒng)等 內(nèi)部噪聲：系統(tǒng)內(nèi)部產(chǎn)生的噪聲，來(lái)源有： （1）由光和電的基本性質(zhì)引起的（2）由機(jī)械運(yùn)動(dòng)產(chǎn)生的噪聲（3）元器件噪聲（4）系統(tǒng)內(nèi)部電路噪聲 從統(tǒng)計(jì)理論觀點(diǎn)分類(lèi)： 平穩(wěn)噪聲：統(tǒng)計(jì)特征不隨時(shí)間變化的特征 非平穩(wěn)特征：統(tǒng)計(jì)特征隨時(shí)間變化的特征 從噪聲幅度分布形態(tài)分類(lèi)：高斯型、瑞利形 按過(guò)程分類(lèi)：量化噪聲、椒鹽噪聲 28.幾種顏色模型： 1、RGB顏色模型： 特點(diǎn)：色彩空間采用物理三基色表示，適合彩色顯象管工作 2、HIS（HSB）顏色模型： （1）色調(diào)Hue：光線(xiàn)所呈現(xiàn)的顏色，如紅、綠、黃…（2）飽和度Saturation：指色彩的濃淡程度 （3）亮度Brightness：指由于彩色刺激而使人眼感覺(jué)到的明暗程度 特點(diǎn)：（1）它比RGB色彩空間更符合人的視覺(jué)特性。 （2）在HSB色彩空間可以大大簡(jiǎn)化圖像分析和處理的工作量 3、CMYK顏色模型：由青色（Cyan）、品紅（Magenta）、黃色（Yellow）和黑色組成 特點(diǎn)：用于彩色打印機(jī)、印刷彩色圖片 4、YUV模型：用于彩色電視信號(hào)傳輸，其中Y信號(hào)表示亮度，U、V信號(hào)是色差信號(hào) 第三章 圖像變換 29.圖像變換的要求： 圖像變換通常是一種二維正交變換。 1)正交變換必須是可逆的； 2)正變換和反變換的算法不能太復(fù)雜； 3)正交變換的特點(diǎn)是在變換域中圖像能量集中分布在低頻率成分上，邊緣、線(xiàn)狀信息反映在高頻率成分上，有利于圖象處理。30.圖像變換的目的在于： 1)使圖像處理問(wèn)題簡(jiǎn)化； 2)有利于圖像特征提取； 3)有助于從概念上增強(qiáng)對(duì)圖像信息的理解。31.傅里葉變換的物理意義： 將原來(lái)難以處理的時(shí)域信號(hào)轉(zhuǎn)換成了易于分析的頻域信號(hào)（信號(hào)的頻譜），即將圖像從空間域轉(zhuǎn)換到頻率域，其逆變換是將圖像從頻率域轉(zhuǎn)換到空間域。 換句話(huà)說(shuō)，傅里葉變換將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)，傅立葉逆變換是將圖像的頻率分布函數(shù)變換為灰度分布函數(shù) 這樣通過(guò)觀察傅立葉變換后的頻譜圖，也叫功率圖，了解圖像特征。 第四章 圖像增強(qiáng) 32.圖像增強(qiáng)的目的 （1）改善圖像視覺(jué)效果，提高圖像清晰度（消除噪聲） （2）將圖像轉(zhuǎn)化為一種更適合與人或機(jī)器進(jìn)行分析處理的形式（突出邊緣）33.空間域增強(qiáng)是直接對(duì)圖像各像素進(jìn)行處理； 34.頻率域增強(qiáng)是先對(duì)圖像經(jīng)傅立葉變換后的頻譜成分進(jìn)行某種處理，然后經(jīng)逆傅立葉變換獲得所需的圖像。 35.灰度變換用來(lái)調(diào)整圖像的灰度動(dòng)態(tài)范圍或圖像對(duì)比度，是圖像增強(qiáng)的重要手段之一。 1)線(xiàn)性變換：對(duì)圖像每一個(gè)像素灰度作線(xiàn)性拉伸，將有效改善圖像視覺(jué)效果。 2)分段線(xiàn)性變換：為了突出感興趣目標(biāo)所在的灰度區(qū)間，相對(duì)抑制那些不感興趣的灰度區(qū)間，可采用分段線(xiàn)性變換。3)非線(xiàn)性灰度變換：對(duì)數(shù)變換（當(dāng)希望對(duì)圖像的低灰度區(qū)較大的拉伸而對(duì)高灰度區(qū)壓縮時(shí)，可采用這種變換，它能使圖像灰度分布與人的視覺(jué)特性相匹配）。 指數(shù)變換（對(duì)圖像的高灰度區(qū)給予較大的拉伸） 36.直方圖均衡化：將原圖通過(guò)某種變換，得到一幅灰度直方圖為均勻分布的新圖像的方法。37.直方圖均衡化變換函數(shù)，滿(mǎn)足下列條件： 1)在0≤r≤1內(nèi)為單調(diào)遞增函數(shù)，保證灰度級(jí)從黑到白的次序不變； 2)在0≤r≤1內(nèi)，有0≤T(r)≤1，確保映射后的像素灰度在允許的范圍內(nèi)。 38.直方圖均衡化原理：輸出圖像的概率密度函數(shù)可以通過(guò)變換函數(shù)T(r)控制原圖像灰度級(jí)的概率密度函數(shù)得到,并改善原圖像的灰度層次。39.直方圖均衡化的步驟：（1）統(tǒng)計(jì)各灰度級(jí)的像元個(gè)數(shù)（2）計(jì)算累計(jì)直方圖 （3）【（L-1）/N】乘以累計(jì)直方圖，結(jié)果取整（4）計(jì)算新圖像灰度值 40.一幅圖像的sk與rk之間的關(guān)系稱(chēng)為該圖像的累積灰度直方圖。 41.直方圖規(guī)定化是使原圖像灰度直方圖變成規(guī)定形狀的直方圖而對(duì)圖像作修正的增強(qiáng)方法。 42.直方圖規(guī)定化的步驟： （1）求原始圖像和參考圖像的歸一化累計(jì)直方圖；（2）計(jì)算參考圖像歸一化累計(jì)直方圖的相鄰灰階平均值； （3）用平均值對(duì)原始圖像歸一化累計(jì)直方圖進(jìn)行分段，得到結(jié)果圖像灰度值 （4）根據(jù)新灰度值計(jì)算輸出圖像 43.利用直方圖規(guī)定化方法進(jìn)行圖像增強(qiáng)的主要困難在于要構(gòu)成有意義的直方圖。圖像經(jīng)直方圖規(guī)定化，其增強(qiáng)效果要有利于人的視覺(jué)判讀或便于機(jī)器識(shí)別。 44.為了抑制噪聲改善圖像質(zhì)量所進(jìn)行的處理稱(chēng)圖像平滑或去噪。45.用鄰域內(nèi)各像素的灰度平均值代替該像素原來(lái)的灰度值，實(shí)現(xiàn)圖像的平滑，又稱(chēng)鄰域平均法。 46.超限像素平滑法：將f(x,y)和鄰域平均g(x,y)差的絕對(duì)值與選定的閾值進(jìn)行比較，根 據(jù)比較結(jié)果決定點(diǎn)（x,y）的最后灰度g′(x,y)。 47.灰度最相近的K個(gè)鄰點(diǎn)平均法：可用窗口內(nèi)與中心像素的灰度最接近的K個(gè)鄰像素的平均灰度來(lái)代替窗口中心像素的灰度值。 48.最大均勻性平滑：為避免消除噪聲引起邊緣模糊，該算法先找出環(huán)繞圖像中每像素的最均勻區(qū)域，然后用這區(qū)域的灰度均值代替該像素原來(lái)的灰度值。具體可選任一像素（x,y）的5個(gè)有重疊的3*3鄰域，用梯度衡量它們灰度變化的大小。 49.有選擇保邊緣平滑法：對(duì)圖像上任一像素(x,y)的5×5鄰域，采用9個(gè)掩模：一個(gè)3×3正方形、4個(gè)五邊形和4個(gè)六邊形。計(jì)算各個(gè)掩模的均值和方差，對(duì)方差進(jìn)行排序，最小方差所對(duì)應(yīng)的掩模的灰度均值就是像素（x,y)的輸出值。 50.空間低通濾波法：應(yīng)用模板卷積方法對(duì)圖像每一像素進(jìn)行局部處理。不管什么樣的掩模，必須保證全部權(quán)系數(shù)之和為單位值，這樣可保證輸出圖像灰度值在許可范圍內(nèi)，不會(huì)產(chǎn)生“溢出”現(xiàn)象。 51.中值濾波：是對(duì)一個(gè)滑動(dòng)窗口內(nèi)的諸像素灰度值排序，用中值代替窗口中心像素的原來(lái)灰度值，因此它是一種非線(xiàn)性的圖像平滑法。其特點(diǎn)如下： （1）對(duì)脈沖干擾及椒鹽噪聲的抑制效果好 （2）在抑制隨機(jī)噪聲的同時(shí)能有效保護(hù)邊緣少受模糊 （3）對(duì)點(diǎn)、線(xiàn)等細(xì)節(jié)較多的圖像卻不太合適 （4）離散階躍信號(hào)、斜升信號(hào)沒(méi)有受到一維中值濾波的影響，而離散三角信號(hào)的頂部則變平了。對(duì)于離散的脈沖信號(hào)，當(dāng)其連續(xù)出現(xiàn)的次數(shù)小于窗口尺寸的一半時(shí)，將被抑制掉，否則將不受影響。 52.各種空間域平滑算法效果比較： 1)局部平滑法算法簡(jiǎn)單，但它的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別在邊緣和細(xì)節(jié)處。而且鄰域越大，在去噪能力增強(qiáng)的同時(shí)模糊程度越嚴(yán)重。 2)超限像素平滑法對(duì)抑制椒鹽噪聲比較有效，對(duì)保護(hù)僅有微小灰度差的細(xì)節(jié)及紋理也有效。并且隨著鄰域增大，去噪能力增強(qiáng)，但模糊程度也大。超限像元平滑法比局部平滑法去椒鹽噪聲效果更好。 3)灰度最相近的K個(gè)鄰點(diǎn)平均法：較小的K值使噪聲方差下降較小，但保持細(xì)節(jié)效果較好；而較大的K值平滑噪聲較好，但會(huì)使圖像邊緣模糊。4)最大均勻性平滑經(jīng)多次迭代可增強(qiáng)平滑效果，在消除圖像噪聲的同時(shí)保持邊緣清晰性。但對(duì)復(fù)雜形狀的邊界會(huì)過(guò)分平滑并使細(xì)節(jié)消失。5)有選擇保邊緣平滑法既能夠消除噪聲，又不破壞區(qū)域邊界的細(xì)節(jié)。6)中值濾波對(duì)脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機(jī)噪聲的同時(shí)能有效保護(hù)邊緣少受模糊。但它對(duì)點(diǎn)、線(xiàn)等細(xì)節(jié)較多的圖像卻不太合適。中值濾波法能有效削弱椒鹽噪聲，且比鄰域、超限像素平均法更有效。 53.圖像空間域銳化增強(qiáng)圖像的邊緣或輪廓。 54.圖像平滑通過(guò)積分過(guò)程使得圖像邊緣模糊，圖像銳化則通過(guò)微分而使圖像邊緣突出、清晰。55.梯度銳化法：梯度為grad(x，y)=Max(|fx′|，|fy′|)或grad（x，y）=|fx’|+|f y′|。有梯度算子、Roberts、Prewitt和Sobel 算子計(jì)算梯度，來(lái)增強(qiáng)邊緣。56.Laplacian增強(qiáng)算子：g(x，y)=f(x，y)-▽f(x，y)=5f(x，y)-[ f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)] 57.Laplacian增強(qiáng)算子特點(diǎn)： 1)在灰度均勻的區(qū)域或斜坡中間▽2f(x，y)為0，增強(qiáng)圖像上像元灰度不變； 2)在斜坡底或低灰度側(cè)形成“下沖”；而在斜坡頂或高灰度側(cè)形成“上沖” 258.高通濾波法就是用高通濾波算子和圖像卷積來(lái)增強(qiáng)邊緣。 59.頻率域平滑：由于噪聲主要集中在高頻部分，為去除噪聲改善圖像質(zhì)量，濾波器采用低通濾波器H(u,v)來(lái)抑制高頻成分，通過(guò)低頻成分，然后再進(jìn)行逆傅立葉變換獲得濾波圖像，就可達(dá)到平滑圖像的目的： 60.頻率域低濾波器H(u,v)有四種：理想低通濾波器、Butterworth低通濾波器、指數(shù)低通濾波器、.梯形低通濾波器。61.各種濾波器效果比較;1)理想低通濾波器:在去噪聲的同時(shí)將會(huì)導(dǎo)致邊緣信息損失而使圖像邊模糊,并產(chǎn)生振鈴效應(yīng)。2)Butterworth低通濾波器的特性是連續(xù)性衰減，而不象理想濾波器那樣陡峭變化，即明顯的不連續(xù)性。因此采用該濾波器濾波在抑制噪聲的同時(shí)，圖像邊緣的模糊程度大大減小，沒(méi)有振鈴效應(yīng)產(chǎn)生。 3)指數(shù)低通濾波器：圖像邊緣的模糊程度較用Butterworth濾波產(chǎn)生的大些，無(wú)明顯的振鈴效應(yīng)。4)梯形低通濾波器的性能介于理想低通濾波器和指數(shù)濾波器之間，濾波的圖像有一定的模糊和振鈴效應(yīng)。62.頻率域銳化：采用高通濾波器讓高頻成分通過(guò)，使低頻成分削弱，再經(jīng)逆傅立葉變換得到邊緣銳化的圖像。包括：理想高通濾波器、巴特沃斯高通濾波器、指數(shù)濾波器、梯形濾波器。63.彩色增強(qiáng)技術(shù)是利用人眼的視覺(jué)特性，將灰度圖像變成彩色圖像或改變彩色圖像已有彩色的分布，改善圖像的可分辨性。彩色增強(qiáng)方法可分為偽彩色增強(qiáng)和假彩色增強(qiáng)兩類(lèi)。64.偽彩色增強(qiáng)是把黑白圖像的各個(gè)不同灰度級(jí)按照線(xiàn)性或非線(xiàn)性的映射函數(shù)變換成不同的彩色，得到一幅彩色圖像的技術(shù)。 65.偽彩色增強(qiáng)的方法主要有密度分割法、灰度級(jí)一彩色變換和頻率域偽彩色增強(qiáng)三種。66.密度分割法是把黑白圖像的灰度級(jí)從0（黑）到M0（白）分成N個(gè)區(qū)間Ii(i=1，2，?，N),給每個(gè)區(qū)間Ii指定一種彩色Ci，這樣，便可以把一幅灰度圖像變成一幅偽彩色圖像。67.灰度級(jí)一彩色變換將原圖像f(x,y)的灰度范圍分段，經(jīng)過(guò)紅、綠、藍(lán)三種不同變換TR(?)、TG(?)和TB(?)，變成三基色分量IR(x,y)、IG(x,y)、IB(x,y)，然后用它們分別去控制彩色顯示器的紅、綠、藍(lán)電子槍?zhuān)憧梢栽诓噬@示器的屏幕上合成一幅彩色圖像。 68.頻率域偽彩色增強(qiáng)比較簡(jiǎn)單、直觀。缺點(diǎn)是變換出的彩色數(shù)目有限。 69.假彩色增強(qiáng)是對(duì)一幅自然彩色圖像或同一景物的多光譜圖像，通過(guò)映射函數(shù)變換成新的三基色分量，彩色合成使感興趣目標(biāo)呈現(xiàn)出與原圖像中不同的、奇異的彩色。70.假彩色增強(qiáng)目的： 1)使感興趣的目標(biāo)呈現(xiàn)奇異的彩色或置于奇特的彩色環(huán)境中，從而更引人注目； 2)使景物呈現(xiàn)出與人眼色覺(jué)相匹配的顏色，以提高對(duì)目標(biāo)的分辨力。 71.偽彩色增強(qiáng)與假彩色增強(qiáng)有何區(qū)別：偽彩色處理主要解決的是如何把灰度圖變成偽彩色圖的問(wèn)題,最簡(jiǎn)單的辦法是選擇對(duì)應(yīng)于某一灰度值設(shè)一彩色值來(lái)替代,可稱(chēng)之為調(diào)色板替代法.另外一種比較好的偽彩色處理方法是設(shè)定三個(gè)獨(dú)立的函數(shù) ,給出一個(gè)灰度值,便由計(jì)算機(jī)估算出一個(gè)相應(yīng)的RGB值.假彩色(false color)處理是把真實(shí)的自然彩色圖像或遙感多光譜圖象處理成假彩色圖像.假彩色處理的主要用途是:(1)景物映射成奇異彩色,比本色更引人注目.(2)適應(yīng)人眼對(duì)顏色的靈敏度,提高鑒別能力.可把細(xì)節(jié)豐富的物體映射成深淺與亮度不一的顏色.(3)遙感多光譜圖象處理成假彩色,可以獲得更多信息.72.像素級(jí)影像融合是采用某種算法將覆蓋同一地區(qū)（或?qū)ο螅┑膬煞蚨喾臻g配準(zhǔn)的影像生成滿(mǎn)足某種要求的影像的技術(shù)。 第五章 圖像復(fù)原與重建 73.圖像的退化是指圖像在形成、傳輸和記錄過(guò)程中，由于成像系統(tǒng)、傳輸介質(zhì)和設(shè)備的不完善，使圖像的質(zhì)量變壞。 74.圖像復(fù)原就是要盡可能恢復(fù)退化圖像的本來(lái)面目，它是沿圖像退化的逆過(guò)程進(jìn)行處理。75.圖像復(fù)原過(guò)程如下： 找退化原因→建立退化模型→反向推演→恢復(fù)圖像 76.圖像復(fù)原和圖像增強(qiáng)的區(qū)別： 1)圖像增強(qiáng)不考慮圖像是如何退化的，而是試圖采用各種技術(shù)來(lái)增強(qiáng)圖像的視覺(jué)效果。因此，圖像增強(qiáng)可以不顧增強(qiáng)后的圖像是否失真，只要看得舒服就行。2)而圖像復(fù)原就完全不同，需知道圖像退化的機(jī)制和過(guò)程等先驗(yàn)知識(shí)，據(jù)此找出一種相應(yīng)的逆處理方法，從而得到復(fù)原的圖像。 3)如果圖像已退化，應(yīng)先作復(fù)原處理，再作增強(qiáng)處理。 4)二者的目的都是為了改善圖像的質(zhì)量。 77.當(dāng)輸入的單位脈沖函數(shù)延遲了α、β單位，即當(dāng)輸入為δ（x –α，y –β）時(shí)，如果輸出為h（x –α，y –β），則稱(chēng)此系統(tǒng)為位移不變系統(tǒng)。 78.圖像退化的數(shù)學(xué)模型： g（x，y）= f（x，y）* h（x，y）+ n(x，y)79.采用線(xiàn)性位移不變系統(tǒng)模型的原由： 1）由于許多種退化都可以用線(xiàn)性位移不變模型來(lái)近似，這樣線(xiàn)性系統(tǒng)中的許多數(shù)學(xué)工具如線(xiàn)性代數(shù)，能用于求解圖像復(fù)原問(wèn)題，從而使運(yùn)算方法簡(jiǎn)捷和快速。 2）當(dāng)退化不太嚴(yán)重時(shí)，一般用線(xiàn)性位移不變系統(tǒng)模型來(lái)復(fù)原圖像，在很多應(yīng)用中有較好的復(fù)原結(jié)果，且計(jì)算大為簡(jiǎn)化。 3）盡管實(shí)際非線(xiàn)性和位移可變的情況能更加準(zhǔn)確而普遍地反映圖像復(fù)原問(wèn)題的本質(zhì)，但在數(shù)學(xué)上求解困難。只有在要求很精確的情況下才用位移可變的模型去求解，其求解也常以位移不變的解法為基礎(chǔ)加以修改而成。 80.頻率域恢復(fù)方法應(yīng)注意：若噪聲存在，而且H(u,v）很小或?yàn)榱銜r(shí)，則噪聲被放大。這意味著退化圖像中小噪聲的干擾在H(u,v)較小時(shí)，會(huì)對(duì)逆濾波恢復(fù)的圖像產(chǎn)生很大的影響，有可能使恢復(fù)的圖像和f(x,y)相差很大，甚至面目全非。81.圖像的幾何變換： 圖像的幾何變換包括了圖像的形狀變換和圖像的位置變換。圖像的幾何變換不改變像素的值，只改變像素的位置。 圖像的形狀變換：圖像的放大、縮小與錯(cuò)切。通常在目標(biāo)物識(shí)別中使用。 圖像的位置變換：圖像的平移、鏡像與旋轉(zhuǎn)。主要是用于目標(biāo)識(shí)別中的目標(biāo)配準(zhǔn)。圖像的仿射變換：采用通用的數(shù)學(xué)影射變換公式，來(lái)表示以上給出的幾何變換 （不同幾何變換對(duì)應(yīng)著不同的變換矩陣）82.圖像旋轉(zhuǎn)時(shí)的問(wèn)題： （1）需要前期處理：擴(kuò)大畫(huà)布，取整處理，平移處理。 y'?xsin??（2）旋轉(zhuǎn)變換公式：x'?xcos??ysin?,（3）利用行插值（列插值）方法，填補(bǔ)旋轉(zhuǎn)后圖片出現(xiàn)的像素空洞 ycos? 83.圖像在獲取過(guò)程中，由于成像系統(tǒng)本身具有非線(xiàn)性、拍攝角度等因素的影響，會(huì)使獲得的圖像產(chǎn)生幾何失真，可分為：系統(tǒng)失真和非系統(tǒng)失真。系統(tǒng)失真是有規(guī)律的、能預(yù)測(cè)的；非系統(tǒng)失真則是隨機(jī)的。 84.對(duì)圖像進(jìn)行幾何校正的必要性：當(dāng)對(duì)圖像作定量分析時(shí)，就要對(duì)失真的圖像先進(jìn)行精確的幾何校正（即將存在幾何失真的圖像校正成無(wú)幾何失真的圖像），以免影響定量分析的精度。 85.幾何校正分兩步： 1)圖像空間坐標(biāo)變換；首先建立圖像像點(diǎn)坐標(biāo)（行、列號(hào)）和物方（或參考圖）對(duì)應(yīng)點(diǎn)坐標(biāo)間的映射關(guān)系，解求映射關(guān)系中的未知參數(shù)，然后根據(jù)映射關(guān)系對(duì)圖像各個(gè)像素坐標(biāo)進(jìn)行校正； 2)確定各像素的灰度值（灰度內(nèi)插）86.幾何校正方法可分為直接法和間接法兩種。 87.常用的像素灰度內(nèi)插法有最近鄰元法、雙線(xiàn)性?xún)?nèi)插法和三次內(nèi)插法三種。88.像素灰度內(nèi)插法效果比較： （1）最近鄰元法：在待求點(diǎn)的四鄰像素中，將距離最近的相鄰像素灰度賦給該待求點(diǎn) 特點(diǎn)：① 方法最簡(jiǎn)單，效果尚佳 ② 校正后的圖像有明顯鋸齒狀，即存在灰度不連續(xù)性 （2）★雙線(xiàn)性?xún)?nèi)插法：利用待求點(diǎn)四個(gè)鄰像素的灰度在兩個(gè)方向上作線(xiàn)性?xún)?nèi)插。 特點(diǎn)：① 比最近鄰元法復(fù)雜，計(jì)算量大 ② 沒(méi)有灰度不連續(xù)性的缺點(diǎn)，結(jié)果令人滿(mǎn)意 ③ 具有低通濾波性質(zhì)，使高頻分量受損，圖像輪廓有一定模糊 （3）三次內(nèi)插法：利用三次多項(xiàng)式S（x）來(lái)逼近理論上的最佳插值函數(shù)sin（x）/ x 特點(diǎn)：該算法計(jì)算量最大，但內(nèi)插效果最好，精度最高。89.圖像重建有三種模型：透射模型、發(fā)射模型和反射模型。 90.透射模型建立于能量通過(guò)物體后有一部分能量會(huì)被吸收的基礎(chǔ)之上，透射模型經(jīng)常用于X射線(xiàn)、電子射線(xiàn)及光線(xiàn)和熱輻射的情況下，它們都遵從一定的吸收規(guī)則。91.發(fā)射模型可用來(lái)確定物體的位置。這種方法已經(jīng)廣泛用于正電子檢測(cè),通過(guò)在相反的方向分解散射的兩束伽馬射線(xiàn),則這兩束射線(xiàn)的渡越時(shí)間可用來(lái)確定物體的位置。 92.反射模型可以用來(lái)測(cè)定物體的表面特征，例如光線(xiàn)、電子束、激光或超聲波等都可以用來(lái)進(jìn)行這種測(cè)定。 93.從多個(gè)斷面恢復(fù)三維形狀的方法有Voxel 法（體素法）、分塊的平面近似法。 第六章 圖像編碼與壓縮 94.圖像壓縮的目的和意義 數(shù)據(jù)壓縮的研究?jī)?nèi)容：數(shù)據(jù)的表示、傳輸、變換和編碼方法 數(shù)據(jù)壓縮的目的：減少存儲(chǔ)數(shù)據(jù)所需的空間和傳輸所用的時(shí)間 數(shù)據(jù)壓縮的意義：在現(xiàn)代通信中，圖像傳輸已成為重要內(nèi)容之一。采用編碼壓縮技術(shù)，減少傳輸數(shù)據(jù)量，是提高通信速度的重要手段。數(shù)據(jù)壓縮的思想：從信息論觀點(diǎn)看，描述圖像信源的數(shù)據(jù)由有用數(shù)據(jù)和冗余數(shù)據(jù)兩部 分組成。 如果能減少或消除其中的1種或多種冗余，就能取得 數(shù)據(jù)壓縮的效果 95.圖像編碼壓縮的分類(lèi) 根據(jù)解壓重建后的圖像和原始圖像之間是否具有誤差（1）無(wú)誤差（亦稱(chēng)無(wú)失真、無(wú)損、信息保持）編碼：霍夫曼編碼、行程編碼、算術(shù)編碼（2）有誤差（有失真、有損）編碼：預(yù)測(cè)編碼、變換編碼、其他編碼 根據(jù)編碼作用域劃分 （1）空間域編碼（2）變換域編碼 96.圖像冗余度和編碼效率（圖像壓縮評(píng)價(jià)方法）三種數(shù)據(jù)冗余：編碼冗余；像素冗余；視覺(jué)心理冗余 冗余度原理：若對(duì)原始圖像數(shù)據(jù)的信息進(jìn)行無(wú)失真圖像編碼，壓縮后平均碼長(zhǎng)存在一個(gè)下限，這個(gè)下限是圖像信息熵H。理論上最佳信息保持編碼的平均碼長(zhǎng)可以無(wú)限接近圖像信息熵H。但總是大于或等于圖像的熵H。 ★冗余度 =平均碼長(zhǎng) / 熵-1 ★編碼效率 = 熵 /平均碼長(zhǎng) 97.根據(jù)解壓重建后的圖像和原始圖像之間是否具有誤差，圖像編碼壓縮分為無(wú)誤差（亦稱(chēng)無(wú)失真、無(wú)損、信息保持）編碼和有誤差（有失真或有損）編碼兩大類(lèi)。98.根據(jù)編碼作用域劃分，圖像編碼為空間域編碼和變換域編碼兩大類(lèi)。 99.描述解碼圖像相對(duì)原始圖像偏離程度的測(cè)度一般稱(chēng)為保真度，可分為兩大類(lèi)：客觀保真度準(zhǔn)則和主觀保真度準(zhǔn)則。 100.最常用的客觀保真度準(zhǔn)則是原圖像和解碼圖像之間的均方根誤差和均方根信噪比兩種。101.理論上最佳信息保持編碼的平均碼長(zhǎng)可以無(wú)限接近圖像信息熵H。但總是大于或等于圖像的熵H。 102.霍夫曼（Huffman）編碼的特點(diǎn)和步驟: 思想：在信源數(shù)據(jù)中出現(xiàn)概率越大的符號(hào)（灰度值），編碼以后相應(yīng)的碼長(zhǎng)越短 步驟： （1）把輸入符號(hào)按出現(xiàn)的概率從大到小排列起來(lái),接著把概率最小的兩個(gè)符號(hào)的概率求和；（2）把它（概率之和）同其余符號(hào)概率由大到小排序,然后把兩個(gè)最小概率求和；（3）重復(fù)（2）,直到最后只剩下兩個(gè)概率為止 （4）在上述工作完畢之后，從最后兩個(gè)概率開(kāi)始逐步向前進(jìn)行編碼。對(duì)于概率大的消息賦予0，小的賦予1。 特點(diǎn)： （1）編碼是唯一可譯碼。短的碼不會(huì)成為更長(zhǎng)碼的啟始部分； （2）編碼的平均碼長(zhǎng)接近于熵；編碼效率略高于費(fèi)諾香農(nóng)Fano-Shannon編碼。（3）它在無(wú)損變長(zhǎng)編碼方法中是最佳的。103.行程編碼的基本原理：將一行中顏色值相同的相鄰像素用一個(gè)計(jì)數(shù)值和該顏色值來(lái)代替。104.一維行程編碼只考慮了消除行內(nèi)像素間的相關(guān)性.沒(méi)有考慮其它方向的相關(guān)性.105.二維行程編碼就是利用圖像二維信息的強(qiáng)相關(guān)性，按照一定的掃描路徑遍歷所有的像素形成一維的序列，然后對(duì)序列進(jìn)行一維行程編碼的方法。 106.混合編碼：既具有行程編碼的性質(zhì)又是變長(zhǎng)編碼。107.算術(shù)編碼的特點(diǎn)： （1）碼字本身定義一個(gè)介于0和1之間的實(shí)數(shù)區(qū)間，該區(qū)間中的任何一個(gè)實(shí)數(shù)就代表要編碼的消息序列。 （2）信源符號(hào)與碼字之間不存在一一對(duì)應(yīng)的關(guān)系。一個(gè)碼字不是賦給某個(gè)信源符號(hào)，而是賦給整個(gè)消息序列。 （3）當(dāng)消息中的符號(hào)數(shù)目增加時(shí)，用于描述消息的間隔變得更小，而表示間隔所需要的信息單元（如編碼位數(shù)）變得更多了。第七章 圖像分割 108.圖像分析：對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量，以獲得它們的客觀信息，從而建立對(duì)圖像的描述.109.圖像分析的步驟： （1）把圖像分割成不同的區(qū)域或把不同的對(duì)象分開(kāi)（2）找出分開(kāi)的各區(qū)域的特征 （3）識(shí)別圖像中要找的對(duì)象或?qū)D像進(jìn)行分類(lèi)（4）對(duì)不同區(qū)域進(jìn)行描述或?qū)ふ页霾煌瑓^(qū)域的相互聯(lián)系，進(jìn)而找出相似結(jié)構(gòu)或?qū)⑾嚓P(guān)區(qū)域連成一個(gè)有意義的結(jié)構(gòu) 110.圖像分割：把圖像分成互不重疊的區(qū)域并提取感興趣目標(biāo)的技術(shù)。111.圖像分割的基本策略 （1）分割算法基于灰度值的兩個(gè)基本特性：不連續(xù)性和相似性 （2）檢測(cè)圖像像素灰度級(jí)的不連續(xù)性，找到點(diǎn)、線(xiàn)（寬度為1）、邊（不定寬度）。先找邊，后確定區(qū)域。 （3）檢測(cè)圖像像素的灰度值的相似性，通過(guò)選擇閾值，找到灰度值相似的區(qū)域，區(qū)域的外輪廓就是對(duì)象的邊 112.圖像分割的方法 （1）基于邊緣的分割方法：先提取區(qū)域邊界，再確定邊界限定的區(qū)域。（2）區(qū)域分割：確定每個(gè)像素的歸屬區(qū)域，從而形成一個(gè)區(qū)域圖。 （3）區(qū)域生長(zhǎng)：將屬性接近的連通像素聚集成區(qū)域 （4）分裂－合并分割：綜合利用前兩種方法，既存在圖像的劃分，又有圖像的合并。113.邊緣檢測(cè)算子： 基本思想：計(jì)算局部微分算子 一階微分：用梯度算子來(lái)計(jì)算 特點(diǎn)：（1）對(duì)于階躍狀變化，會(huì)出現(xiàn)極大值（兩側(cè)都是正值，中間的最大） （2）對(duì)于屋頂狀變化，會(huì)過(guò)零點(diǎn)（兩側(cè)符號(hào)相反）不變部分為零。用途：用于檢測(cè)圖像中邊的存在 二階微分：通過(guò)拉普拉斯來(lái)計(jì)算 特點(diǎn)：（1）對(duì)于階躍狀變化，會(huì)過(guò)零點(diǎn)（兩側(cè)符號(hào)相反） （2）對(duì)于屋頂狀變化，會(huì)出現(xiàn)負(fù)極大值（兩側(cè)都是正值，中間的最大）不變部分為零。 用途：用于檢測(cè)圖像中邊的存在 114.幾種常用的邊緣檢測(cè)算子： 梯度算子：僅計(jì)算相鄰像素的灰度差，對(duì)噪聲比較敏感，無(wú)法抑止噪聲的影響。Roberts算子：與梯度算子類(lèi)似，效果略好于梯度算子 Prewitt算子：在檢測(cè)邊緣的同時(shí)，能抑制噪聲的影響 Sobel算子：（1）對(duì)4鄰域采用帶權(quán)方法計(jì)算差分 （2）能進(jìn)一步抑止噪聲，但檢測(cè)的邊緣較寬 Kirsch算子（方向算子）： 在計(jì)算邊緣強(qiáng)度的同時(shí)可以得到邊緣的方向，各方向間的夾角為45o 用法：取其中最大的值作為邊緣強(qiáng)度，而將與之對(duì)應(yīng)的方向作為邊緣方向（共8個(gè)模板） ★L(fēng)aplacian算子： 優(yōu)點(diǎn)：（1）各向同性、線(xiàn)性和位移不變； （2）對(duì)細(xì)線(xiàn)和孤立點(diǎn)檢測(cè)效果較好。 缺點(diǎn)：（1）對(duì)噪音的敏感，對(duì)噪聲有雙倍加強(qiáng)作用； （2）不能檢測(cè)出邊的方向；（3）常產(chǎn)生雙像素的邊緣。 注意：由于梯度算子和Laplace算子都對(duì)噪聲敏感，因此一般在用它們檢測(cè)邊緣前要先對(duì)圖像進(jìn)行平滑。 Marr算子：馬爾算子是以拉普拉斯算子為基礎(chǔ)，首先用一個(gè)二維高斯函數(shù)對(duì)圖像卷積以減低圖像噪聲的影響（平滑）；再用二階導(dǎo)數(shù)差分算子（拉普拉斯算子）計(jì)算 優(yōu)點(diǎn)：是快速，能得到一個(gè)閉合的輪廓。缺點(diǎn)：由于使用二階導(dǎo)數(shù)，對(duì)噪聲敏感。 曲面擬合法：用平面或高階曲面來(lái)擬合圖像中某一小區(qū)域的灰度表面，求這個(gè)擬合平面微分或二階微分檢測(cè)邊緣，可減少噪聲影響。其過(guò)程是求平均后再求差分，因而對(duì)噪聲有抑制作用。 115.Canny邊緣檢測(cè)算子： 定義：Canny邊緣檢測(cè)——最優(yōu)的階梯型邊緣檢測(cè)算法 原理：圖像邊緣檢測(cè)必須滿(mǎn)足兩個(gè)條件：一能有效地抑制噪聲；二必須盡量精確確定邊緣的位置。根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測(cè)算子。 ★最優(yōu)邊緣檢測(cè)算子應(yīng)有的指標(biāo)： （1）低誤判率 （2）高定位精度 （3）抑制虛假邊緣 116.單方向銳化處理：(用于邊緣提取) 定義：?jiǎn)畏较虻囊浑A銳化指對(duì)某個(gè)特定方向上的邊緣信息進(jìn)行增強(qiáng)。因?yàn)閳D像為水平、垂直兩個(gè)方向組成，故，單方向銳化實(shí)際上是包括水平方向與垂直方向上的銳化。 特點(diǎn)：處理結(jié)果對(duì)于人工設(shè)計(jì)制造的具有矩形特征物體（例如：樓房、漢字等）的邊緣的提取很有效。但是對(duì)于不規(guī)則形狀（如人物）的邊緣提取，則存在信息的缺損。后處理：這種銳化算法需要進(jìn)行后處理，以解決像素值為負(fù)的問(wèn)題 方法1：整體加一個(gè)正整數(shù)，以保證所有的像素值均為正。 這樣做的結(jié)果是：可以獲得類(lèi)似浮雕的效果。 方法2：將所有的像素值取絕對(duì)值。 這樣做的結(jié)果是，可以獲得對(duì)邊緣的有方向提取。 方法3：為了檢測(cè)邊緣點(diǎn)，選取適當(dāng)?shù)拈撝礣，對(duì)梯度圖像進(jìn)行二值化 這樣形成了一幅邊緣二值圖像g(x,y) 117.交叉方向銳化處理：(用于邊緣提取) 特點(diǎn)：這類(lèi)銳化方法對(duì)邊緣的方向沒(méi)有選擇，又稱(chēng)為無(wú)方向的銳化算法。交叉Priwitt銳化算法：與Sobel相比，有一定的抗干擾性。圖像效果比較干凈 交叉Soble算法：銳化的邊緣信息較強(qiáng) 118.邊緣跟蹤：將檢測(cè)的邊緣點(diǎn)連接成線(xiàn)就是邊緣跟蹤。（線(xiàn)是圖像的一種中層符號(hào)描述） 出發(fā)點(diǎn)：由于噪音的原因，邊界的特征很少能夠被完整地描述，在亮度不一致的地方會(huì)中斷。因此典型的邊檢測(cè)算法后面總要跟隨著連接過(guò)程和其它邊界檢測(cè)過(guò)程，用來(lái)歸整邊像素，成為有意義的邊 由邊緣形成線(xiàn)特征的兩個(gè)過(guò)程： （1）可構(gòu)成線(xiàn)特征的邊緣提取（2）將邊緣連接成線(xiàn) 連接邊緣的方法： （1）光柵跟蹤：一種采用電視光柵行掃描順序，結(jié)合門(mén)限檢測(cè)，對(duì)遇到的像素進(jìn)行分析，從而確定是否為邊緣的跟蹤方法 （2）全向跟蹤：跟蹤方向可以是任意方向，并且有足夠大的跟蹤距離的跟蹤方法 特點(diǎn)：全向跟蹤改進(jìn)了光柵掃描跟蹤法，跟蹤時(shí)把初始點(diǎn)的八鄰點(diǎn)全部考慮進(jìn)行跟蹤 119.直角坐標(biāo)系中的一條直線(xiàn)對(duì)應(yīng)極坐標(biāo)系中的一點(diǎn)，這種線(xiàn)到點(diǎn)的變換就是Hough變換 120.Hough變換特點(diǎn)： 1)對(duì)ρ、θ量化過(guò)粗，直線(xiàn)參數(shù)就不精確，過(guò)細(xì)則計(jì)算量增加。因此，對(duì)ρ、θ量化要兼顧參數(shù)量化精度和計(jì)算量。 2)Hough變換檢測(cè)直線(xiàn)的抗噪性能強(qiáng)，能將斷開(kāi)的邊緣連接起來(lái)。3)此外Hough變換也可用來(lái)檢測(cè)曲線(xiàn)。 121.區(qū)域生長(zhǎng)：?jiǎn)我恍汀①|(zhì)心型、混合型。 122.單一型：缺點(diǎn)是區(qū)域增長(zhǎng)的結(jié)果與起始像素有關(guān)，起始位置不同則分割結(jié)果有差異。123.質(zhì)心區(qū)域生長(zhǎng)法 （1）選擇一個(gè)為劃分類(lèi)型的像素作為起點(diǎn)（2）起點(diǎn)周?chē)幢粍澐值狞c(diǎn)與起點(diǎn)所在區(qū)域的灰度平均值差異小于閾值合并為一區(qū)域，并標(biāo)記 （3）從新合并來(lái)的像素開(kāi)始，反復(fù)進(jìn)行第（2）步 （4）反復(fù)進(jìn)行（2）（3），直到不能合并 （5）對(duì)圖像中所有未被劃分的像素反復(fù)（1）—（4）步 124.區(qū)域分裂合并法無(wú)需預(yù)先指定種子點(diǎn),它按某種一致性準(zhǔn)則分裂或者合并區(qū)域.可以先進(jìn)行分裂運(yùn)算,然后再進(jìn)行合并運(yùn)算;也可以分裂和合并運(yùn)算同時(shí)進(jìn)行,經(jīng)過(guò)連續(xù)的分裂和合并,最后得到圖像的精確分割效果.分裂合并法對(duì)分割復(fù)雜的場(chǎng)景圖像比較有效.125.閾值分割法： 基本思想：確定一個(gè)合適的閾值T，將大于等于閾值的像素作為物體或背景，生成一個(gè)二值圖像，在四鄰域中有背景的像素，即是邊界像素。特點(diǎn)：（1）適用于物體與背景有較強(qiáng)對(duì)比的情況，重要的是背景或物體的灰度比較單一 （2）這種方法總可以得到封閉且連通區(qū)域的邊界。通過(guò)交互方式得到閾值： 實(shí)施方法：（1）通過(guò)光標(biāo)獲得樣點(diǎn)值f（x0,y0） （2）選取容忍度R（3）if（|f（x,y）–f（x0,y0）| ? R） set 255 通過(guò)直方圖得到閾值： else set 0 基本思想：邊界上的點(diǎn)的灰度值出現(xiàn)次數(shù)較少 取值的方法：取直方圖谷底為最小值的灰度值為閾值T 缺點(diǎn)：會(huì)受到噪音的干擾，最小值不是預(yù)期的閾值，而偏離期望的值； 改進(jìn)：取兩個(gè)峰值之間某個(gè)固定位置，如中間位置上。由于峰值代表的是區(qū)域內(nèi)外的典型值，一般情況下，比選谷底更可靠，可排除噪音的干擾 126.復(fù)雜圖像區(qū)域分割的主要步驟：（1）自動(dòng)直方圖平滑（2）確定區(qū)域分類(lèi)數(shù)（3）自動(dòng)搜索閾值 127.特征空間聚類(lèi)的步驟： （1）任意選K個(gè)初始聚類(lèi)中心值 （2）使用最小距離判別，將新讀入的像素分到k類(lèi)中的某一類(lèi)（3）重新計(jì)算中心值，中心值等于這類(lèi)中元素的平均值（4）當(dāng)新舊差異不大時(shí)停止 第八章 二值圖像處理與形狀分析 128.如何判斷像素是否可刪除： 二值圖像上改變一個(gè)像素的值后，整個(gè)圖像的連接性不改變，則這個(gè)像素可刪除 129.孤立點(diǎn)：B（p）= 1的像素p，在4/8鄰接的情況下，當(dāng)其4/8鄰接的像素全是0時(shí)，像素p稱(chēng)作孤立點(diǎn)。其連接數(shù)Nc(p)=0。 130.內(nèi)部點(diǎn)：B（p）= 1的像素p，在4/8鄰接的情況下，當(dāng)其4/8鄰接的像素全是1時(shí)，稱(chēng)作內(nèi)部點(diǎn)。內(nèi)部點(diǎn)的連接數(shù)Nc(p)=0。 131.邊界點(diǎn):在B（p）= 1的像素中，把除了孤立點(diǎn)和內(nèi)部點(diǎn)以外的點(diǎn)叫做邊界點(diǎn)。邊界點(diǎn)的連接數(shù)屬于[1，4]。1)刪除點(diǎn)或端點(diǎn)； 2)連接點(diǎn)； 3)分支點(diǎn)； 4)交叉點(diǎn)。 132.為區(qū)分二值圖像中的連接成分，求得連接成分個(gè)數(shù)，對(duì)屬于同一個(gè)１像素連接成分的所有像素分配相同的編號(hào)，對(duì)不同的連接成分分配不同的編號(hào)的操作，叫做連接成分的標(biāo)記。 133.膨脹就是把連接成分的邊界擴(kuò)大一層的處理。膨脹算法的思想和步驟如下： 思想：設(shè)計(jì)一個(gè)結(jié)構(gòu)元素，結(jié)構(gòu)元素的原點(diǎn)定位在背景像素上，判斷是否覆蓋有目標(biāo)點(diǎn)，來(lái)確定是否該點(diǎn)被膨脹為目標(biāo)點(diǎn)。步驟：（1）掃描原圖，找到第一個(gè)像素值為0的背景點(diǎn)； （2）將預(yù)先設(shè)定好形狀以及原點(diǎn)位置的結(jié)構(gòu)元素的原點(diǎn)移到該點(diǎn)； （3）判斷該結(jié)構(gòu)元素所覆蓋的像素值是否存在為1的目標(biāo)點(diǎn)： 如果是，則膨脹后圖像中的相同位置上的像素值為1； 如果不是，則膨脹后圖像中的相同位置上的像素值為0；（4）重復(fù)（2）和（3），直到所有原圖中像素處理完成。 作用：膨脹處理可以將斷裂開(kāi)的目標(biāo)物進(jìn)行合并，便于對(duì)其整體的提取。 134.腐蝕則是把連接成分的邊界點(diǎn)去掉從而縮小一層的處理。腐蝕算法的思想和步驟如下： 思想：設(shè)計(jì)一個(gè)結(jié)構(gòu)元素，結(jié)構(gòu)元素的原點(diǎn)定位在待處理的目標(biāo)像素上，通過(guò)判斷是否覆蓋，來(lái)確定是否該點(diǎn)被腐蝕掉。步驟：（1）掃描原圖，找到第一個(gè)像素值為1的目標(biāo)點(diǎn)； （2）將預(yù)先設(shè)定好形狀以及原點(diǎn)位置的結(jié)構(gòu)元素的原點(diǎn)移到該點(diǎn)；（3）判斷該結(jié)構(gòu)元素所覆蓋的像素值是否全部為1： 如果是，則腐蝕后圖像中的相同位置上的像素值為1； 如果不是，則腐蝕后圖像中的相同位置上的像素值為0； （4）重復(fù)（2）和（3），直到所有原圖中像素處理完成。 作用：腐蝕處理可以將粘連在一起的不同目標(biāo)物分離，并可以將小的顆粒噪聲去除。 135.距離變換是求二值圖像中各1像素到0像素的最短距離的處理。 136.在經(jīng)過(guò)距離變換得到的圖像中，最大值點(diǎn)的集合就形成骨架，即位于圖像中心部分的線(xiàn)像素的集合，也可以看作是圖形各內(nèi)接圓中心的集合。反映了原圖形的形狀。給定距離和骨架就能恢復(fù)該圖形，但恢復(fù)的圖形不能保證原始圖形的連接性。常用于圖形壓縮、提取圖形幅寬和形狀特征等。137.圖形線(xiàn)性化： 思想：圖像壓縮或是圖像分析的過(guò)程中需要用圖形部分像素來(lái)代表整個(gè)圖形，因此提出圖形線(xiàn)化的思想 方法：圖像線(xiàn)化通常使用骨架法和圖形細(xì)化兩種方法 骨架法：（1）骨架是從距離變換圖得來(lái)，是距離變換圖中灰度值最大的像元集合，（2）即使是無(wú)空洞的連通圖像，它的骨架不一定連通。 （3）骨架可看作是圖像壓縮表示之一，對(duì)骨架圖經(jīng)過(guò)加粗運(yùn)算（加粗量=骨架像元灰度值-1）可近似恢復(fù)成原圖像。 細(xì)化：（1）細(xì)化是從二值圖像中提取線(xiàn)寬為1像素的中心線(xiàn)的操作。 （2）細(xì)化與骨架化不同，只要原圖像連通（不管有無(wú)空洞），細(xì)化結(jié)果總是連通的。138.邊界跟蹤法： 理論基礎(chǔ)：先根據(jù)某些嚴(yán)格的“探測(cè)準(zhǔn)則”找出目標(biāo)物體輪廓上的像素，再根據(jù)這些像素的某些特征用一定的“跟蹤準(zhǔn)則”找出目標(biāo)物體上的其他像素。 跟蹤準(zhǔn)則：邊緣跟蹤從圖像左上角開(kāi)始逐像點(diǎn)掃描，當(dāng)遇到邊緣點(diǎn)時(shí)則開(kāi)始順序跟蹤，直至跟蹤的后續(xù)點(diǎn)回到起始點(diǎn)（對(duì)于閉合線(xiàn)）或其后續(xù)點(diǎn)再?zèng)]有新的后續(xù)點(diǎn)（對(duì)于非閉合線(xiàn)）為止 實(shí)現(xiàn)步驟（1）獲得原圖像的首地址，及圖像的高和寬。 （2）開(kāi)辟一塊內(nèi)存緩沖區(qū)，初始化為255。 （3）將圖像進(jìn)行二值化處理。 （4）跟蹤邊界點(diǎn)，找到1個(gè)邊界點(diǎn)，就將內(nèi)存緩沖區(qū)中該點(diǎn)相應(yīng)位置置0。 （5）按照跟蹤準(zhǔn)則，重復(fù)執(zhí)行（4），直到回到初始點(diǎn)。 （6）將內(nèi)存緩沖區(qū)的內(nèi)容復(fù)制到原圖像中 139.形狀分析是指用計(jì)算機(jī)圖像處理與分析系統(tǒng)對(duì)圖像中的諸目標(biāo)提取形狀特征，對(duì)圖像進(jìn)行識(shí)別和理解。 140.區(qū)域形狀特征的提取有三類(lèi)方法： 1)區(qū)域內(nèi)部（包括空間域和變換域）形狀特征提取； 2)區(qū)域外部（包括空間域和變換域）形狀特征提取； 3)利用圖像層次型數(shù)據(jù)結(jié)構(gòu)，提取形狀特征。 141.拓?fù)涿枥L子：歐拉數(shù)；凹凸性；區(qū)域的測(cè)量；區(qū)域的大小及形狀描述量（面積、周長(zhǎng)、圓形度）。142.區(qū)域的拓?fù)湫再|(zhì)對(duì)區(qū)域的全局描述是很有用的，歐拉數(shù)是區(qū)域一個(gè)較好的描述子。第九章 影像紋理分析 143.局部不規(guī)則而宏觀有規(guī)律的特性稱(chēng)之為紋理；以紋理特性為主導(dǎo)的圖像，常稱(chēng)為紋理圖像；以紋理特性為主導(dǎo)特性的區(qū)域，常稱(chēng)為紋理區(qū)域。144.紋理作為一種區(qū)域特性，在圖像的一定區(qū)域上才能反映或測(cè)量出來(lái)。 145.紋理分析方法：統(tǒng)計(jì)分析法和結(jié)構(gòu)分析法。前者從圖像有關(guān)屬性的統(tǒng)計(jì)分析出發(fā)；后者則著力找出紋理基元，然后從結(jié)構(gòu)組成上探索紋理的規(guī)律。也有直接去探求紋理構(gòu)成的結(jié)構(gòu)規(guī)律的。 146.Laws的紋理能量測(cè)量法： f(x,y)?微窗口濾波?F(x,y)?能量轉(zhuǎn)換?E(x,y)?分量旋轉(zhuǎn)?C(x,y)?分類(lèi)?M(x,y)147.自相關(guān)函數(shù)： 1)當(dāng)紋理較粗時(shí)，ρ(d)隨d的增加下降速度較慢； 2)當(dāng)紋理較細(xì)時(shí)，ρ(d)隨d的增加下降速度較快。148.灰度共生矩陣就是從圖像(x,y)灰度為i的像素出發(fā)，統(tǒng)計(jì)與距離為δ=(Δx2+Δy2)1/ 2、灰度為j的像素同時(shí)出現(xiàn)的概率P(i,j,δ,θ)。149.灰度共生矩陣必然是對(duì)稱(chēng)陣，且對(duì)角線(xiàn)上均為偶數(shù)。 第十章 模板匹配 150.當(dāng)對(duì)象物的圖案以圖像的形式表現(xiàn)時(shí)，根據(jù)該圖案與一幅圖像的各部分的相似度判斷其是否存在，并求得對(duì)象物在圖像中位置的操作叫做模板匹配。第五篇：數(shù)字圖像處理知識(shí)點(diǎn)總結(jié)
點(diǎn)擊咨詢(xún) 