图翊砜际圆钩图像处理考试补充aspan class=

图翊砜际圆钩图像处理考试补充aspan class=Still waters run deep.流静水深流静水深,人静心深人静心深 Where there is life,there is hope。有生命必有希望。有生命必有希望2、了解色彩三要素？色调：色调是指感知到的色彩。：亮度代表觉察到的光源能量。饱和度：饱和度度量色彩是指被白光冲淡的程度，产生淡黄色、深紫色等描述。3、了解图像数字化量化技术分类？量化技术分为非均匀量化和均匀量化。4、掌握简述数字图像信息的特点？1）信息量很大。例如一帧电视图像取512X512个像素组成，其灰度级用8bit的二进制来表示。则有256个灰度级，那么一帧数据图像的信息量即为512X512X8bit。所以数据量是很大的。2）数字图像占用的频带较宽。与语言信息相比，占用频带要大几个数量级。如电视图像的频带为5-6M，语言信息的带宽仅为4K左右。3）数字图像中各个像素之间是不独立的，其相关性很大。在电视画面中，同一行中相邻的像素或相邻两行之间的像素，其相关系数可达到0.9，相邻两帧之间相关性更强。4）处理后的数字图像是需要给人观察和评价的，因此受人的因数影响较大。第二章1、了解傅里叶变换条件？狄里赫利条件：有限间断点、有限极点、绝对可积。2、会计算一维、二维连续信号的傅里叶变换？一维傅立叶变换：?j2uxf(x)为连续可积函数，其傅立叶变换定义为:F(u)=f(x)edx。?+一维傅立叶变换其反变换为：f(x)=2F(u)ej2xudu.?1+一维离散傅立叶变换:1?1?j2ux/N正变换公式为：F(u)=N其中u=0,1,.N-1。x=0f(x)eN?1j2ux/N逆变换为：f(x)=N其中x=0,1,.N-1。u=0f(x)e二维傅立叶变换：F(u,v)=?f(x,y)e?j2ux+vydxdy二维傅立叶变换逆变换：f(x,y)=?F(u,v)ej2ux+vydudv二维离散傅立叶变换:?j2(+?1N?1MN其中F(u,v)=MNMx=0y=0f(x,y)e1uxvyu=0,1,M-1v=0,1,N-1二维离散傅立叶变换逆变换：?1f(x,y)=Mu=0j2(+?1MN其中 NF(u,v)ev=0uxvyx=0,1,M-1y=0,1,N-13、熟悉二维傅里叶变换性质？（比例性质、空间位移、频率位移、共轭对称性、平均值）（1）线性性质：af1(x,y)+-bf2(x,y)aF1(u,v)+-bF2(u,v)（2）比例性质：f(ax,by)(1/ab)F(u/a,u/b)（3）可分离性：?1?j2ux/NN?1?j2vx/NF(u,v)=NN其中u=v=0,1,N-1x=0ey=0f(x,y)e11?1j2ux/NN?1j2vx/Nf(x,y)=Nu=0ev=0F(u,v)eN（4）空间位移：f(x-x0,y-y0)F(u,v)e?j2(ux0/M+vy0/N)（5）平移性质：频率位移：f(x,y)ej2(ux0/M+vy0/N)F(u-u0,v-v0)图像中心化：当u0=M/2和v0=N/2时，f(x,y)(?1)x+yF(u-M/2,v-N/2)（6）共轭对称性：F?(u,v)=F(-u,-v)或f?(x,y)=F?(?u,?v)4、了解拉格尔函数的基本知识？第三章1、熟悉图像对比度、直方图的概念？图像对比度：是一幅图像中明暗区域最亮的白和最暗的黑之间不同层级的测量，即指一幅图像灰度反差的大小。直方图：直方图是表示图像灰度分布的统计图表，它反映了图像灰度分布的统计特性。数字图像的直方图是一个离散函数，他表示数字图像中每一灰度与其出现的概率之间的统计关系。2、图像增强的概念？图像增强是指不考虑图像降质的原因，只将图像中感兴趣的部分加以处理，突出有用的图像特征，故改善后的图像不一定要去逼近源图像的一类图像改善方法。如提取图像中的目标轮廓、衰减各类、将黑白图像转为彩色图像等。3、掌握图像灰度的线性变换？灰度变换可分为线性变换、分段线性变换和非线性变换。线性变换是将灰度范围线性拓展，有效的增强图像的对比度，改善图像的视觉效果。线性变换时，在a=c=0情况下，当K=1是图像不变，当k1时表示图像均匀变亮，k1时表示图像均匀变暗。4、直方图均衡化、规格化的定义及其计算？直方图均衡化：也叫直方图均匀化，就是把给定图像的直方图分布改变成均匀分布的的直方图，然后按均衡直方图修正源图像。直方图均衡化，是像素的灰度值的动态范围最大，增强了图像的整体对比度，图像看起来更清晰了。直方图规格化：是修改图像的直方图，使得它与另一幅图像的直方图匹配或具有一种预先规定的函数形状。其目的在于突出感兴趣的灰度范围，从而改变图像质量。5、常用的空域平滑方法及其特点？中值：中值滤波是一种非线性滤波方法，就是用一个含有奇数个点的滑动窗口，将窗口正中的那个值用窗口内各点的中值来代替。在一定条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效，但是对于一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波方法。中值滤波还具有对某些输入信号中值滤波不变性。领域平均法：领域平均法是一种局部空间域处理的算法。它使用八领域或者四领域的平均值来代替中间点的像素值。领域平均法对消除随机的效果较好，但是它的主要缺点是在降低噪声的同时是图像变得模糊，特别是在图像边缘和图像细节处更为明显，领域越大，模糊越厉害。加权平均法：加权平均法是根据参与平均像素的点赋予不同权值的方法。它克服了局部平均的弊病，能部分地保留边缘细节。使图像处理后的模糊减轻。6、了解常用的锐化算子？会用拉普拉斯算子对图像进行图像增强运算（模版）？图像锐化处理的目的是增强图像的轮廓，突出图像的细节。常用锐化算子有：梯度算子、roberts算子、prewitts算子、sobel算子、拉普拉斯算子、marr算子。拉普拉斯算子采用可以由(x,y)点的灰度值减去其平均值来求得。典型拉普拉斯模版有：1?210?10?1?1?1?24?2、?14?1、?18?11?210?10?1?1?第四章1、掌握图像增强与图像复原的区别？图像增强是指不考虑退质原因，对图像中感兴趣的部分加以处理，突出有用的图像特征。改善后不一定要去逼近源图像。图像复原是试图利用降质过程的先验知识使已被退化的图像恢复本来的面目。而图像增强是用某种试探的方式改善图像质量，以适应人眼的视觉和心理，这是图像复原与图像复原的本质区别。图像增强的目的是提高图像可懂度，图像复原的主要目的是提高图像的逼真度。2、图像退化的模型及其原理框图？图像退化模型图数学表达式：g(x,y)=hf(x,y)+n(x,y)频域：G(u,v)=F(u,v)H(u,v)+N(u,v)3、了解图像复原的方法？线性：逆、维纳滤波（有约束条件的复原，以最小均方误差为准则的滤波）、约束最小平方滤波（最小二乘类滤波）非线性:最大后验复原、最大熵复原、投影复原第五章1、图像编码的可行性和必要性？必要性：由于电视和传真传输的数字图像的信息量大，受传输容量的限制，传输速率也就受到了限制，所以研制数字压缩编码系统是很有必要的，以实现在保持一定逼真度的前提下，使用尽可能少的代码bit来表达图像，以压缩图像的存储量，扩大传输容量，提高传输速度。可行性：图像信息压缩的可能性存在于图像本身之中，由于图像的各像素之间是相关的，而且相关性很大。所以图像的编码是可行的。2、会计算编码效率？图像熵：H=-mk=1Pklog2PkPk为第K个灰度级对应的概率平均码字长度：R=m（二进制的位数）k=1BkPkBk为第k个码字Ck的长度编码效率：=R3、掌握哈夫曼编码方法？第七章1、图像分割的主要方法？图像分割是将图像空间分割成一些有意义的区域。分割方法分为基于闸值的分割方法和基于边缘检测的分割方法。主要的分割方法有幅度分割法、界限探测法、匹配法、跟踪法、边缘检测、区域分割和分水岭分割方法等。2、熟悉图像特征的定义、分类及常见图像特征？图像特征是指图像原始特性或属性。其中有些是人的视觉能直接感受到的自然特征，如区域、边缘轮廓、纹理和色彩；有些是需要通过变换和测量才能得到的人为特征，如变换频谱、直方图、矩等。常见的图像特征有：幅度特征、直方图特征、变换系数特征、线条和角点特征、灰度边缘特征和纹理特征。3、纹理的定义及如何描述纹理？纹理是灰度和颜色的二维变化的图案，是区域具有的重要特征之一。纹理可以分为人工纹理和自然纹理，人工纹理是由自然背景上的符号排列组成，这些可以是线条、点、字母、数字等。自然纹理是具有重复排列现象的自然景象。前者是有规律的、后者是没有规律的。纹理的分析方法可以分为统计方法和结构方法。统计方法常被用于像木纹、沙地、草坪那样纹理不规则的物体，并根据像素间灰度的统计性质规定出纹理的特征。结构分析法，适用于像布料的印刷图案或砖的花样等一类组成纹理的元素及其排列规则，用来描述纹理的结构。第八章1、模版匹配的定义及其特点？模板匹配是指一个较小的图像，即模板与源图像进行比较，以确定源图像中90图像像处理和模式理和模式识别考考试复复习_图像像处理与模式理与模式识别是否存在与该模板相同或相似的区域，若该区域存在，则可以确定其位置并提取该区域。特点：最常用的图像匹配方法，需要逐点计算互相关，计算量大。模板只能进行平移，如源图像中要匹配的目标发生旋转或大小变化，算法无效。第九章1、模式和模式识别的定义？模式：存在于时间、空间中可观察的事物，具有时间或空间分布的信息。具有可观察性、可区分性和相似性。模式识别：用计算机对各种事物和现象的分析、描述、判断和。模式识别分类：统计模式识别、结构模式识别、模糊集模式识别。2、模式识别系统的组成和各部分功能？图像识别简单框图一个图像识别系统分为三个主要部分，第一部分是图像信息的获取，它相当于对被研究对象的调查和了解，从中得到数据和材料，对图像识别来说就是把图片、底片、文字图形等用光电设备变换为电信号以备后续处理。第二部分是信息的加工与处理。它的作用是把调查了解到的数据材料进行加工、整理、分析、归纳以去伪存真，去粗取精，抽取能反映事物本质的特征。第三部分是判决或分类。这相当于人们从感性认识上升到理性认识而做出结论的过程。一、填空题(每小题2分,本题共20分)1.图像与灰度直方图间的对应关系是多对一;2.下列算法中a.梯度锐化b.二值化c.傅立叶变换d.中值滤波，属于点处理的是b二值化;3.在彩色图像处理中，常使用HSI模型，它适于做图像处理的原因有:1、在HIS模型中亮度分量与色度分量是分开的；2、色调与饱和度的概念与人的感知联系紧密。;4.若将一幅灰度图像中的对应直方图中偶数项的像素灰度均用相应的对应直方图中奇数项的像素灰度代替（设灰度级为256），所得到的图像将亮度增加，对比度减少;5.MATLAB函数fspecial(type,parameters)常用类型有:average、gaussian、laplacian、prewitt、sobel、unsharp;6.检测边缘的Sobel算子对应的模板形式为:-1-2-1000121-101-202-1017.写出4-链码10103322的形状数:03033133;8.源数据编码与解码的模型中量化器(Quantizer)的作用是减少心里视觉 冗余;9.MPEG4标准主要编码技术有DCT变换、小波变换等;10.图像复原和图像增强的主要区别是图像增强主要是一个主观过程，而图像复原主要是一个客观过程;第题：图像增强不考虑图像是如何退化的,而图像复原需知道图像退化的机制和过程等先验知识二、名词解释(每小题5分,本题共20分)1、数字图像数字图像是指由被称作像素的小块区域组成的二维矩阵。将物理图像行列划分后，每个小块区域称为像素（pixel）。数字图像处理指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术.2、8-连通的定义-对于具有值V的像素p和q,如果q在集合N8(p)中,则称这两个像素是8-连通的。3、灰度直方图灰度直方图是指反映一幅图像各灰度级像元出现的频率。4、中值滤波中值滤波是指将当前像元的窗口（或领域）中所有像元灰度由小到大进行排序，中间值作为当前像元的输出值。像素的邻域邻域是指一个像元（x，y）的邻近（周围）形成的像元集合。即（x=p,y=q）p、q为任意整数。像素的四邻域 像素p(x,y)的4-邻域是:(x+1,y),(x-1,y),(x,y+1),(x,y-1)三、简答题(每小题10分,本题共30分)：1.举例说明直方图均衡化的基本步骤。直方图均衡化是通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。直方图均衡化变换：设灰度变换s=f(r)为斜率有限的非减连续可微函数，它将输入图象Ii(x，y)转换为输出图象Io(x，y)，输入图象的直方图为Hi(r)，输出图象的直方图为Ho(s)，则根据直方图的含义，经过灰度变换后对应的小面积元相等：Ho(s)ds=Hi(r)dr直方图修正的例子假设有一幅图像，共有64(64个象素，8个灰度级，进行直方图均衡化处理。根据公式可得：s2=0.19+0.25+0.2l=0.65，s3=0.19+0.25+0.2l+0.16=0.8l，s4=0.89,s5=0.95，s6=0.98，s7=100由于这里只取8个等间距的灰度级，变换后的s值也只能选择最靠近的一个灰度级的值。因此，根据上述计算值可近似地选取：S017，s137，s257，s367，s467，s51，s6l，s71。可见，新图像将只有5个不同的灰度等级，于是我们可以重新定义其符号：S0=l7，s1=37，s2=57，s3=67，s4=l。因为由rO=0经变换映射到sO=17，所以有n0=790个象素取sO这个灰度值；由rl=37映射到sl=37，所以有1023个象素取s1这一灰度值；依次类推，有850个象素取s2=57这一灰度值；由于r3和r4均映射到s3=67这一灰度值，所以有656+329=985个象素都取这一灰度值；同理，有245+122+81=448个象素都取s4=1这一灰度值。上述值除以n=4096，便可以得到新的直方图。2.简述JPEG的压缩过程，并说明压缩的有关步骤中分别减少了哪种冗余？答：分块颜色空间转换零偏置转换DCT变换量化符号编码。颜色空间转换，减少了心理视觉冗余；零偏置转换，减少了编码冗余；量化减少了心理视觉冗余；符号编码由于是霍夫曼编码加行程编码，因此即减少了编码冗余（霍夫曼编码）又减少了像素冗余（行程编码）。2000的过程：图像分片、直流电平（DC）位移，分量变换，离散小波变换、量化，熵编码。3、Canny边缘检测器答：Canny边缘检测器是使用函数edge的最有效边缘检测器。该方法总结如下：1、图像使用带有指定标准偏差的高斯滤波器来平滑，从而可以减少噪声。2、在每一点处计算局部梯度g（x,y）=G2x+G2y1/2和边缘方向（x,y）=arctan（Gy/Gx）。边缘点定义为梯度方向上其强度局部最大的点。3、第2条中确定的边缘点会导致梯度幅度图像中出现脊。然后，算法追踪所有脊的顶部，并将所有不在脊的顶部的像素设为零，以便在输出中给出一条细线，这就是众所周知的非最大值抑制处理。脊像素使用两个阈值T1和T2做阈值处理，其中T1T2。值大于T2的脊像素称为强边缘像素，T1和T2之间的脊像素称为弱边缘像素。4、最后，算法通过将8连接的弱像素集成到强像素，执行边缘链接。