第一篇：數字圖像處理知識點總結

數字圖像處理知識點總結

第一章 導論

1.圖像：對客觀對象的一種相似性的生動性的描述或寫真。2.圖像分類：按可見性（可見圖像、不可見圖像），按波段數（單波段、多波段、超波段），按空間坐標和亮度的連續性（模擬和數字）。

3.圖像處理：對圖像進行一系列操作，以到達預期目的的技術。4.圖像處理三個層次：狹義圖像處理、圖像分析和圖像理解。5.圖像處理五個模塊：采集、顯示、存儲、通信、處理和分析。

第二章 數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.將空間上連續的圖像變換成離散點的操作稱為采樣。采樣間隔和采樣孔徑的大小是兩個 很重要的參數。采樣方式:有縫、無縫和重疊。

9.將像素灰度轉換成離散的整數值的過程叫量化。

10.表示像素明暗程度的整數稱為像素的灰度級（或灰度值或灰度）。

11.數字圖像根據灰度級數的差異可分為：黑白圖像、灰度圖像和彩色圖像。

12.采樣間隔對圖像質量的影響：一般來說，采樣間隔越大，所得圖像像素數越少，空間分

辨率低，質量差，嚴重時出現像素呈塊狀的國際棋盤效應；采樣間隔越小，所得圖像像素數越多，空間分辨率高，圖像質量好，但數據量大。

13.量化等級對圖像質量的影響：量化等級越多，所得圖像層次越豐富，灰度分辨率高，圖

像質量好，但數據量大；量化等級越少，圖像層次欠豐富，灰度分辨率低，會出現假輪廓現象，圖像質量變差，但數據量小。但在極少數情況下對固定圖像大小時，減少灰度級能改善質量，產生這種情況的最可能原因是減少灰度級一般會增加圖像的對比度。例如對細節比較豐富的圖像數字化。

14.數字化器組成：

1)采樣孔：保證單獨觀測特定的像素而不受其它部分的影響。2)圖像掃描機構：使采樣孔按預先確定的方式在圖像上移動。3)光傳感器：通過采樣孔測量圖像的每一個像素的亮度。

4)量化器：將傳感器輸出的連續量轉化為整數值。

5)輸出存儲體：將像素灰度值存儲起來。它可以是固態存儲器，或磁盤等。

15.灰度直方圖反映的是一幅圖像中各灰度級像素出現的頻率。以灰度級為橫坐標，縱坐標

為灰度級的頻率，繪制頻率同灰度級的關系圖就是灰度直方圖。

16.直方圖的性質：

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)一幅圖像對應唯一的灰度直方圖，反之不成立。不同的圖像可對應相同的直方圖

3)一幅圖像分成多個區域，多個區域的直方圖之和即為原圖像的直方圖。17.直方圖的應用：

1)用于判斷圖像量化是否恰當

2)用于確定圖像二值化的閾值 3)計算圖像中物體的面積 4)計算圖像信息量：熵H

18.圖像處理基本功能的形式：單幅圖像 → 單幅圖像，多幅圖像 →單幅圖像，單（或多）

幅圖像→ 數字或符號。

19.鄰域：對于任一像素（i，j），該像素周圍的像素構成的集合{（i+p,j+q），p、q取合 適的整數}，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：移動平均平滑、空間域銳化。2)點處理：圖像對比度增強、圖像二值化。3)大局處理：傅里葉變換。4)迭代處理：細化。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)的值的計算方法與像素的位置(i，j)無關的處理稱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.圖像的數據結構與特征：

1)組合方式：一個字長存放多個像素灰度值的方式。它能起到節省內存的作用，但導 致計算量增加，使處理程序復雜。

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二維數組表示，形成比特面。

3)分層結構：由原始圖像開始依次構成像素數愈來愈少的一幅幅圖像，就能使數據表 示具有分層性，其代表有錐形(金字塔)結構。

4)樹結構：對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，這一部分則不再分割

5)多重圖像數據存儲：逐波段存儲，分波段處理時采用；逐行存儲，行掃描記錄設 備采用；逐像素存儲，用于分類。

22.圖像的特征：

1)自然特征：光譜特征、幾何特征、時相特征；

2)人工特征：直方圖特征，灰度邊緣特征，線、角點、紋理特征； 3)特征的范圍：點特征、局部特征、區域特征、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個特征量y1，y 2，?，ym，用m維的向量Y＝[y

1y2?ym]t 表示稱為特征向量。另外，對應于各特征量的m維空間叫做特征空間。

23.對比度：一幅圖像中灰度反差的大小，對比度=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雜；

3)正交變換的特點是在變換域中圖像能量集中分布在低頻率成分上，邊緣、線狀信 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)使圖像處理問題簡化； 2)有利于圖像特征提取；

3)有助于從概念上增強對圖像信息的理解。

第四章 圖像增強

26.圖像增強是采用一系列技術去改善圖像的視覺效果,或將圖像轉換成一種更適合于人或

機器進行分析和處理的形式。

27.空間域增強是直接對圖像各像素進行處理；

28.頻率域增強是先將圖像經傅立葉變換后的頻譜成分進行某種處理，然后經逆傅立葉變換

獲得所需的圖像。

29.30.灰度變換用來調整圖像的灰度動態范圍或圖像對比度，是圖像增強的重要手段之一。

1)線性變換：對圖像每一個像素灰度作線性拉伸，將有效改善圖像視覺效果。

2)分段線性變換：為了突出感興趣目標所在的灰度區間，相對抑制那些不感興趣的灰 度區間，可采用分段線性變換。

3)非線性灰度變換：對數變換（當希望對圖像的低灰度區較大的拉伸而對高灰度區壓 縮時，可采用這種變換，它能使圖像灰度分布與人的視覺特性相匹配).指數變換（對圖像的高灰度區給予較大的拉伸）

31.直方圖修整法包括直方圖均衡化及直方圖規定化兩類。

32.直方圖均衡化：將原圖像通過某種變換，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，滿足下列條件：

1)在0≤r≤1內為單調遞增函數，保證灰度級從黑到白的次序不變；

2)在0≤r≤1內，有0≤T(r)≤1，確保映射后的像素灰度在允許的范圍內。

34.直方圖均衡化原理：輸出圖像的概率密度函數可以通過變換函數T(r)控制原圖像灰度 級的概率密度函數得到,并改善原圖像的灰度層次。

35.一幅圖像的sk與rk之間的關系稱為該圖像的累積灰度直方圖。

36.直方圖規定化是使原圖像灰度直方圖變成規定形狀的直方圖而對圖像作修正的增強方 法。

37.利用直方圖規定化方法進行圖像增強的主要困難在于要構成有意義的直方圖。圖像經直

方圖規定化，其增強效果要有利于人的視覺判讀或便于機器識別。38.為了抑制噪聲改善圖像質量所進行的處理稱圖像平滑或去噪。39.用鄰域內各像素的灰度平均值代替該像素原來的灰度值，實現圖像的平滑，又稱鄰域平均法。

40.超限像素平滑法：將f(x,y)和鄰域平均g(x,y)差的絕對值與選定的閾值進行比較，根 據比較結果決定點（x,y）的最后灰度g′(x,y)。

41.灰度最相近的K個鄰點平均法：可用窗口內與中心像素的灰度最接近的K個鄰像素的平均灰度來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，該算法先找出環繞圖像中每像素的最

均勻區域，然后用這區域的灰度均值代替該像素原來的灰度值。具體可選任一像素（x,y）的5個有重疊的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：對圖像上任一像素(x,y)的5×5鄰域，采用9個掩模：一個3×

3正方形、4個五邊形和4個六邊形。計算各個掩模的均值和方差，對方差進行排序，最小方差所對應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：應用模板卷積方法對圖像每一像素進行局部處理。不管什么樣的掩模，必須保證全部權系數之和為單位值，這樣可保證輸出圖像灰度值在許可范圍內，不會產生“溢出”現象。

45.中值濾波：是對一個滑動窗口內的諸像素灰度值排序，用中值代替窗口中心像素的原來

灰度值，因此它是一種非線性的圖像平滑法。離散階躍信號、斜升信號沒有受到影響。離散三角信號的頂部則變平了。對于離散的脈沖信號，當其連續出現的次數小于窗口尺寸的一半時，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)局部平滑法算法簡單，但它的主要缺點是在降低噪聲的同時使圖像產生模糊，特別 在邊緣和細節處。而且鄰域越大，在去噪能力增強的同時模糊程度越嚴重。

2)超限像素平滑法對抑制椒鹽噪聲比較有效，對保護僅有微小灰度差的細節及紋理也 有效。并且隨著鄰域增大，去噪能力增強，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個鄰點平均法：較小的K值使噪聲方差下降較小，但保持細節效 果較好；而較大的K值平滑噪聲較好，但會使圖像邊緣模糊。

4)最大均勻性平滑經多次迭代可增強平滑效果，在消除圖像噪聲的同時保持邊緣清晰 性。但對復雜形狀的邊界會過分平滑并使細節消失。

5)有選擇保邊緣平滑法既能夠消除噪聲，又不破壞區域邊界的細節。

6)中值濾波對脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能有效保護 邊緣少受模糊。但它對點、線等細節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圖像的邊緣或輪廓。

48.圖像平滑通過積分過程使得圖像邊緣模糊，圖像銳化則通過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算子計算梯度，來增強邊緣。

50.Laplacian增強算子：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增強算子特點：

1)在灰度均勻的區域或斜坡中間▽2f(x，y)為0，增強圖像上像元灰度不變； 2)在斜坡底或低灰度側形成“下沖”；而在斜坡頂或高灰度側形成“上沖” 52.高通濾波法就是用高通濾波算子和圖像卷積來增強邊緣。

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量，濾波器采用低

通濾波器H(u,v)來抑制高頻成分，通過低頻成分，然后再進行逆傅立葉變換獲得濾波圖像，就可達到平滑圖像的目的：

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:在去噪聲的同時將會導致邊緣信息損失而使圖像邊模糊,并產生 振鈴效應。

2)Butterworth低通濾波器的特性是連續性衰減，而不象理想濾波器那樣陡峭變化，即明顯的不連續性。因此采用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度大大減小，沒有振鈴效應產生。

3)指數低通濾波器：圖像邊緣的模糊程度較用Butterworth濾波產生的大些，無明顯 的振鈴效應。

4)梯形低通濾波器的性能介于理想低通濾波器和指數濾波器之間，濾波的圖像有一定 的模糊和振鈴效應。

56.頻率域銳化：采用高通濾波器讓高頻成分通過，使低頻成分削弱，再經逆傅立葉變換得

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、指數濾波器、梯形濾波器。

57.彩色增強技術是利用人眼的視覺特性，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。彩色增強方法可分為偽彩色增強和假彩色增強兩類。

58.偽彩色增強是把黑白圖像的各個不同灰度級按照線性或非線性的映射函數變換成不同 的彩色，得到一幅彩色圖像的技術。

59.偽彩色增強的方法主要有密度分割法、和頻率域偽彩色增強三種。

60.密度分割法是把黑白圖像的灰度級從0（黑）到M0（白）分成N個區間Ii(i=1，2，?，N),給每個區間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.灰度級一彩色變換將原圖像f(x,y)的灰度范圍分段，經過紅、綠、藍三種不同變換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、藍電子槍，便可以在彩色顯示器的屏幕上合成一幅彩色圖像。

62.密度分割法比較簡單、直觀。缺點是變換出的彩色數目有限。63.假彩色增強是對一幅自然彩色圖像或同一景物的多光譜圖像，通過映射函數變換成新的

三基色分量，彩色合成使感興趣目標呈現出與原圖像中不同的、奇異的彩色。64.假彩色增強目的：

1)使感興趣的目標呈現奇異的彩色或置于奇特的彩色環境中，從而更引人注目；

2)使景物呈現出與人眼色覺相匹配的顏色，以提高對目標的分辨力。

65.偽彩色增強與假彩色增強有何區別：偽彩色處理主要解決的是如何把灰度圖變成偽彩 色圖的問題,最簡單的辦法是選擇對應于某一灰度值設一彩色值來替代,可稱之為調色板替代法.另外一種比較好的偽彩色處理方法是設定三個獨立的函數 ,給出一個灰度值,便由計算機估算出一個相應的RGB值.假彩色(false color)處理是把真實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)適應人眼對顏色的靈敏度,提高鑒別能力.可把細節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.像素級影像融合是采用某種算法將覆蓋同一地區（或對象）的兩幅或多幅空間配準的影

像生成滿足某種要求的影像的技術。

67.顏色可以用R、G、B三分量來表示，也可以用亮度（I）、色別（H）和飽和度（S）來表示，它們稱為顏色的三要素。把彩色的R、G、B變換成I、H、S稱為HIS正變換，而由I、H、S變換成R、G、B稱為HIS反變換。

第五章 圖像復原與重建

68.圖像的退化是指圖像在形成、傳輸和記錄過程中，由于成像系統、傳輸介質和設備的不

完善，使圖像的質量變壞。

69.圖像復原就是要盡可能恢復退化圖像的本來面目，它是沿圖像退化的逆過程進行處理。

70.圖像復原過程如下： 找退化原因→建立退化模型→反向推演→恢復圖像 71.圖像復原和圖像增強的區別：

1)圖像增強不考慮圖像是如何退化的，而是試圖采用各種技術來增強圖像的視覺效果。因此，圖像增強可以不顧增強后的圖像是否失真，只要看得舒服就行。

2)而圖像復原就完全不同，需知道圖像退化的機制和過程等先驗知識，據此找出一種 相應的逆處理方法，從而得到復原的圖像。

3)如果圖像已退化，應先作復原處理，再作增強處理。

4)二者的目的都是為了改善圖像的質量。

72.點源的概念:一幅圖像可以看成由無窮多極小的像素所組成，每一個像素都可以看作為 一個點源成像，因此，一幅圖像也可以看成由無窮多點源形成的。

73.當輸入的單位脈沖函數延遲了α、β單位，即當輸入為δ（x –α，y –β）時，如

果輸出為h（x –α，y –β），則稱此系統為位移不變系統。

74.線性位移不變系統的輸出等于系統的輸入和系統脈沖響應（點擴散函數）的卷積。即： g(x,y)=f(x,y)*h(x,y)。

75.圖像退化的數學模型： g（x，y）= f（x，y）* h（x，y）+ n(x，y)76.采用線性位移不變系統模型的原由：

1）由于許多種退化都可以用線性位移不變模型來近似，這樣線性系統中的許多數學工具如線性代數，能用于求解圖像復原問題，從而使運算方法簡捷和快速。

2）當退化不太嚴重時，一般用線性位移不變系統模型來復原圖像，在很多應用中有較好的復原結果，且計算大為簡化。

3）盡管實際非線性和位移可變的情況能更加準確而普遍地反映圖像復原問題的本質，但在數學上求解困難。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加以修改而成。

77.頻率域恢復方法應注意：若噪聲存在，而且H(u,v）很小或為零時，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，會對逆濾波恢復的圖像產生很大的影響，有可能使恢復的圖像和f(x,y)相差很大，甚至面目全非。

78.圖像在獲取過程中，由于成像系統本身具有非線性、拍攝角度等因素的影響，會使獲得 的圖像產生幾何失真，可分為：系統失真和非系統是真。系統失真是有規律的、能預測的；非系統失真則是隨機的。

79.對圖像進行幾何校正的必要性：當對圖像作定量分析時，就要對失真的圖像先進行精 確的幾何校正（即將存在幾何失真的圖像校正成無幾何失真的圖像），以免影響定量分析的精度。

80.幾何校正分兩步：

1)圖像空間坐標變換；首先建立圖像像點坐標（行、列號）和物方（或參考圖）對應 點坐標間的映射關系，解求映射關系中的未知參數，然后根據映射關系對圖像各個像素坐標進行校正；

2)確定各像素的灰度值（灰度內插）

81.圖像空間坐標變換當n=1時，畸變關系為線性變換，式子中包含a00、a10、a01、b00、b10、b016個未知數，至少需要3個已知點來建立方程式，解求未知數。當n=2時，畸變關系式包含12個未知數，至少需要6個已知點來建立關系式，解求未知數。82.幾何校正方法可分為直接法和間接法兩種。

83.常用的像素灰度內插法有最近鄰元法、雙線性內插法和三次內插法三種。84.像素灰度內插法效果比較：

1)最近鄰內插：最簡單，效果尚佳，但校正后的圖像邊緣有明顯鋸齒狀，即存在灰度 不連續性。

2)雙線性內插法：較復雜，計算量較大，沒有灰度不連續性的缺點，結果令人滿意。但它具有低通濾波性質，使高頻分量受損，圖像輪廓有一定模糊。3)三次內插：計算量最大，但內插效果最好，精度最高。85.圖像重建有三種模型：透射模型、發射模型和反射模型。

86.透射模型建立于能量通過物體后有一部分能量會被吸收的基礎之上，透射模型經常用于

X射線、電子射線及光線和熱輻射的情況下，它們都遵從一定的吸收規則。

87.發射模型可用來確定物體的位置。這種方法已經廣泛用于正電子檢測,通過在相反的方 向分解散射的兩束伽馬射線,則這兩束射線的渡越時間可用來確定物體的位置。

88.反射模型可以用來測定物體的表面特征，例如光線、電子束、激光或超聲波等都可以用

來進行這種測定。

89.從多個斷面恢復三維形狀的方法有Voxel 法（體素法）、分塊的平面近似法。

第六章 圖像編碼與壓縮

90.數據壓縮的研究內容包括數據的表示、傳輸、變換和編碼方法，目的是減少存儲數據所

需的空間和傳輸所用的時間。

91.圖像編碼與壓縮就是對圖像數據按一定的規則進行變換和組合，達到以盡可能少的代碼

（符號）來表示盡可能多的圖像信息。

92.冗余數據有：編碼冗余、像素間冗余、心理視覺冗余3種。93.根據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誤差（亦稱

無失真、無損、信息保持）編碼和有誤差（有失真或有損）編碼兩大類。94.根據編碼作用域劃分，圖像編碼為空間域編碼和變換域編碼兩大類。

95.描述解碼圖像相對原始圖像偏離程度的測度一般稱為保真度，可分為兩大類：客觀保真

度準則和主觀保真度準則。

96.最常用的客觀保真度準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可以無限接近圖像信息熵H。但總是大于或等于圖

像的熵H。

98.霍夫曼編碼：在信源數據中出現概率越大的符號，編碼以后相應的碼長越短；出現概率

越小的符號，其碼長越長，從而達到用盡可能少的碼符表示信源數據。它在無損變長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計數值和該顏色值來代替。

100.一維行程編碼只考慮了消除行內像素間的相關性.沒有考慮其它方向的相關性.101.二維行程編碼就是利用圖像二維信息的強相關性，按照一定的掃描路徑遍歷所有的像素 形成一維的序列，然后對序列進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又是變長編碼。

第七章 圖像分割

103.圖像分析：對圖像中感興趣的目標進行檢測和測量，以獲得它們的客觀信息，從而建立 對圖像的描述.104.圖像分割：把圖像分成互不重疊的區域并提取感興趣目標的技術。

105.記憶圖像分割所需滿足的五個條件。

106.分割算法基于灰度值的兩個基本特性：不連續性和相似性 107.檢測圖像像素灰度級的不連續性，找到點、線（寬度為1）、邊（不定寬度）。

108.檢測圖像像素的灰度值的相似性，通過選擇閾值，找到灰度值相似的區域，區域的外輪 廓就是對象的邊。

109.圖像分割的方法：

1)基于邊緣的分割方法：先提取區域邊界，再確定邊界限定的區域。2)區域分割：確定每個像素的歸屬區域，從而形成一個區域圖。3)區域生長：將屬性接近的連通像素聚集成區域

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.邊緣檢測算子比較：

1)梯度算子：僅計算相鄰像素的灰度差，對噪聲比較敏感，無法抑止噪聲的影響 2)Roberts算子：與梯度算子檢測邊緣的方法類似，對噪聲敏感，但效果較梯度算子 略好

3)Prewitt算子：在檢測邊緣的同時，能抑止噪聲的影響

4)Sobel算子：對4鄰域采用帶權方法計算差分；能進一步抑止噪聲；但檢測的邊緣 較寬

5)方向算子：在計算邊緣強度的同時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：優點，各向同性、線性和位移不變的；對細線和孤立點檢測效果較

好。缺點，對噪音的敏感，對噪聲有雙倍加強作用；不能檢測出邊的方向；常產生 雙像素的邊緣。

7)Marr算子：σ的選擇很重要，σ小時邊緣位置精度高，但邊緣細節變化多； σ 大時平滑作用大，但細節損失大，邊緣點定位精度低。應根據噪聲水平和邊緣點定位精度要求適當選取σ。

8)曲面擬合法：其過程是求平均后再求差分，因而對噪聲有抑制作用。

113.由于梯度算子和Laplace算子都對噪聲敏感，因此一般在用它們檢測邊緣前要先對圖 像進行平滑。

114.曲面擬合法：用平面或高階曲面來擬合圖像中某一小區域的灰度表面，求這個擬合平面

微分或二階微分檢測邊緣，可減少噪聲影響。其過程是求平均后再求差分，因而對噪聲有抑制作用。

115.邊緣跟蹤：將檢測的邊緣點連接成線就是邊緣跟蹤。

116.直角坐標系中的一條直線對應極坐標系中的一點，這種線到點的變換就是Hough變換

117.Hough變換特點：

1)對ρ、θ量化過粗，直線參數就不精確，過細則計算量增加。因此，對ρ、θ量 化要兼顧參數量化精度和計算量。

2)Hough變換檢測直線的抗噪性能強，能將斷開的邊緣連接起來。3)此外Hough變換也可用來檢測曲線。118.區域生長：單一型、質心型、混合型。

119.單一型：缺點是區域增長的結果與起始像素有關，起始位置不同則分割結果有差異。120.區域分裂合并法無需預先指定種子點,它按某種一致性準則分裂或者合并區域.可以先

進行分裂運算,然后再進行合并運算;也可以分裂和合并運算同時進行,經過連續的分裂和合并,最后得到圖像的精確分割效果.121.分裂合并法對分割復雜的場景圖像比較有效.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0值的像素(0 像素)和具有若干個1值的像素(1像素)的組就產生了。把這些組叫做連接成分。

123.二值圖像上改變一個像素的值后，整個圖像的連接性并不改變（各連接成分既不分離、不結合，孔也不產生、不消失），則這個像素是可刪除的。

124.孤立點：B（p）= 1的像素p，在4/8鄰接的情況下，當其4/8鄰接的像素全是0時，像素p稱作孤立點。其連接數Nc(p)=0。

125.內部點：B（p）= 1的像素p，在4/8鄰接的情況下，當其4/8鄰接的像素全是1時，稱作內部點。內部點的連接數Nc(p)=0。126.邊界點:在B（p）= 1的像素中，把除了孤立點和內部點以外的點叫做邊界點。邊界點 的連接數屬于[1，4]。1)刪除點或端點； 2)連接點； 3)分支點； 4)交叉點。

127.為區分二值圖像中的連接成分，求得連接成分個數，對屬于同一個１像素連接成分的所 有像素分配相同的編號，對不同的連接成分分配不同的編號的操作，叫做連接成分的標記。

128.膨脹就是把連接成分的邊界擴大一層的處理。

129.收縮則是把連接成分的邊界點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.在經過距離變換得到的圖像中，最大值點的集合就形成骨架，即位于圖像中心部分的線像素的集合，也可以看作是圖形各內接圓中心的集合。反映了原圖形的形狀。給定距離和骨架就能恢復該圖形，但恢復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.細化是從二值圖像中提取線寬為1像素的中心線的操作。

133.為了求得區域間的連接關系，必須沿區域的邊界點跟蹤像素，稱之為邊界（或邊緣）跟 蹤。

134.形狀分析是指用計算機圖像處理與分析系統對圖像中的諸目標提取形狀特征，對圖像進 行識別和理解。

135.區域形狀特征的提取有三類方法：

1)區域內部（包括空間域和變換域）形狀特征提取； 2)區域外部（包括空間域和變換域）形狀特征提取； 3)利用圖像層次型數據結構，提取形狀特征。

136.拓撲描繪子：歐拉數；凹凸性；區域的測量；區域的大小及形狀描述量（面積、周長、圓形度）。

137.區域的拓撲性質對區域的全局描述是很有用的，歐拉數是區域一個較好的描述子。

第九章 影像紋理分析

138.局部不規則而宏觀有規律的特性稱之為紋理；以紋理特性為主導的圖像，常稱為紋理圖 像；以紋理特性為主導特性的區域，常稱為紋理區域。

139.紋理作為一種區域特性，在圖像的一定區域上才能反映或測量出來。

140.紋理分析方法：統計分析法和結構分析法。前者從圖像有關屬性的統計分析出發；后者 則著力找出紋理基元，然后從結構組成上探索紋理的規律。也有直接去探求紋理構成的結構規律的。

141.Laws的紋理能量測量法：

f(x,y)?微窗口濾波?F(x,y)?能量轉換?E(x,y)?分量旋轉?C(x,y)?分類?M(x,y)

142.自相關函數：

1)當紋理較粗時，ρ(d)隨d的增加下降速度較慢； 2)當紋理較細時，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，統計與距離為δ=(Δx2+Δy2)1/2、灰度為j的像素同時出現的概率P(i,j,δ,θ)。144.灰度共生矩陣必然是對稱陣，且對角線上均為偶數。

第十章 模板匹配

145.當對象物的圖案以圖像的形式表現時，根據該圖案與一幅圖像的各部分的相似度判斷其 是否存在，并求得對象物在圖像中位置的操作叫做模板匹配。

第二篇：數字圖像處理知識點總結

數字圖像處理知識點總結

第一章 導論

1.圖像：對客觀對象的一種相似性的生動性的描述或寫真。

2.圖像分類：按可見性（可見圖像、不可見圖像），按波段數（單波段、多波段、超波段），按空間坐標和亮度的連續性（模擬和數字）。

3.圖像處理：對圖像進行一系列操作，以到達預期目的的技術。4.圖像處理三個層次：狹義圖像處理、圖像分析和圖像理解。5.圖像處理五個模塊：采集、顯示、存儲、通信、處理和分析。6.數字圖像處理的內容：

（1）圖像獲取、表示和表現（圖像的數字化和圖像變換）（2）圖像增強（3）圖像復原（4）圖像重建（5）圖像壓縮編碼（6）圖像分割（7）圖像分析（8）模式識別（9）圖像理解

7.數字圖像處理的目的：

（1）提高圖像的視覺質量，以達到賞心悅目的目的。

（2）提取圖像中所包含的某些特征或特殊信息，以便于計算機分析

（3）對圖像數據進行變換、編碼和壓縮，以便于圖像的存儲和傳輸。8.論述數字圖像處理技術在生產生活中的應用

（1）在生物醫學中的應用：利用電磁波譜成像分析系統診斷病情：如顯微鏡圖像分析，DNA成像分析，CT及核磁共振、超聲波、X射線成像分析等

（2）遙感航天中的應用：檢測土地變化；農林資源的調查；自然災害監測、預報；地勢、地貌測繪；地質構造解譯、找礦；環境污染檢測等等

（3）工業應用：無損探傷，石油勘探，生產過程自動化，工業機器人研制等

（4）軍事公安領域運用：衛星偵察照片的測繪、判讀，雷達圖像處理，導彈制導，軍事仿真等

（5）其他應用：圖像遠距離通信、電視會議、天氣預報、現場視頻管理等

第二章 數字圖像處理的基本概念

9.決定圖像質量的因素：

（1）平均亮度

（2）對比度

（3）清晰度：由圖像邊緣灰度變化的速度來描述

（4）分解力或分辨率

（5）采樣間隔

（6）量化等級

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稱為像素的灰度級（或灰度值或灰度）。15.數字圖像根據灰度級數的差異可分為：黑白圖像、灰度圖像和彩色圖像。16.采樣和量化與數字圖像之間的關系

采樣間隔：

采樣間隔大——所得像素數少——空間分辨率低——數據量小——國際棋盤效應

采樣間隔小——所得像素數多——空間分辨率高——數據量大——質量好

量化等級：

量化等級多——圖像層次豐富——灰度分辨率高——數據量大——圖像質量好

量化等級少——圖像層次欠豐富——灰度分辨率低——數據量小——假輪廓現象 17.數字化器組成：

1)采樣孔：保證單獨觀測特定的像素而不受其它部分的影響。2)圖像掃描機構：使采樣孔按預先確定的方式在圖像上移動。

3)光傳感器：通過采樣孔測量圖像的每一個像素的亮度。

4)量化器：將傳感器輸出的連續量轉化為整數值。

5)輸出存儲體：將像素灰度值存儲起來。它可以是固態存儲器，或磁盤等。18.灰度直方圖反映的是一幅圖像中各灰度級像素出現的頻率。以灰度級為橫坐標，縱坐標為灰度級的頻率，繪制頻率同灰度級的關系圖就是灰度直方圖。19.直方圖的性質：

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)一幅圖像對應唯一的灰度直方圖，反之不成立。不同的圖像可對應相同的直方圖 3)一幅圖像分成多個區域，多個區域的直方圖之和即為原圖像的直方圖。20.直方圖的應用：

1)用于判斷圖像量化是否恰當（各個像素都要有才恰當）

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)當影像上目標的灰度值比其它部分灰度值大或者灰度區間已知時，可利用直方圖統計圖像中物體的面積 4)計算圖像信息量：熵H（根據不同像素的概率可求）21.圖像處理基本功能的形式：單幅圖像 → 單幅圖像，多幅圖像 →單幅圖像，單（或多）幅圖像→ 數字或符號。

22.鄰域：對于任一像素（i，j），該像素周圍的像素構成的集合{（i+p,j+q），p、q取合適的整數}，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：對輸入圖像像素P（i,j）處理時，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。這種處理稱為局部處理。

例：空間域平滑和銳化 2)點處理：在局部處理中，當輸出值Q(i,j)僅與P(i,j)有關，則稱為點處理。例：增強對比度、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，這種處理稱為大局處理

例：圖像傅里葉變換 4)迭代處理：反復對圖像進行某種運算直至滿足給定的條件，從而得到輸出圖像的處

理形式稱為迭代處理

例：圖像的細化處理過程 5)跟蹤處理：選擇滿足適當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果，求出下一步應該處理的像素，進行規定的處理，然后決定是繼續處理下面的像素，還是終止處理。這種處理形式稱為跟蹤處理。例：邊界線、等高線的跟蹤 6)位置不變處理和位置可變處理：輸出像素f(i，j)的值的計算方法與像素的位置

(i，j)無關的處理稱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.圖像的數據結構與特征 ：

1)組合方式：一個字長存放多個像素灰度值的方式。它能起到節省內存的作用，但導致計算量增加，使處理程序復雜。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二維數組表示，形成比特面。3)分層結構：由原始圖像開始依次構成像素數愈來愈少的一幅幅圖像，就能使數據表示具有分層性，其代表有錐形(金字塔)結構。

4)樹結構：對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，這一部分則不再分割

5)多重圖像數據存儲：逐波段存儲，分波段處理時采用；逐行存儲，行掃描記錄設備采用；逐像素存儲，用于分類。

25.圖像的特征：

1)自然特征：光譜特征、幾何特征、時相特征；

2)人工特征：直方圖特征，灰度邊緣特征，線、角點、紋理特征；

3)特征的范圍：點特征、線特征、局部特征、區域特征、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個特征量y1，y 2，?，ym，用m維的向量Y＝[y1 y2?ym]t表示稱為特征向量。另外，對應于各特征量的m維空間叫做特征空間。

26.對比度：一幅圖像中灰度反差的大小，對比度=最大亮度/最小亮度 27.圖像的噪聲來源及其類型

外部噪聲：圖像處理系統外部產生的噪聲

如：天體放電干擾、電磁波從電源線竄入系統等

內部噪聲：系統內部產生的噪聲，來源有：

（1）由光和電的基本性質引起的（2）由機械運動產生的噪聲（3）元器件噪聲（4）系統內部電路噪聲

從統計理論觀點分類：

平穩噪聲：統計特征不隨時間變化的特征 非平穩特征：統計特征隨時間變化的特征

從噪聲幅度分布形態分類：高斯型、瑞利形 按過程分類：量化噪聲、椒鹽噪聲

28.幾種顏色模型：

1、RGB顏色模型：

特點：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Hue：光線所呈現的顏色，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到的明暗程度 特點：（1）它比RGB色彩空間更符合人的視覺特性。

（2）在HSB色彩空間可以大大簡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：用于彩色打印機、印刷彩色圖片

4、YUV模型：用于彩色電視信號傳輸，其中Y信號表示亮度，U、V信號是色差信號

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雜；

3)正交變換的特點是在變換域中圖像能量集中分布在低頻率成分上，邊緣、線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)使圖像處理問題簡化； 2)有利于圖像特征提取；

3)有助于從概念上增強對圖像信息的理解。31.傅里葉變換的物理意義：

將原來難以處理的時域信號轉換成了易于分析的頻域信號（信號的頻譜），即將圖像從空間域轉換到頻率域，其逆變換是將圖像從頻率域轉換到空間域。

換句話說，傅里葉變換將圖像的灰度分布函數變換為圖像的頻率分布函數，傅立葉逆變換是將圖像的頻率分布函數變換為灰度分布函數

這樣通過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

32.圖像增強的目的

（1）改善圖像視覺效果，提高圖像清晰度（消除噪聲）

（2）將圖像轉化為一種更適合與人或機器進行分析處理的形式（突出邊緣）33.空間域增強是直接對圖像各像素進行處理；

34.頻率域增強是先對圖像經傅立葉變換后的頻譜成分進行某種處理，然后經逆傅立葉變換獲得所需的圖像。

35.灰度變換用來調整圖像的灰度動態范圍或圖像對比度，是圖像增強的重要手段之一。

1)線性變換：對圖像每一個像素灰度作線性拉伸，將有效改善圖像視覺效果。

2)分段線性變換：為了突出感興趣目標所在的灰度區間，相對抑制那些不感興趣的灰度區間，可采用分段線性變換。3)非線性灰度變換：對數變換（當希望對圖像的低灰度區較大的拉伸而對高灰度區壓縮時，可采用這種變換，它能使圖像灰度分布與人的視覺特性相匹配）。

指數變換（對圖像的高灰度區給予較大的拉伸）

36.直方圖均衡化：將原圖通過某種變換，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，滿足下列條件：

1)在0≤r≤1內為單調遞增函數，保證灰度級從黑到白的次序不變；

2)在0≤r≤1內，有0≤T(r)≤1，確保映射后的像素灰度在允許的范圍內。

38.直方圖均衡化原理：輸出圖像的概率密度函數可以通過變換函數T(r)控制原圖像灰度級的概率密度函數得到,并改善原圖像的灰度層次。39.直方圖均衡化的步驟：（1）統計各灰度級的像元個數（2）計算累計直方圖

（3）【（L-1）/N】乘以累計直方圖，結果取整（4）計算新圖像灰度值

40.一幅圖像的sk與rk之間的關系稱為該圖像的累積灰度直方圖。

41.直方圖規定化是使原圖像灰度直方圖變成規定形狀的直方圖而對圖像作修正的增強方法。

42.直方圖規定化的步驟：

（1）求原始圖像和參考圖像的歸一化累計直方圖；（2）計算參考圖像歸一化累計直方圖的相鄰灰階平均值；

（3）用平均值對原始圖像歸一化累計直方圖進行分段，得到結果圖像灰度值

（4）根據新灰度值計算輸出圖像

43.利用直方圖規定化方法進行圖像增強的主要困難在于要構成有意義的直方圖。圖像經直方圖規定化，其增強效果要有利于人的視覺判讀或便于機器識別。

44.為了抑制噪聲改善圖像質量所進行的處理稱圖像平滑或去噪。45.用鄰域內各像素的灰度平均值代替該像素原來的灰度值，實現圖像的平滑，又稱鄰域平均法。

46.超限像素平滑法：將f(x,y)和鄰域平均g(x,y)差的絕對值與選定的閾值進行比較，根 據比較結果決定點（x,y）的最后灰度g′(x,y)。

47.灰度最相近的K個鄰點平均法：可用窗口內與中心像素的灰度最接近的K個鄰像素的平均灰度來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，該算法先找出環繞圖像中每像素的最均勻區域，然后用這區域的灰度均值代替該像素原來的灰度值。具體可選任一像素（x,y）的5個有重疊的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：對圖像上任一像素(x,y)的5×5鄰域，采用9個掩模：一個3×3正方形、4個五邊形和4個六邊形。計算各個掩模的均值和方差，對方差進行排序，最小方差所對應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：應用模板卷積方法對圖像每一像素進行局部處理。不管什么樣的掩模，必須保證全部權系數之和為單位值，這樣可保證輸出圖像灰度值在許可范圍內，不會產生“溢出”現象。

51.中值濾波：是對一個滑動窗口內的諸像素灰度值排序，用中值代替窗口中心像素的原來灰度值，因此它是一種非線性的圖像平滑法。其特點如下：

（1）對脈沖干擾及椒鹽噪聲的抑制效果好

（2）在抑制隨機噪聲的同時能有效保護邊緣少受模糊

（3）對點、線等細節較多的圖像卻不太合適

（4）離散階躍信號、斜升信號沒有受到一維中值濾波的影響，而離散三角信號的頂部則變平了。對于離散的脈沖信號，當其連續出現的次數小于窗口尺寸的一半時，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)局部平滑法算法簡單，但它的主要缺點是在降低噪聲的同時使圖像產生模糊，特別在邊緣和細節處。而且鄰域越大，在去噪能力增強的同時模糊程度越嚴重。

2)超限像素平滑法對抑制椒鹽噪聲比較有效，對保護僅有微小灰度差的細節及紋理也有效。并且隨著鄰域增大，去噪能力增強，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個鄰點平均法：較小的K值使噪聲方差下降較小，但保持細節效果較好；而較大的K值平滑噪聲較好，但會使圖像邊緣模糊。4)最大均勻性平滑經多次迭代可增強平滑效果，在消除圖像噪聲的同時保持邊緣清晰性。但對復雜形狀的邊界會過分平滑并使細節消失。5)有選擇保邊緣平滑法既能夠消除噪聲，又不破壞區域邊界的細節。6)中值濾波對脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能有效保護邊緣少受模糊。但它對點、線等細節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圖像的邊緣或輪廓。

54.圖像平滑通過積分過程使得圖像邊緣模糊，圖像銳化則通過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 算子計算梯度，來增強邊緣。56.Laplacian增強算子：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增強算子特點：

1)在灰度均勻的區域或斜坡中間▽2f(x，y)為0，增強圖像上像元灰度不變；

2)在斜坡底或低灰度側形成“下沖”；而在斜坡頂或高灰度側形成“上沖”

258.高通濾波法就是用高通濾波算子和圖像卷積來增強邊緣。

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量，濾波器采用低通濾波器H(u,v)來抑制高頻成分，通過低頻成分，然后再進行逆傅立葉變換獲得濾波圖像，就可達到平滑圖像的目的：

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:在去噪聲的同時將會導致邊緣信息損失而使圖像邊模糊,并產生振鈴效應。2)Butterworth低通濾波器的特性是連續性衰減，而不象理想濾波器那樣陡峭變化，即明顯的不連續性。因此采用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度大大減小，沒有振鈴效應產生。

3)指數低通濾波器：圖像邊緣的模糊程度較用Butterworth濾波產生的大些，無明顯的振鈴效應。4)梯形低通濾波器的性能介于理想低通濾波器和指數濾波器之間，濾波的圖像有一定的模糊和振鈴效應。62.頻率域銳化：采用高通濾波器讓高頻成分通過，使低頻成分削弱，再經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、指數濾波器、梯形濾波器。63.彩色增強技術是利用人眼的視覺特性，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。彩色增強方法可分為偽彩色增強和假彩色增強兩類。64.偽彩色增強是把黑白圖像的各個不同灰度級按照線性或非線性的映射函數變換成不同的彩色，得到一幅彩色圖像的技術。

65.偽彩色增強的方法主要有密度分割法、灰度級一彩色變換和頻率域偽彩色增強三種。66.密度分割法是把黑白圖像的灰度級從0（黑）到M0（白）分成N個區間Ii(i=1，2，?，N),給每個區間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.灰度級一彩色變換將原圖像f(x,y)的灰度范圍分段，經過紅、綠、藍三種不同變換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、藍電子槍，便可以在彩色顯示器的屏幕上合成一幅彩色圖像。

68.頻率域偽彩色增強比較簡單、直觀。缺點是變換出的彩色數目有限。

69.假彩色增強是對一幅自然彩色圖像或同一景物的多光譜圖像，通過映射函數變換成新的三基色分量，彩色合成使感興趣目標呈現出與原圖像中不同的、奇異的彩色。70.假彩色增強目的：

1)使感興趣的目標呈現奇異的彩色或置于奇特的彩色環境中，從而更引人注目； 2)使景物呈現出與人眼色覺相匹配的顏色，以提高對目標的分辨力。

71.偽彩色增強與假彩色增強有何區別：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題,最簡單的辦法是選擇對應于某一灰度值設一彩色值來替代,可稱之為調色板替代法.另外一種比較好的偽彩色處理方法是設定三個獨立的函數 ,給出一個灰度值,便由計算機估算出一個相應的RGB值.假彩色(false color)處理是把真實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)適應人眼對顏色的靈敏度,提高鑒別能力.可把細節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.像素級影像融合是采用某種算法將覆蓋同一地區（或對象）的兩幅或多幅空間配準的影像生成滿足某種要求的影像的技術。

第五章 圖像復原與重建

73.圖像的退化是指圖像在形成、傳輸和記錄過程中，由于成像系統、傳輸介質和設備的不完善，使圖像的質量變壞。

74.圖像復原就是要盡可能恢復退化圖像的本來面目，它是沿圖像退化的逆過程進行處理。75.圖像復原過程如下： 找退化原因→建立退化模型→反向推演→恢復圖像 76.圖像復原和圖像增強的區別：

1)圖像增強不考慮圖像是如何退化的，而是試圖采用各種技術來增強圖像的視覺效果。因此，圖像增強可以不顧增強后的圖像是否失真，只要看得舒服就行。2)而圖像復原就完全不同，需知道圖像退化的機制和過程等先驗知識，據此找出一種相應的逆處理方法，從而得到復原的圖像。

3)如果圖像已退化，應先作復原處理，再作增強處理。

4)二者的目的都是為了改善圖像的質量。

77.當輸入的單位脈沖函數延遲了α、β單位，即當輸入為δ（x –α，y –β）時，如果輸出為h（x –α，y –β），則稱此系統為位移不變系統。

78.圖像退化的數學模型： g（x，y）= f（x，y）* h（x，y）+ n(x，y)79.采用線性位移不變系統模型的原由：

1）由于許多種退化都可以用線性位移不變模型來近似，這樣線性系統中的許多數學工具如線性代數，能用于求解圖像復原問題，從而使運算方法簡捷和快速。

2）當退化不太嚴重時，一般用線性位移不變系統模型來復原圖像，在很多應用中有較好的復原結果，且計算大為簡化。

3）盡管實際非線性和位移可變的情況能更加準確而普遍地反映圖像復原問題的本質，但在數學上求解困難。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加以修改而成。

80.頻率域恢復方法應注意：若噪聲存在，而且H(u,v）很小或為零時，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，會對逆濾波恢復的圖像產生很大的影響，有可能使恢復的圖像和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、縮小與錯切。通常在目標物識別中使用。

圖像的位置變換：圖像的平移、鏡像與旋轉。主要是用于目標識別中的目標配準。圖像的仿射變換：采用通用的數學影射變換公式，來表示以上給出的幾何變換

（不同幾何變換對應著不同的變換矩陣）82.圖像旋轉時的問題：

（1）需要前期處理：擴大畫布，取整處理，平移處理。

y'?xsin??（2）旋轉變換公式：x'?xcos??ysin?,（3）利用行插值（列插值）方法，填補旋轉后圖片出現的像素空洞

ycos?

83.圖像在獲取過程中，由于成像系統本身具有非線性、拍攝角度等因素的影響，會使獲得的圖像產生幾何失真，可分為：系統失真和非系統失真。系統失真是有規律的、能預測的；非系統失真則是隨機的。

84.對圖像進行幾何校正的必要性：當對圖像作定量分析時，就要對失真的圖像先進行精確的幾何校正（即將存在幾何失真的圖像校正成無幾何失真的圖像），以免影響定量分析的精度。

85.幾何校正分兩步：

1)圖像空間坐標變換；首先建立圖像像點坐標（行、列號）和物方（或參考圖）對應點坐標間的映射關系，解求映射關系中的未知參數，然后根據映射關系對圖像各個像素坐標進行校正；

2)確定各像素的灰度值（灰度內插）86.幾何校正方法可分為直接法和間接法兩種。

87.常用的像素灰度內插法有最近鄰元法、雙線性內插法和三次內插法三種。88.像素灰度內插法效果比較：

（1）最近鄰元法：在待求點的四鄰像素中，將距離最近的相鄰像素灰度賦給該待求點

特點：① 方法最簡單，效果尚佳

② 校正后的圖像有明顯鋸齒狀，即存在灰度不連續性

（2）★雙線性內插法：利用待求點四個鄰像素的灰度在兩個方向上作線性內插。

特點：① 比最近鄰元法復雜，計算量大

② 沒有灰度不連續性的缺點，結果令人滿意

③ 具有低通濾波性質，使高頻分量受損，圖像輪廓有一定模糊

（3）三次內插法：利用三次多項式S（x）來逼近理論上的最佳插值函數sin（x）/ x

特點：該算法計算量最大，但內插效果最好，精度最高。89.圖像重建有三種模型：透射模型、發射模型和反射模型。

90.透射模型建立于能量通過物體后有一部分能量會被吸收的基礎之上，透射模型經常用于X射線、電子射線及光線和熱輻射的情況下，它們都遵從一定的吸收規則。91.發射模型可用來確定物體的位置。這種方法已經廣泛用于正電子檢測,通過在相反的方向分解散射的兩束伽馬射線,則這兩束射線的渡越時間可用來確定物體的位置。

92.反射模型可以用來測定物體的表面特征，例如光線、電子束、激光或超聲波等都可以用來進行這種測定。

93.從多個斷面恢復三維形狀的方法有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

數據壓縮的研究內容：數據的表示、傳輸、變換和編碼方法 數據壓縮的目的：減少存儲數據所需的空間和傳輸所用的時間

數據壓縮的意義：在現代通信中，圖像傳輸已成為重要內容之一。采用編碼壓縮技術，減少傳輸數據量，是提高通信速度的重要手段。數據壓縮的思想：從信息論觀點看，描述圖像信源的數據由有用數據和冗余數據兩部

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

數據壓縮的效果

95.圖像編碼壓縮的分類

根據解壓重建后的圖像和原始圖像之間是否具有誤差（1）無誤差（亦稱無失真、無損、信息保持）編碼：霍夫曼編碼、行程編碼、算術編碼（2）有誤差（有失真、有損）編碼：預測編碼、變換編碼、其他編碼

根據編碼作用域劃分

（1）空間域編碼（2）變換域編碼

96.圖像冗余度和編碼效率（圖像壓縮評價方法）三種數據冗余：編碼冗余；像素冗余；視覺心理冗余

冗余度原理：若對原始圖像數據的信息進行無失真圖像編碼，壓縮后平均碼長存在一個下限，這個下限是圖像信息熵H。理論上最佳信息保持編碼的平均碼長可以無限接近圖像信息熵H。但總是大于或等于圖像的熵H。

★冗余度 =平均碼長 / 熵-1 ★編碼效率 = 熵 /平均碼長

97.根據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誤差（亦稱無失真、無損、信息保持）編碼和有誤差（有失真或有損）編碼兩大類。98.根據編碼作用域劃分，圖像編碼為空間域編碼和變換域編碼兩大類。

99.描述解碼圖像相對原始圖像偏離程度的測度一般稱為保真度，可分為兩大類：客觀保真度準則和主觀保真度準則。

100.最常用的客觀保真度準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可以無限接近圖像信息熵H。但總是大于或等于圖像的熵H。

102.霍夫曼（Huffman）編碼的特點和步驟:

思想：在信源數據中出現概率越大的符號（灰度值），編碼以后相應的碼長越短 步驟：

（1）把輸入符號按出現的概率從大到小排列起來,接著把概率最小的兩個符號的概率求和；（2）把它（概率之和）同其余符號概率由大到小排序,然后把兩個最小概率求和；（3）重復（2）,直到最后只剩下兩個概率為止

（4）在上述工作完畢之后，從最后兩個概率開始逐步向前進行編碼。對于概率大的消息賦予0，小的賦予1。

特點：

（1）編碼是唯一可譯碼。短的碼不會成為更長碼的啟始部分；

（2）編碼的平均碼長接近于熵；編碼效率略高于費諾香農Fano-Shannon編碼。（3）它在無損變長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計數值和該顏色值來代替。104.一維行程編碼只考慮了消除行內像素間的相關性.沒有考慮其它方向的相關性.105.二維行程編碼就是利用圖像二維信息的強相關性，按照一定的掃描路徑遍歷所有的像素形成一維的序列，然后對序列進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又是變長編碼。107.算術編碼的特點：

（1）碼字本身定義一個介于0和1之間的實數區間，該區間中的任何一個實數就代表要編碼的消息序列。

（2）信源符號與碼字之間不存在一一對應的關系。一個碼字不是賦給某個信源符號，而是賦給整個消息序列。

（3）當消息中的符號數目增加時，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）變得更多了。第七章 圖像分割

108.圖像分析：對圖像中感興趣的目標進行檢測和測量，以獲得它們的客觀信息，從而建立對圖像的描述.109.圖像分析的步驟：

（1）把圖像分割成不同的區域或把不同的對象分開（2）找出分開的各區域的特征

（3）識別圖像中要找的對象或對圖像進行分類（4）對不同區域進行描述或尋找出不同區域的相互聯系，進而找出相似結構或將相關區域連成一個有意義的結構

110.圖像分割：把圖像分成互不重疊的區域并提取感興趣目標的技術。111.圖像分割的基本策略

（1）分割算法基于灰度值的兩個基本特性：不連續性和相似性

（2）檢測圖像像素灰度級的不連續性，找到點、線（寬度為1）、邊（不定寬度）。先找邊，后確定區域。

（3）檢測圖像像素的灰度值的相似性，通過選擇閾值，找到灰度值相似的區域，區域的外輪廓就是對象的邊

112.圖像分割的方法

（1）基于邊緣的分割方法：先提取區域邊界，再確定邊界限定的區域。（2）區域分割：確定每個像素的歸屬區域，從而形成一個區域圖。

（3）區域生長：將屬性接近的連通像素聚集成區域

（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.邊緣檢測算子：

基本思想：計算局部微分算子 一階微分：用梯度算子來計算

特點：（1）對于階躍狀變化，會出現極大值（兩側都是正值，中間的最大）

（2）對于屋頂狀變化，會過零點（兩側符號相反）不變部分為零。用途：用于檢測圖像中邊的存在 二階微分：通過拉普拉斯來計算

特點：（1）對于階躍狀變化，會過零點（兩側符號相反）

（2）對于屋頂狀變化，會出現負極大值（兩側都是正值，中間的最大）不變部分為零。

用途：用于檢測圖像中邊的存在

114.幾種常用的邊緣檢測算子：

梯度算子：僅計算相鄰像素的灰度差，對噪聲比較敏感，無法抑止噪聲的影響。Roberts算子：與梯度算子類似，效果略好于梯度算子 Prewitt算子：在檢測邊緣的同時，能抑制噪聲的影響 Sobel算子：（1）對4鄰域采用帶權方法計算差分

（2）能進一步抑止噪聲，但檢測的邊緣較寬

Kirsch算子（方向算子）：

在計算邊緣強度的同時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度，而將與之對應的方向作為邊緣方向（共8個模板）

★Laplacian算子：

優點：（1）各向同性、線性和位移不變；

（2）對細線和孤立點檢測效果較好。

缺點：（1）對噪音的敏感，對噪聲有雙倍加強作用；

（2）不能檢測出邊的方向；（3）常產生雙像素的邊緣。

注意：由于梯度算子和Laplace算子都對噪聲敏感，因此一般在用它們檢測邊緣前要先對圖像進行平滑。

Marr算子：馬爾算子是以拉普拉斯算子為基礎，首先用一個二維高斯函數對圖像卷積以減低圖像噪聲的影響（平滑）；再用二階導數差分算子（拉普拉斯算子）計算

優點：是快速，能得到一個閉合的輪廓。缺點：由于使用二階導數，對噪聲敏感。

曲面擬合法：用平面或高階曲面來擬合圖像中某一小區域的灰度表面，求這個擬合平面微分或二階微分檢測邊緣，可減少噪聲影響。其過程是求平均后再求差分，因而對噪聲有抑制作用。

115.Canny邊緣檢測算子：

定義：Canny邊緣檢測——最優的階梯型邊緣檢測算法

原理：圖像邊緣檢測必須滿足兩個條件：一能有效地抑制噪聲；二必須盡量精確確定邊緣的位置。根據對信噪比與定位乘積進行測度，得到最優化逼近算子。這就是Canny邊緣檢測算子。

★最優邊緣檢測算子應有的指標：

（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：單方向的一階銳化指對某個特定方向上的邊緣信息進行增強。因為圖像為水平、垂直兩個方向組成，故，單方向銳化實際上是包括水平方向與垂直方向上的銳化。

特點：處理結果對于人工設計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。但是對于不規則形狀（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行后處理，以解決像素值為負的問題

方法1：整體加一個正整數，以保證所有的像素值均為正。

這樣做的結果是：可以獲得類似浮雕的效果。

方法2：將所有的像素值取絕對值。

這樣做的結果是，可以獲得對邊緣的有方向提取。

方法3：為了檢測邊緣點，選取適當的閾值T，對梯度圖像進行二值化

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：這類銳化方法對邊緣的方向沒有選擇，又稱為無方向的銳化算法。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

118.邊緣跟蹤：將檢測的邊緣點連接成線就是邊緣跟蹤。（線是圖像的一種中層符號描述）

出發點：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中斷。因此典型的邊檢測算法后面總要跟隨著連接過程和其它邊界檢測過程，用來歸整邊像素，成為有意義的邊

由邊緣形成線特征的兩個過程：

（1）可構成線特征的邊緣提取（2）將邊緣連接成線

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，結合門限檢測，對遇到的像素進行分析，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：全向跟蹤改進了光柵掃描跟蹤法，跟蹤時把初始點的八鄰點全部考慮進行跟蹤 119.直角坐標系中的一條直線對應極坐標系中的一點，這種線到點的變換就是Hough變換 120.Hough變換特點：

1)對ρ、θ量化過粗，直線參數就不精確，過細則計算量增加。因此，對ρ、θ量化要兼顧參數量化精度和計算量。

2)Hough變換檢測直線的抗噪性能強，能將斷開的邊緣連接起來。3)此外Hough變換也可用來檢測曲線。

121.區域生長：單一型、質心型、混合型。

122.單一型：缺點是區域增長的結果與起始像素有關，起始位置不同則分割結果有差異。123.質心區域生長法

（1）選擇一個為劃分類型的像素作為起點（2）起點周圍未被劃分的點與起點所在區域的灰度平均值差異小于閾值合并為一區域，并標記

（3）從新合并來的像素開始，反復進行第（2）步

（4）反復進行（2）（3），直到不能合并

（5）對圖像中所有未被劃分的像素反復（1）—（4）步

124.區域分裂合并法無需預先指定種子點,它按某種一致性準則分裂或者合并區域.可以先進行分裂運算,然后再進行合并運算;也可以分裂和合并運算同時進行,經過連續的分裂和合并,最后得到圖像的精確分割效果.分裂合并法對分割復雜的場景圖像比較有效.125.閾值分割法：

基本思想：確定一個合適的閾值T，將大于等于閾值的像素作為物體或背景，生成一個二值圖像，在四鄰域中有背景的像素，即是邊界像素。特點：（1）適用于物體與背景有較強對比的情況，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域的邊界。通過交互方式得到閾值：

實施方法：（1）通過光標獲得樣點值f（x0,y0）

（2）選取容忍度R（3）if（|f（x,y）–f（x0,y0）| ? R）

set 255 通過直方圖得到閾值：

else

set 0 基本思想：邊界上的點的灰度值出現次數較少

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：會受到噪音的干擾，最小值不是預期的閾值，而偏離期望的值； 改進：取兩個峰值之間某個固定位置，如中間位置上。由于峰值代表的是區域內外的典型值，一般情況下，比選谷底更可靠，可排除噪音的干擾

126.復雜圖像區域分割的主要步驟：（1）自動直方圖平滑（2）確定區域分類數（3）自動搜索閾值

127.特征空間聚類的步驟：

（1）任意選K個初始聚類中心值

（2）使用最小距離判別，將新讀入的像素分到k類中的某一類（3）重新計算中心值，中心值等于這類中元素的平均值（4）當新舊差異不大時停止

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像素的值后，整個圖像的連接性不改變，則這個像素可刪除

129.孤立點：B（p）= 1的像素p，在4/8鄰接的情況下，當其4/8鄰接的像素全是0時，像素p稱作孤立點。其連接數Nc(p)=0。

130.內部點：B（p）= 1的像素p，在4/8鄰接的情況下，當其4/8鄰接的像素全是1時，稱作內部點。內部點的連接數Nc(p)=0。

131.邊界點:在B（p）= 1的像素中，把除了孤立點和內部點以外的點叫做邊界點。邊界點的連接數屬于[1，4]。1)刪除點或端點； 2)連接點； 3)分支點； 4)交叉點。

132.為區分二值圖像中的連接成分，求得連接成分個數，對屬于同一個１像素連接成分的所有像素分配相同的編號，對不同的連接成分分配不同的編號的操作，叫做連接成分的標記。

133.膨脹就是把連接成分的邊界擴大一層的處理。膨脹算法的思想和步驟如下： 思想：設計一個結構元素，結構元素的原點定位在背景像素上，判斷是否覆蓋有目標點，來確定是否該點被膨脹為目標點。步驟：（1）掃描原圖，找到第一個像素值為0的背景點；

（2）將預先設定好形狀以及原點位置的結構元素的原點移到該點；

（3）判斷該結構元素所覆蓋的像素值是否存在為1的目標點： 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（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的目標物進行合并，便于對其整體的提取。

134.腐蝕則是把連接成分的邊界點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：設計一個結構元素，結構元素的原點定位在待處理的目標像素上，通過判斷是否覆蓋，來確定是否該點被腐蝕掉。步驟：（1）掃描原圖，找到第一個像素值為1的目標點；

（2）將預先設定好形狀以及原點位置的結構元素的原點移到該點；（3）判斷該結構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（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.在經過距離變換得到的圖像中，最大值點的集合就形成骨架，即位于圖像中心部分的線像素的集合，也可以看作是圖形各內接圓中心的集合。反映了原圖形的形狀。給定距離和骨架就能恢復該圖形，但恢復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.圖形線性化：

思想：圖像壓縮或是圖像分析的過程中需要用圖形部分像素來代表整個圖形，因此提出圖形線化的思想 方法：圖像線化通常使用骨架法和圖形細化兩種方法 骨架法：（1）骨架是從距離變換圖得來，是距離變換圖中灰度值最大的像元集合，（2）即使是無空洞的連通圖像，它的骨架不一定連通。

（3）骨架可看作是圖像壓縮表示之一，對骨架圖經過加粗運算（加粗量=骨架像元灰度值-1）可近似恢復成原圖像。

細化：（1）細化是從二值圖像中提取線寬為1像素的中心線的操作。

（2）細化與骨架化不同，只要原圖像連通（不管有無空洞），細化結果總是連通的。138.邊界跟蹤法：

理論基礎：先根據某些嚴格的“探測準則”找出目標物體輪廓上的像素，再根據這些像素的某些特征用一定的“跟蹤準則”找出目標物體上的其他像素。

跟蹤準則：邊緣跟蹤從圖像左上角開始逐像點掃描，當遇到邊緣點時則開始順序跟蹤，直至跟蹤的后續點回到起始點（對于閉合線）或其后續點再沒有新的后續點（對于非閉合線）為止

實現步驟（1）獲得原圖像的首地址，及圖像的高和寬。

（2）開辟一塊內存緩沖區，初始化為255。

（3）將圖像進行二值化處理。

（4）跟蹤邊界點，找到1個邊界點，就將內存緩沖區中該點相應位置置0。

（5）按照跟蹤準則，重復執行（4），直到回到初始點。

（6）將內存緩沖區的內容復制到原圖像中

139.形狀分析是指用計算機圖像處理與分析系統對圖像中的諸目標提取形狀特征，對圖像進行識別和理解。

140.區域形狀特征的提取有三類方法：

1)區域內部（包括空間域和變換域）形狀特征提取； 2)區域外部（包括空間域和變換域）形狀特征提取； 3)利用圖像層次型數據結構，提取形狀特征。

141.拓撲描繪子：歐拉數；凹凸性；區域的測量；區域的大小及形狀描述量（面積、周長、圓形度）。142.區域的拓撲性質對區域的全局描述是很有用的，歐拉數是區域一個較好的描述子。第九章 影像紋理分析

143.局部不規則而宏觀有規律的特性稱之為紋理；以紋理特性為主導的圖像，常稱為紋理圖像；以紋理特性為主導特性的區域，常稱為紋理區域。144.紋理作為一種區域特性，在圖像的一定區域上才能反映或測量出來。

145.紋理分析方法：統計分析法和結構分析法。前者從圖像有關屬性的統計分析出發；后者則著力找出紋理基元，然后從結構組成上探索紋理的規律。也有直接去探求紋理構成的結構規律的。

146.Laws的紋理能量測量法：

f(x,y)?微窗口濾波?F(x,y)?能量轉換?E(x,y)?分量旋轉?C(x,y)?分類?M(x,y)147.自相關函數：

1)當紋理較粗時，ρ(d)隨d的增加下降速度較慢；

2)當紋理較細時，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，統計與距離為δ=(Δx2+Δy2)1/

2、灰度為j的像素同時出現的概率P(i,j,δ,θ)。149.灰度共生矩陣必然是對稱陣，且對角線上均為偶數。

第十章 模板匹配

150.當對象物的圖案以圖像的形式表現時，根據該圖案與一幅圖像的各部分的相似度判斷其是否存在，并求得對象物在圖像中位置的操作叫做模板匹配。

第三篇：《數字圖像處理》

實驗五 圖像的幾何變換

一．實驗目的及要求

掌握圖像幾何變換的基本原理，熟練掌握數字圖像的縮放、旋轉、平移、鏡像和轉置的基本原理及其MATLAB編程實現方法。

二、實驗內容

（一）研究以下程序，分析程序功能；輸入執行各命令行，認真觀察命令執行的結果。熟悉程序中所使用函數的調用方法，改變有關參數，觀察試驗結果。

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 ');

說明：

?注意觀察不同插值方法的圖像表現； ?改變圖像縮放因子Scale，重做上述實驗。2.圖像旋轉

clear all, close all I = imread('cameraman.tif');Theta = 45;

% 將圖像逆時針旋轉45?。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-45;

% 將圖像順時針旋轉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30順時針逆時針

clear all, close all I = imread('cameraman.tif');Theta = 30;

% 將圖像逆時針旋轉30。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-30;

% 將圖像順時針旋轉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； ?改變旋轉角度大小和方向，重做上述實驗。

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編程實現以下圖像幾何變換（參考自編講義相關章節）

1．圖像扭曲變換 2．球面變換

三、實驗設備

1．PIII以上微機； 2．MATLAB6.5；

四、預習與思考

1．預習實驗內容，閱讀教材熟悉實驗原理；

2．查閱資料，熟悉實驗中涉及的有關MATLAB函數；

3．利用課余時間，采用MATLAB底層函數編程實現實驗內容

（二）中的圖像平移、圖像轉置等幾何變換。

五、實驗報告要求

1．簡述試驗的目的和試驗原理；

2．敘述各段程序功能，改變有關函數的參數，分析比較實驗結果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。

實驗六

數字圖像處理應用

一．實驗目的及要求

1．利用MATLAB提供的圖像處理函數實現圖像中物體屬性的測量； 2．訓練綜合運用MATLAB圖像處理函數的能力； 3．了解數字圖像處理基本應用。

二、實驗內容

以大米粒特性測量為例，綜合應用課程中圖像分割、形態學濾波、圖像增強、圖像特征提取等圖像處理方法，實現大米粒特性自動測量。實驗過程簡述：

1． 讀取和顯示圖像 2． 估計圖像背景 3． 獲取背景均勻的圖像 4． 圖像增強 5． 圖像二值化分割 6． 區域標記及為彩色處理

7． 測量圖像中的區域特性（面積、質心等）

8．統計大米粒的特性分布規律。

（一）研究以下程序，分析程序功能；輸入執行各命令行，認真觀察命令執行的結 果。熟悉程序中所使用函數的調用方法，改變有關參數，觀察試驗結果。

% 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，研究其它應用演示

三、實驗設備 1．PIII以上微機； 2．MATLAB6.5；

四、預習與思考

1．預習實驗內容，閱讀教材熟悉實驗原理； 2．查閱資料，熟悉實驗中涉及的有關函數。

3．利用課余時間，采用MATLAB函數編程實現實驗內容

（二）。

五、實驗報告要求

1．簡述試驗的目的和試驗原理；

2．敘述各段程序功能，改變有關函數的參數，分析比較實驗結果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。

第四篇：數字圖像處理

中南大學

數字圖像處理實驗 實驗名稱：空間濾波和頻域濾波

班級：電子信息0802班

姓名：李哲 學號：0909080609 實驗日期：2010年12月22日

目錄

一，實驗目的???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對被噪聲污染的圖像進行中值濾波和均值濾波???????5 四，對圖像進行空間域的銳化????????????????6 五，MATLAB以外函數空間濾波和圖像銳化??????????7 六，自帶函數傅立葉變換和反變換??????????????8 七，低通濾波器程序????????????????????9 八，心得體會 ??????????????????????10 九，參考文獻 ??????????????????????10

一、實驗目的 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，不同的噪聲有不同的抑制措施。本實驗要求用平滑線性濾波和中值濾波2種最典型、最常用的處理算法進行程序設計，學習如何對已被噪聲污染的圖像進行“凈化”。通過平滑處理，對結果圖像加以比較，得出自己的實驗結論。學習如何用銳化處理技術來加強圖像的目標邊界和圖像細節，對圖像進行梯度算子、拉普拉斯算子，使圖像的某些特征（如邊緣、輪廓等）得以進一步的增強及突出。本實驗銳化處理主要在空間域中進行 2，頻域濾波：

掌握傅里葉變換的基本性質； 掌握傅里葉正變換和反變換； 通過實驗了解二維頻譜的分布特點； 掌握怎樣利用傅立葉變換進行頻域濾波

利用MATLAB程序數字圖像的傅立葉變換并且進行頻域濾波

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，對被噪聲污染的圖像進行中值濾波和均值濾波： 原理：自帶函數進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，對圖像進行空間域的銳化： 原理：自帶函數進行空間銳化。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實現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);% 求幅頻絕對值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 對數變換

iFc1=ifftshift(Fc);% 中心移位的逆變換，絕對值 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);

% 數據類型轉換 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));% 計算低通濾波器傳遞函數

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

1，進一步熟悉了Matlab軟件、編程以及圖像處理工具箱 2，學會利用自帶函數對圖像做簡單的處理，例如：均值化等。3，熟練了一些基本函數的運用，例如fspecial，imfilter等。4，加深了對MATLAB編程的理解。

5，對于試驗中的出現的一些問題，懂得怎樣去處理。6，通過實際操作，增強了自己的動手能力，把理論用于實踐。

參考文獻：數字圖像處理第二版

MATLAB教程

第五篇：數字圖像處理考試總結

1、數字圖像處理的特點：

（1）圖像信息量大（2）圖像處理技術綜合性強（3）圖像信息理論與通信理論密切相關

一副遙感圖像占用3240x2340x4=30MB

1、數字圖像處理的主要內容：（1）圖像信息的獲取（2）圖像信息的儲存（3）圖像信息的傳送（4）圖像信息的輸出和顯示

2、數字圖像處理：集幾何處理、算數處理、圖像增強、圖像復原、圖像重建、圖像編碼、圖像識別、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、激光復印、彩色噴墨打印。

軟考貝：CRT顯示、液晶顯示器、場致發光顯示器。

第二章：圖像、圖像處理系統與視覺系統

1、發光強度：發光光源的功率。

單位：燭光功率lcp、新燭光lcd。

2、光通量：是每秒鐘內光流量的度量。

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、缺點：（1）超精致的圖像質量（2）真正的平面顯示（3）體積小、重量輕（4）功耗低、節省能源（5）TFT LCD無輻射、無閃爍。

缺點：于CRT顯示器相比，LCD顯示器圖像質量不夠完善，液晶顯示器響應時間不夠短，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了視覺對顏色的反應取決于紅、綠、藍 三輸入量的代數和。

7、R：red、G： green、B: blue

8、HSI顏色模型、H: 色調(Hue)、S: 飽和度(Saturation)、I：強度I(Intensity)第四章：圖像增強

1、圖像增強：是按照特定的需要突出一幅圖像中的某些信息，同時，削弱或去除某些不需要的信息的處理方法。

圖像增強的目的？

使處理后的圖像對某種特定的應用來說，比原始圖像更適用。

2、圖像增強技術主要包括：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、圖像增強技術可分兩類：頻域處理法、空域處理法。

4、頻域處理法的基本原理：可以增強圖像中的低頻分量使圖像得到平滑，也可以強調圖像中的高頻分量使圖像的邊緣得到增強。

5、什么是灰度級的直方圖？

灰度級的直方圖就是反應一幅圖像中的灰度級與出現這種灰度的概率之間關系的圖形。

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“簡并”現象？如何克服簡并現象？

（1）在直方圖修正的過程中，總要出現灰度等級減少的情況，這種現象就是簡并現象。

（2）增加像素的比特數、采用灰度間隔放大理論的直方圖修正法也可減少簡并現象。

10、多圖像平均法為何能去噪聲？它的主要難點是什么？

(1)如果一幅圖像包含有加性噪聲，這些噪聲對每個坐標點是不相關的，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達到去噪聲的目的。

多圖像平均法是把一系列有噪聲的圖像疊加起來然后再取平均值以達到平滑的目的。

當作平均處理的噪聲圖像數目增加時，其統計平均值就越接近原始無噪聲圖像。

(2)難點在于把多幅圖像配準起來，以方便使相應的像素能正確的對應排列。第五章 圖像復原

1、試述編碼效率和冗余度的概念及如何計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長性。

3、單義性碼：是指任意一個有限長的碼字序列只能被分割成一個一個的碼字，而任何其他分割方法都會產生一些不屬于碼字集合中的碼字。

4、非續長代碼：是指任意一個碼字都不是其他碼字的續長。

5、非續長代碼一定是單義的，但是，單義代碼卻不一定是非續長的。

6、最常用的變長編碼方法是哈弗曼（Huffman）碼和香農-費諾（Shannon-Fano）碼

7、正交變換編碼的性質：（1）正交變換具有熵保持性質（2）正交變換具有能量保持性質（3）能量從新分配與集中（4）去相關特性。

8、求T的步驟：

（1）給定一幅圖像后，首先要統計其協方差矩陣Cx；

（2）由Cx求λ矩陣，即【λE—Cx】。并且由|λE—Cx |=0得其特征根，進而求得每一個特征根所對應的特征向量；

（3）由特征向量求出變換矩陣T；

（4）用求得的T對圖像數據進行正交變換。

1、中值濾波與均值濾波的特點及差異？

中值濾波：是一種去噪聲的非線性處理方法；它將每一像素點的灰度值設置為該點某鄰域窗口內的所有像素點灰度值的中值。

其基本原理是：把數字圖像或數字序列中一點的值用該點的一個鄰域中

個點值的中值代替。

均值濾波：也稱線性濾波，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。

舉例說明直方圖均衡化的基本步驟

直方圖均衡化是通過灰度變換將一幅圖象轉換為另一幅具有均衡直方圖，即在每個灰度級上都具有相同的象素點數的過程。

直方圖均衡化變換：設灰度變換s=f(r)為斜率有限的非減連續可微函數，它將輸入圖象Ii(x，y)轉換為輸出圖象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)，則根據直方圖的含義，經過灰度變換后對應的小面積元相等：Ho(s)ds=Hi(r)dr 直方圖修正的例子 假設有一幅圖像，共有6 4(6 4個象素，8個灰度級，進行直方圖均衡化處理。根據公式可得：

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個等間距的灰度級，變換后的s值也只能選擇最靠近的一個灰度級的值。因此，根據上述計算值可近似地選取：

S0≈1／7，s 1≈3／7，s2≈5／7，s3≈6／7，s4≈6／7，s5≈1，s6≈l，s7≈1。

可見，新圖像將只有5個不同的灰度等級，于是我們可以重新定義其符號：

S0’=l／7，s1’=3／7，s2’=5／7，s3’=6／7，s4’=l。

因為由rO=0經變換映射到sO=1／7，所以有n0=790個象素取sO這個灰度值；由rl=3／7映射到sl=3／7，所以有1 02 3個象素取s 1這一灰度值；依次類推，有850個象素取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個象素都取這一灰度值；同理，有245+1 22+81=448個象素都取s4=1這一灰度值。上述值除以n=4096，便可以得到新的直方圖。