数字图像处理复习题

第一章1图像的数字化：将图像分割成象素的小区域，每个象素的亮度或灰度用一个整数来表示。具体来说，就是把一幅图画分割成如图所示的一个个小区域（像元或像素），并将各小区域 灰度用整数来表示，形成一幅数字图像。它包括采样和量化两个过程。采样：把时间上和空间上连续的图像转换为离散的抽样点，即象素。量化：将抽样后所得的连续的象素值离散化为整数值2.均匀量化：等间隔的进行分割并进行量化。非均匀量化：灰度值频繁出现的范围，量化间隔小一些，象素极少出现的灰度范围，量化间隔大一些。 常采用均匀量化3.图像分类：按图像空间坐标和亮度（或色彩）的连续性可分为模拟图像和数字图像。模拟图像：指空间坐标和亮度（或色彩）都是连续变化的图像。数字图像是一种空间坐标和灰度均不连续的、用离散数字（一般用整数）表示的图像。4.灰度图像：灰度图像是指每个像素由一个量化的灰度值来描述的图像。它不包含彩色信息。5.邻域运算：对输入图像IP（i,j）处理时，某一输出像素JP(i,j)值由输入图像像素（i,j)及其邻域N(i,j)中的像素值确定。这种处理称为局部处理。6.窗口运算：单独对图像中选定的矩形区域内的像素进行处理的方式叫做窗口处理 7.模板：任意形状的区域；模板平面：一个和处理图像相同大小的二维数组，用来存储模板信息。一般是一幅二值图像；模板处理：希望单独对图像任意形状的区域进行处理时，预先准备一个和输入图像IP相同大小的二维数组，存储该区域的信息；然后参照二维数组对输入图像处理。8.并行运算:指对图像中各个象素同时进行相同处理的运算方式，运算快，但只能用于处理的结果与处理的顺序无关的场合。串行运算：相对并行运算而言，指的是在图像上按照规定的顺序逐个象素进行处理的运算的形式。9.图像处理分为模拟图像处理和数字图像处理两种方式。利用光学、照相方法对模拟图像的处理称为模拟图像处理。所谓数字图像处理，就是利用计算机对数字图像进行一系列操作，从而达到某种预期目的的技术。10.数字图像处理的三个层次：1）狭义的图像处理：图像图像的过程， 指对图像进行各种操作以改善图像的视觉效果或进行压缩编码减少存储空间和传输时间等。2）图像识别与分析：图像数值或符号的过程，对图像中感兴趣的目标进行检测和测量，建立对图像的描述。3）图像理解：图像描述及解释，在图像处理与识别的基础上，基于人工智能和认知理论，研究图像中各目标的性质和它们之间的相互联系，对图像内容的含义加以理解以及对原来景观场景加以描述，从而指导和规划行动。11.数字图像处理的特点：1）精度高2）再现性好3）通用性好、灵活性好。12.二值图像：若一幅灰度图像只有两个灰度级通常取0和1，这样的图像称为二值图像。13.图像存储方式：逐波段顺序存储（BSQ）、逐行存储（BIL）、逐像素存储（BIP）。第二章1.灰度直方图：反映的是一幅图像中各灰度级像素出现的频率之间的关系。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。2.直方图的性质：1）只能反映了图像灰度的分布情况，而不能反映图像像素的位置，即丢失了的像素的位置信息；2）一幅图像对应唯一的灰度直方图，反之不成立；3）一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。3.在对输入图像进行处理时，计算某一输出像素JP（i，j）值由输入图像IP(i,j)像素的小邻域N IP(i,j) 中的像素值确定，这种处理称为局部处理。图像的移动平均平滑法和空间域锐化等属于局部处理。在局部处理中，当输出值JP(i,j)仅与IP(i,j)像素灰度有关的处理称为点处理。图像对比度增强、图像二值化等属于点处理第三章1.图像变换的目的：1）使图像处理问题简化；2）有利于图像特征提取；3）有助于从概念上增强对图像信息的理解。2.傅里叶变换作用，如何用，过程？傅立叶变换：F(u,v)=|F(u,v)|ejf(u,v)；傅立叶谱：|F(u,v)|= R2(u,v)+I2(u,v)1/2；相位：f(u,v)=arctan(I(u,v)/R(u,v)；能量谱: E=|F(u,v)|23.傅里叶变换性质：1）可分离性2）周期性3）平移性（空间、频率）4）对称性、共轭对称性5）旋转6）线性7）比例性8）平均值9）差分、积分10）两单变量函数之积11）旋转不变性12）巴塞法定里（能量定理）13）卷积定理（空间域、频率域）14）相关定理（互相关、自相关）4.计算图像傅立叶变换的过程 ：首先对每一行做一维FFT，然后对每一列做一维FFT，即，先对第0行的N个点做FFT（实部有值，虚部为0），将FFT输出的实部放回原来第0行的实部，FFT输出的虚部放回第0行的虚部，这样计算完全部行之后，图像的实部和虚部包含的是中间数据 ；然后用相同的办法进行列方向上的FFT变换，这样N*N的图像经过FFT得到一个N*N的频谱。第四章1.图象增强：是指对图像的某些特征，如边缘、轮廓、对比度进行强调或尖锐化，以便于显示、观察或进一步地分析与处理。图像处理最基本的目的之一是改善图像改善图像。改善图像最常用的技术就是图像增强。图像增强有两大类应用 1）第一类是改善图像的视觉效果2）突出图像的特征，便于计算机处理。图像增强按作用域分为两类，即空域处理和频域处理。空域处理是直接对图像进行处理。频域处理则是在图像的某个变换域内，对图像的变换系数进行运算，然后通过逆变换获得图像增强效果2.对比度增强实现方法：1）灰度变换a.线性变换b.分段线性拉伸c.非线性灰度变换（对数变换、指数变换）2）直方图修正法a.直方图均衡化b.直方图规定化3）局部均值和方差进行对比度增强的方法3.线性变换：在改变图像像元运算过程中，如果变换函数是线性的或分段线性的，这种变换就是线性变换。线性变换是图像增强处理最常用的方法。在一些亮度段拉伸，而在另一些亮度段压缩，这种变换称为分段线性变换。4.非线性变换：当变换函数是非线性时，即为非线性变换。非线性变换的函数很多，常用的有指数变换和对数变换。 5.非几何变换：直方图均衡化（具体方法）、直方图规定化1）直方图变换：使输入图像灰度值的频率分布（直方图）与所希望的直方图形状一致而变换灰度值的方法。 2）直方图均衡化直方图均衡化的缺陷：不易控制，不能用于交互方式的图像增强应用，因为直方图均衡化只能产生唯一一个结果。直方图均衡的实质是减少图像的灰度等级换取对比度的扩大 3）直方图规定化：直方图规定化增强处理的步骤如下：对原始图像作直方图均衡化处理；按照希望得到的图像的灰度概率密度函数pz(z)，求得变换函数G(z)；用步骤得到的灰度级s作逆变换z= G-1(s)。直方图规定化又称直方图匹配，这种增强方法经常作为图像镶嵌，或应用遥感图像进行动态变化研究的预处理工作，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的色调差异。6.图像平滑获去噪：为抑制噪声、改善图像质量所进行的处理，可以在空间域和频率域中进行。7.超限像素平滑法：这种算法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效，随着邻域增大，去噪能力增强，但模糊程度也变大，同局部平滑法相比，超限像元平滑法去椒盐噪声效果更好。8.低通滤波：主要用于加强图像中的低频成分，减弱图像中的高频成分；应用模板卷积方法对图像每一像素进行局部处理。但不管什么样的掩模，必须保证全部权系数之和为1，这样可保证输出图像灰度值在许可范围内，不会产生灰度“溢出”现象。高通滤波：则相反，即加强高频细节，减弱低频信息。带通滤波由于仅保留一定的频率成分，所以可用于提取、消除每隔一定间隔出现的干扰条纹的噪声。 保留特定频率分量。9.空域滤波：使用空域模板进行的图像的处理。模板本身称为空域模板器10.中值滤波：对一个滑动窗口内的诸像素灰度值排序，用其中值代替窗口中心像素的灰度值的滤波方法，是一种非线性的平滑法，对脉冲干扰及椒盐噪声的抑制效果好，能有效保护边缘少受模糊。11.非线性滤波器分类：中值滤波主要用途：平滑图像、去除噪声。计算公式：最大值滤波主要用途：寻找最亮点。计算公式：最小值滤波主要用途：寻找最暗点。计算公式：12平滑滤波器：图像中出现某些亮度变化过大的区域，或出现不该有的亮点（“噪声”）时，采用平滑的方法可以减小变化，使亮度平缓或去掉不必要的“噪声”点。13.平滑滤波器的主要用途：1）对大图像处理前，删除无用的细小的细节；2） 连接中断的线段或曲线3） 降低噪声；4）平滑处理、恢复过分锐化的图像5） 图像创意（阴影、朦胧的效果）14.平滑滤波器基本的低通滤波器：1）选择平均法：以邻域平均法为基础，只对灰度值相同或相近的象素进行处理，或者按照灰度特殊的程度加权之后再求和，以免造成目标边缘的模糊。2）阈值法3）半邻域法15.模板尺寸对过滤器效果的影响：模板尺寸越大，图像越模糊，图像细节丢失越多低通空域滤波的缺点和问题：如果图像处理的目的是去除噪音，那么，低通滤波在去除噪音的同时也平滑了边和尖锐的细节。16.图像锐化的目的是增强图像中景物的边缘或轮廓，使图像边缘突出、清晰。17.空间域锐化基本高通滤波设计模板系数的原则：中心系数为正值，外围为负值；系数之和为018.常用锐化算子：梯度锐化法、Roberts梯度算子、Prewitt算子、Sobel算子、Laplacian增强算子。高通滤波法就是在空间域用高通滤波算子和图像卷积来增强边缘19.频率域平滑：1）理想低通滤波器（ILPF）采用该滤波器在处理中会产生较严重的模糊和振铃现象。2）巴特沃思低通滤波器(BLPF)巴特沃思低通滤波器又称为最大平坦滤波器。处理过的图像中没有振铃效果，模糊程度减小，对噪声的平滑效果不如理想低通滤波。 3）指数低通滤波器(ELPF)与BLPF相比，衰减更快，经过ELPF滤波的图象比BLPF处理的图象更模糊一些4）梯形低通滤波器(TLPF)其中D0 D1。一般情况下，定义D0为截止频率， D1 为任意大于D0 的数。梯形低通滤波器介于以上二者之间，处理后的图像有一定的模糊，较轻振铃四种低通滤波器的比较20.频域高通滤波法：常用的高通滤波传递函数有： 理想高通滤波器巴特沃思高通滤波器指数滤波器 梯形滤波器 21.同态滤波增强，一方面消弱低频，另一方面增强高频，最终结果是同时使图像的动态范围压缩又使图像各部分之间的对比度增强。（频谱图像反映图像样子，相位图像反映图像方向）22.彩色变换：假彩色变换、伪彩色变换、HIS变换，主成分变换把黑白图像变换成彩色图像的处理称为伪彩色处理；把多波段图像合成彩色图像的处理，称为假彩色处理；IHS变换就是将颜色的RGB表示形式转变为色度、亮度和饱和度的表示形式。伪彩色增强的方法主要有：密度分割法，空间域灰度级彩色变换合成法，频率域伪彩色增强；HIS变换典型变换式：球体变换，圆柱体变换，三角形变换，单六角锥变换。主成分变换是对某一多光谱图像X.利用K-L变换矩阵A进行线性组合,而产生一组新的多光谱图像Y.第五章1.图像复原，就是要尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程恢复图像。图像复原一般过程：退化原因建立退化模型反向推演恢复图像2.频率域复原方法：逆滤波恢复法对于线性移不变系统而言对上式两边进行傅立叶变换得H(u,v)称为系统的传递函数。从频率域角度看，它使图像退化，因而反映了成像系统的性能。 通常在无噪声的理想情况下进行反傅立叶变换可得到f(x,y) 。1/H(u,v)称为逆滤波器。其复原过程可归纳如下：(1)对退化图像g(x，y)作二维离散傅立叶变换，得到G(u,v)；(2)计算系统点扩散函数h(x，y)的二维傅立叶变换，得到H(u,v); 逆滤波计算 (4)计算 的逆傅立叶变换，求得 。改进的方法有：在H(u,v）=0及其附近，人为地仔细设置H-1(u,v)的值，使N(u,v)*H-1(u,v)不会对产生太大影响。使H(u,v)具有低通滤波性质。即使3.灰度级插值：最邻近插值法、双线性插值（一阶插值）、三次内插法第六章1.图像压缩目的与可能性：目的是减少存储数据所需的空间和传输所用的时间，因为一般图像中存在很大的冗余度，所以图像数据的压缩是可能的。2.无损压缩的方法：霍夫曼编码、行程编码、算术编码。3.冗余数据有：编码冗余、像素间冗余、心里视觉冗余3种冗余度r= 为原始图像平均码长，H为信源信息熵。编码效率=编码后冗余度低编码效率越高4.霍夫曼编码：根据源数据符号发生的概率进行编码，在编码的方法中是最佳的算法步骤：1）统计出每个元素出现的频率；2）从左到有把上述频率按从打到小的顺序排列；3）选出频率最小的两个值，作为二叉树的两个叶子节点，将其和作为它们的根节点，这两个叶子节点不再参与比较，新的根节点同其余元素出现的频率排序。4）重复3），直到最后得到和为1的根节点；5）将形成的二叉树的子节点概率大的为0，概率小的为1、把最上面的根节点到最下面的叶子节点途中遇到的0、1序列串起来，就得到了各个元素的编码。（具体过程见课本125页，费诺仙农编码见课本P127，算术编码见课本P128）第七章1.图像分割的基本策略：基于灰度值的两个基本特性：区域之间不连续性；区域内部相似性。2.图像分割结果：互不重叠，特性相似、连通3.常用分割方法：基于边缘提取的分割法、区域分割、区域增长、分裂合并分割4.Hough变换的基本思想：对于边界上的n个点的点集，找出共线的点集和直线方程。对于直角坐标系中的一条直线l，可用、来表示该直线，且直线方程为： 其中，为原点到该直线的垂直距离，为垂线与x轴的夹角，这条直线是唯一的。构造一个参数的平面，从而有如下结论：直角坐标系中的一条直线对应极坐标系中的一点，这种线到点的变换就是Hough变换 算法实现： 使用交点累加器，或交点统计直方图，找出相交线段最多的参数空间的点，然后找出该点对应的xy平面的直线线段。算法步骤：1）在、的极值范围内对其分别进行m，n等分，设一个二维数组的下标与i、j的取值对应；2）对图像上的所有边缘点作Hough变换，求每个点在j(j0,1,n) Hough变换后的i ，判断(i、j)与哪个数组元素对应，则让该数组元素值加1；3）比较数组元素值的大小，最大值所对应的(i、j)就是这些共线点对应的直线方程的参数。算法特点：1）对、量化过粗，直线参数就不精确，过细则计算量增加。因此，对、量化要兼顾参数量化精度和计算量。2）Hough变换检测直线的抗噪性能强，能将断开的边缘连接起来。3）此外Hough变换也可用来检测曲线。第八章1.邻域和邻接：把像素的集合（j+p，j+q）（p，q是一对适当的整数）叫做像素（i，j）的邻域（常采用4-邻域和8-邻域）。互为4-邻域或8-邻域的两像素叫4-邻接或8-邻接2.像素的连接：对于二值图像中具有相同值的两个像素A和B，所有和A、B具有相同值的像素系列p0(=A),p1,p2,pn-1,pn (=B)存在，并且pi-1和pi互为4-邻接或8-邻接，那么像素A和B叫做4-连接或8-连接3.连接成分：二值图像中，把互相连接的像素的集合汇集为一组，预示具有若干个0值的像素和具有若干个1值的像素的组就产生了。把这些组叫做连接成分，也称做连通成分。若1像素的连接成分用4/8-连接，二0像素连接成分必须用8/4-连接，否则会产生矛盾。4.欧拉数：在二值图像中，1像素连接成分数C减去孔数H的差值叫做这幅图像的欧拉数或示性数，而至图像的欧拉数是所有1像素连接成分的欧拉数之和。5.像素的可删除性和连接数：二值图像上改变一个象素的值后，整个图像的连接性并不改变（各连接成分既不分离、不结合，孔也不产生、不消失），则这个像素是可删除的。像素的可删除性可用像素的连接数检测。6. 1）孤立点：当其4/8-邻接的像素全是0像素时；连接数Nc（p）=0；2）内部点：当其4/8-邻接的像素全是1像素时；连接数Nc（p）=0；3）边界点：1Nc（p）4，Nc（p）=1的1像素为可删除点或端点；Nc（p）=2的1像素为连接点；Nc（p）=3的1像素为分支点；Nc（p）=4的1像素为交叉点4）背景点：像素值全为0的像素；周围全部为1则连接成分为0.7.区域邻接图：表示图像中区域与区域之间的关系，区域邻接图中的节点表示区域，节点之间的弧线表示区域的公共边界。强调区域的邻接性。8.包含、击中、不击中：包含B属于X；击中B与X有公共部分，不击中B不属于X。9.距离：1）欧几里得距离：d（i，j）,(h,k)=2）4-邻域距离：d4（i，j）,(h,k)=3) 8-邻域距离：d8（i，j）,(h,k)=max10.连接成分的变形处理：为了从二值图像中准确提取有关特征，需要先进行二值图像的增强处理，通常又称为二值图像的连接成分的变形处理。11.标记：对属于同一个1像素连接成分的所有像素分配相同的编号，对不同的连接成分分配不同的标号的处理（膨胀、收缩、开、闭见课本P171）12.距离变换和骨架：把任意图形转换成线画图的最有效方法之一，它是求二值图像中各1像素到0像素的最短距离的处理。设P为B（p）=1的像素区域，Q为B（q）=0的像素区域，求从P中任意像素到Q的最小距离叫做二值图像的距离变换。在经过距离变换得到的图像中，最大值点的集合就形成骨架，即位于图像中心部分的线状的集合，也可以看到图形各内接圆中心的集合13.细化：从二值图像中提取线宽为1显示的中心线的操作14.区域的到小及形状表示方法包括的方法：1）面积：区域内像素的总和；2）周长：就是这些像素间距离的总和，或边界的像素总和作为周长。3）圆形度：R=4当区域为圆形时，R最大为1，档区域为细长的区域，R则最小。15八链码原理图 第九章1.纹理：习惯上将图像在局部不规则宏观上有规律的特性称为纹理。以纹理为主导的图像称为纹理图像。2.纹理的分析方法：统计分析方法：从图像有关的属性的统计出发，比较适用于纹理细且 不规则的物体。 结构分析方法：力求找到纹理基元，从结构上描述纹理基元，或描述纹理的构成规律，比较适用于纹理基元排列比较规则的图象。遥感影像中纹理分析多用统计分析发，因其纹理基元不规则。3.灰度共生矩阵：是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。0度方向90度方向135度方向45度方向4.灰度共生矩阵特点：矩阵大小： LL L为灰度级；对称性（只限以上提到的四个方向）主对角线元素的作用：沿着纹理方向的灰度共生矩阵主对角线上的元素较大，在垂直纹理方向上的共生矩阵主对角线的元素可以判断纹理的粗细。在垂直纹理方向的灰度共生矩阵中立足对角线越远的元素越大纹理越细，否则越粗；哪个方向灰度共生矩阵的主对角线元素大纹理为哪个方向。5.分形：指具有自相似的、不规则的几何体（对象）分形维数：从某种意义上说，分形维数的大小是物体不规则性的一种度量，因此维数不是整数就成了分形的第二特征。常见的维数的新概念有：相似性维数、容量维数、Hausdorff维数、信息维数、关联、维数、广义维数、计盒维数等。几种分维的定义：容量维、盒维数、自相似维、基于分形布朗函数的分维第十章：1.良好的特征应具有的特点：可区分性、可靠性、独立性、数量少。2.特征选择 :从原始特征中挑选出一些最有代表性，分类性能最好的特征。穷举法、最大最小类对距离法第十一章1.图像融合：是将多种遥感平台，多时相遥感数据之间以及遥感数据与非遥感数据之间的信息组合匹配的技术。目的：信息互补，突出有用的专题信息，消除或抑制无关的信息，改善目标识别的图像环境。2.融合方法：代数法、图像变换法；代数法：将低空间分辨率图像重采样成高空间分辨率图像3.Brovey融合：提高空间分辨率；适用于2个波段以上；较好地持 光谱信息4.IHS变换的融合法：1）空间配准 ；2）IHS变换；3）用经过对比度拉伸（使之拥有和被替换图像有相同的均值和方差）的高分辨率的图像代替I分量；4）IHS彩色逆变换；空间分辨率和清晰度有所提高，全色影像和明度影像不可能完全相关，融合后的影像光谱特性的扭曲5.基于PCA变换的影像融合法：基本思路：1）先对多光谱图像进行主成分变换，然后用高空间分辨率的图像或波段替代第一主分量并进行逆变换。2）应用于2个以上的波段3）空间分辨率提高，光谱扭曲程度比IHS融合少6.遥感与非遥感信息的融合：主要步骤：1、地理数据的网格化（1）网格数据生成（2）与遥感数据配准2、配准融合（1）栅格数据与栅格数据（2）栅格数据与矢量数据。9 / 9文档可自由编辑打印