数字图像处理知识点.
数字图像处理知识点
1、点运算是否会改变图像内像素点之间的空间位置关系？点运算是一种像素的逐点运算，它与相邻的像素之间没有运算关系，点运算不会改变图像内像素点之间的空间位置关系。
2、对图像灰度的拉伸，非线性拉伸与分段线性拉伸的区别？非线性拉伸不是通过在不同灰度值区间选择不同的线性方程来实现对不同灰度值区间的扩展与压缩，而是在整个灰度值范围内采用统一的非线性变换函数，利用函数的数学性质实现对不同灰度值区间的扩展与压缩。
3.图像获取即图像的数字化过程，包括扫描、采样和量化。
4.图像获取设备由5个部分组成：采样孔，扫描机构，光传感器，量化器和输出存储体。
5.采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现马赛克效应6.采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大7.量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大8.量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小.9.三种灰度插值方法—最近邻法、双线性插值法和三次内插法10.图像增强的目的：采用某种技术手段，改善图像的视觉效果，或将图像转换成更适合于人眼观察和机器分析识别的形式，以便从图像中获取更有用的信息。
11.空间域平滑滤波器方法分类：1）局部平滑法2) 超限像素平滑法3) 灰度最相近的K个邻点平均法4) 空间低通滤波法12.图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。
13.图像恢复和图像增强一样，都是为了改善图像视觉效果，以及便于后续处理。
只是图像增强方法更偏向主观判断，而图像恢复则是根据图像畸变或退化原因，进行模型化处理14.(1)成象系统的象差、畸变、带宽有限等造成图像图像失真；(2)由于成象器件拍摄姿态和扫描非线性引起的图像几何失真；(3)运动模糊，成象传感器与被拍摄景物之间的相对运动，引起所成图像的运动模糊；(4)灰度失真，光学系统或成象传感器本身特性不均匀，造成同样亮度景物成象灰度不同；(5)辐射失真,由于场景能量传输通道中的介质特性如大气湍流效应、大气成分变化引起图像失真；(6)图像在成象、数字化、采集和处理过程中引入的噪声等。
数字图像处理基本知识
数字图像处理基本知识1、数字图像：数字图像，又称为数码图像或数位图像，是二维图像用有限数字数值像素的表示。
数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。
2、数字图像处理包括内容：图像数字化；图像变换；图像增强；图像恢复；图像压缩编码；图像分割；图像分析与描述；图像的识别分类。
3、数字图像处理系统包括部分：输入（采集）；存储；输出（显示）；通信；图像处理与分析。
4、从“模拟图像”到“数字图像”要经过的步骤有：图像信息的获取；图像信息的存储；图像信息处理；图像信息的传输；图像信息的输出和显示。
5、数字图像1600x1200什么意思？灰度一般取值范围0~255，其含义是什么？数字图像1600x1200表示空间分辨率为1600x1200像素；灰度范围0~255指示图像的256阶灰阶，就是通过不同程度的灰色来来表示图像的明暗关系，8bit的灰度分辨率。
6、图像的数字化包括哪两个过程？它们对数字化图像质量有何影响？采样：采样是将空间上连续的图像变换成离散的点，采样频率越高，还原的图像越真实。
量化：量化是将采样出来的像素点转换成离散的数量值，一幅数字图像中不同灰度值得个数称为灰度等级，级数越大，图像越是清晰。
7、数字化图像的数据量与哪些因素有关？图像分辨率；采样率；采样值。
8、什么是灰度直方图？它有哪些应用？从灰度直方图中你可可以获得哪些信息？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它可以用于：判断图像量化是否恰当；确定图像二值化的阈值；计算图像中物体的面积；计算图像信息量。
从灰度直方图中你可可以获得：- 暗图像对应的直方图组成成分几种在灰度值较小的左边一侧- 明亮的图像的直方图则倾向于灰度值较大的右边一侧- 对比度较低的图像对应的直方图窄而集中于灰度级的中部- 对比度高的图像对应的直方图分布范围很宽而且分布均匀9、什么是点处理？你所学算法中哪些属于点处理？在局部处理中，输出值仅与像素灰度有关的处理称为点处理。
(完整版)数字图像处理知识点总结
数字图像处理知识点总结第一章导论1.图像：对客观对象的一种相似性的生动性的描述或写真。
2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字）。
3.图像处理：对图像进行一系列操作，以到达预期目的的技术。
4.图像处理三个层次：狭义图像处理、图像分析和图像理解。
5.图像处理五个模块：采集、显示、存储、通信、处理和分析。
第二章数字图像处理的基本概念6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0<i(x，y)<∞，反射分量0<r(x，y)<1.7.图像数字化：将一幅画面转化成计算机能处理的形式——数字图像的过程。
它包括采样和量化两个过程。
像素的位置和灰度就是像素的属性。
8.将空间上连续的图像变换成离散点的操作称为采样。
采样间隔和采样孔径的大小是两个很重要的参数。
采样方式:有缝、无缝和重叠。
9.将像素灰度转换成离散的整数值的过程叫量化。
10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。
11.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。
12.采样间隔对图像质量的影响：一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
13.量化等级对图像质量的影响：量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。
但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。
例如对细节比较丰富的图像数字化。
14.数字化器组成：1)采样孔：保证单独观测特定的像素而不受其它部分的影响。
2)图像扫描机构：使采样孔按预先确定的方式在图像上移动。
数字图像处理-知识点总结
图像分类：根据图像空间坐标和幅度（亮度或色彩）的连续性可分为模拟（连续）图像和数字图像。
模拟图像是空间坐标和幅度都连续变化的图像，而数字图像是空间坐标和幅度均用离散的数字（一般是整数）表示的图像。
图像的数学表示：一幅图像所包含的信息首先表现为光的强度（intensity）,即一幅图像可看成是空间各个坐标点上的光强度I 的集合，其普遍数学表达式为：I = f (x，y，z，λ，t) 式中(x,y,z)是空间坐标，λ是波长，t是时间，I是光点(x,y,z)的强度（幅度）。
上式表示一幅运动的(t)、彩色/多光谱的(λ)、立体的(x,y,z)图像。
图像的特点：1.空间有界:人的视野有限，一幅图像的大小也有限。
2.幅度（强度）有限：即对于所有的x，y都有0≤f(x,y) ≤Bm其中Bm为有限值。
图像三大类：在每一种情况下，图像的表示可省略掉一维，即1.静止图像：I = f（x，y，z, λ）2.灰度图像：I = f（x，y，z，t ）3.平面图像：I = f（x，y,λ,t）而对于平面上的静止灰度图像，其数学表达式可简化为：I = f（x，y）数字图像处理的基本步骤：1.图像信息的获取：采用图像扫描仪等将图像数字化。
2.图像信息的存储：对获取的数字图像、处理过程中的图像信息以及处理结果存储在计算机等数字系统中。
3.图像信息的处理：即数字图像处理，它是指用数字计算机或数字系统对数字图像进行的各种处理。
4.图像信息的传输：要解决的主要问题是传输信道和数据量的矛盾问题，一方面要改善传输信道，提高传输速率，另外要对传输的图像信息进行压缩编码，以减少描述图像信息的数据量。
5.图像信息的输出和显示：用可视的方法进行输出和显示。
数字图像处理系统五大模块：数字图像处理系统由图像输入、图像存储、图像通信、图像处理和分析五个模块组成。
1.图像输入模块：图像输入也称图像采集或图像数字化，它是利用图像采集设备（如数码照相机、数码摄像机等）来获取数字图像，或通过数字化设备（如图像扫描仪）将要处理的连续图像转换成适于计算机处理的数字图像。
数字图像处理的基础知识
数字图像处理的基础知识数字图像处理是一种以计算机为基础的处理图像的技术。
它的核心是数字信号处理技术，其中包括数字滤波、傅里叶变换、数字图像处理等等。
数字图像处理主要是针对图像进行数字信号处理和计算机算法处理，从而得到使图像更加美观、清晰，同时也可对其进行各种分析和处理。
数字图像处理的基础知识包括图像的获取、表示和处理。
在此，我们将分别阐述这些基础知识。
一、图像的获取图像的获取方式有很多种，包括摄影、扫描、数码相机等等。
这些方式都可以将图像转化为数字信号，以便于计算机的处理。
在数字相机中，传感器采集光线信息并将其转化为电信号，再经过模数转换后保存在内存卡中。
而在扫描仪中，可以通过光线照射样品，然后采集样品的反射信息，保存成数字图像的形式。
二、图像的表示图像可以用矩阵的形式进行表示，其中每个矩阵的元素都对应图像中的一个像素点。
这个像素值可以代表颜色、灰度和亮度等信息。
将图像信息存储成数字矩阵的方式称为栅格画。
在黑白影像中，每个像素点只有黑和白两种颜色，每个像素点都用1或0表示。
在彩色图像中，每个像素中则由红绿蓝三原色按一定比例混合而成的颜色值来表示，并用数值表示。
这些数值也可以是整数或浮点数等形式。
另外，还有图像的压缩技术。
图像压缩通常包括有损压缩和无损压缩。
有损压缩会使压缩的图像失去一些细节，但能帮助减少图像的尺寸。
无损压缩则不会丢失图像的任何信息。
常见的无损压缩格式为PNG、BMP、TIFF等，常见的有损压缩格式为JPEG、GIF等。
三、图像的处理图像的处理包括预处理、增强、分割、检测和识别等等。
其中预处理指图像的去噪、灰度平衡、色彩校正等，以利用后续处理。
增强指通过调整图像的对比度、亮度等等，使图像更加清晰、唯美。
分割技术可以将图像分为多个区域，每个区域有独特的特征。
例如，我们可以用分割技术将人体和背景分开。
检测技术用于在图像中找到我们感兴趣的点，例如在医学图像中检测肿瘤。
识别技术允许计算机对图像中的对象进行分类，例如人脸识别技术和指纹识别技术等等。
数字图像处理学习重点
数字图像处理数字图像基础数字图像处理：即利用计算机对数字图像进行处理。
优点：精度高、再现性好、方法易变、灵活度高。
缺点：处理速度受到计算机和数字器件的限制，一般也是串行处理，因此处理速度较慢。
图像处理的基本步骤：1.预处理；2.分割；3.表示与描述；4.匹配+数据储存。
图像增强的目的是突出图像中（主观）感兴趣的部分，而减弱或去除不需要的信息，从而使有用信息得到加强，便于区分或解释。
图像恢复处理的主要目的是去掉干扰和模糊，恢复图像的本来面目。
将图像中包含的物体，按其灰度或几何特性等划分为若干个有意义的区域的技术成为图像分割。
由图像输入、图像存储、图像通信、图像处理和分析 、图像输出五个模块组成。
数字图像数字化：1. 取样：图像空间坐标值的数字化；2. 量化：图像函数值（灰度值）的数字化。
图像质量随N 的增加而增加；图像质量随G(k)(灰度值)的增加而增加。
M,N 必须为正数，L 为灰度级,一般，M 、N 和L 取值为2的整数次幂。
L=2^k ,称为k 位图像。
存储一幅大小为M ×N ，有2^k 个不同灰度级的图像所用的Bit 数为：b=M ×N ×k 。
采样间隔值越小，空间分辨率越高。
保持M ×N 不变而减少L ，则会导致假轮廓;保持L 不变而减少M ×N ，则会导致棋盘状效果;实验表明图像的细节越多，用保持M ×N 恒定而增加L 的方法来提高图像的显示效果就越不明显，因此，对于有大量细节的图像只需要少数的灰度级。
清晰度相关的因素:•亮度•对比度(=最大亮度/最小亮度)•尺寸大小•细微层次•颜色饱和度.常见的图像类型:1.矢量图像：色彩变化小，放大后不容易失真。
2.点阵图像：色彩丰富，放大后容易失真。
4邻域:像素p(x,y)的4邻域是:(x+1,y)；(x-1,y)；(x,y+1)；(x,y-1);用N4(p)表示像素p 的4邻域;D 邻域:像素p(x,y)的D 邻域是:对角上的点(x+1,y+1)；(x+1,y-1)；(x-1,y+1)；(x-1,y-1);用ND(p)表示像素p 的D 邻域，又称对角邻域;8邻域: 像素p(x,y)的8邻域是：4邻域的点＋D 邻域的点;用N8(p)表示像素p 的8邻域;N8(p) = N4(p)+ND(p)。
数字图像处理知识点总结
定小于任何其他排列形式.
矢量量化原理
第7章
矢量量化的编码就是根据一定的失真测度 在码书搜索出与输入矢量失真最小的码字的索引。
用Canny算子进行边缘检测的主要步骤
① 用高斯滤波器平滑图像 第9章
② 计算滤波后图像梯度的幅值和方向
③ 对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的局 部极大值点，把其它非局部极大值点置零以得到得到细化的边 缘 ④ 用双阈值算法检测和连接边缘，使用两个阈值T1和T2(T1>T2)， T1用来找到每条线段，T2用来在这些线段的两个方向上延伸寻 找边缘的断裂处，并连接这些边缘。
背景差分法 如何利用多幅运动图像构造一个 第9章 基准图像
• 找出多幅对应像素点灰度值变化在一定阈值范围内的部 分为基准图像，可通过检测图像序列相邻两帧之间的变 化，保留对应像素点灰度值变化在一定阈值范围内的部 分，再与下一帧的图像对比，重复上述过程，最终取得 基准图像。
• I=imread(‘原图像名.tif’); % 读入原图像,tif格式 • whos I • imshow(I) % 显示图像I的基本信息 % 显示图像
自动阈值 迭代式阈值选择算法的基本思想
第9章
• 开始时选择一个阈值作为初始估计值，然后按某种策略 不断地改进这一估计值，直到满足给定的准则为止。在 迭代过程中，关键之处在于选择什么样的阈值改进策略， 好的阈值的改进策略应该具备两个特征，一是能够快速 收敛，二是在每一个迭代过程中，新产生阈值优于上一 次的阈值。
• title(‘原图像’);
• %对原图像进行屏幕控制；显示直方图均衡化后 的图像 • figure；imshow(J); • %给直方图均衡化后的图像加标题名 • title(‘直方图均衡化后的图像’) ;
数字图像处理知识点
数字图像处理知识点课程重点：图像数字化，图像变换，图像增强，图像的恢复与重建，图像的编码，图像的分割与特征提取，图像识别。
数字图像处理的基本内容：1、图像获取。
举例：摄像机+图像采集卡、数码相机等。
2、图像增强。
显示图像中被模糊的细节，或是突出图像中感兴趣的特征。
3、图像复原。
以图像退化的数学模型为基础，来改善图像质量。
4、图像压缩。
减小图像的存储量，或者在图像传输时降低带宽。
5、图像分割。
将一幅图像划分为几个组成部分或分割出目标物体。
6、图像的表达与描述。
图像分割后，输出分割标记或目标特征参数。
7、目标识别。
把目标进行分类的过程。
8、彩色图像处理。
9、形态学处理。
10、图像的重建。
第一章导论图像按照描述模型可以分为:模拟图像和数字图像。
1)模拟图像，模拟图像可用连续函数来描述。
其特点：光照位置和光照强度均为连续变化的。
2)数字图像，数字图像是图像的数字表示，像素是其最小的单位,用矩阵或数组来描述图像处理：对图像进行一系列的操作,以达到预期的目的的技术。
内容：研究图像信息的获取、传输、存储，变换、显示、理解与综合利用”的一门崭新学科。
三个层次：狭义图像处理，图像分析，图像理解。
狭义图像处理主要指对图像进行各种操作以改善图像的视觉效果，或对图像进行压缩编码以减少所需存储空间或传输时间、传输通路的要求。
图像分析主要是对图像中感兴趣的目标进行检测和测量，从而建立对图像的描述。
图像分析是一个从图像到数值或符号的过程。
图像理解则是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解译，从而指导和规划行动;图像分析主要是以观察者为中心研究客观世界，图像理解在一定程度上是以客观世界为中心，借助知识、经验等来把握整个客观世界。
图像处理的三个层次：低级图像处理内容：主要对图像进行各种加工以改善图像的视觉效果、或突出有用信息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输时间或传输带宽的要求。
数字图像处理知识点总结
数字图像处理知识点总结第二章：数字图像处理的基本概念2.3 图像数字化数字化是将一幅画面转化成计算机能处理的数字图像的过程。
包括：采样和量化。
2.3.1、2.3.2采样与量化1.采样：将空间上连续的图像变换成离散点。
（采样间隔、采样孔径）2.量化：采样后的图像被分割成空间上离散的像素，但是灰度是连续的，量化就是将像素灰度转换成离散的整数值。
一幅数字图像中不同灰度值的个数称为灰度级。
二值图像是灰度级只有两级的。
（通常是0和1）存储一幅大小为M×N、灰度级数为G的图像所需的存储空间：（bit）2.3.3像素数、量化参数与数字化所得到的数字图像间的关系1.一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时会出现国际棋盘效应。
采样间隔越小，所的图像像素数越多，空间分辨率高，图像质量好，但是数据量大。
2.量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大。
量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓，质量变差，但数据量小。
2.4 图像灰度直方图2.4.1定义灰度直方图是反映一幅图像中各灰度级像素出现的频率，反映灰度分布情况。
2.4.2性质（1）只能反映灰度分布，丢失像素位置信息（2）一幅图像对应唯一灰度直方图，反之不一定。
（3）一幅图像分成多个区域，多个区域的直方图之和是原图像的直方图。
2.4.3应用（1）判断图像量化是否恰当（2）确定图像二值化的阈值（3）物体部分灰度值比其他部分灰度值大的时候可以统计图像中物体面积。
（4）计算图像信息量（熵）2.5图像处理算法的形式2.5.1基本功能形式（1）单幅->单幅（2）多幅->单幅（3）多幅/单幅->数字或符号2.5.2图像处理的几种具体算法形式（1）局部处理（邻域，如4-邻域，8-邻域）（移动平均平滑法、空间域锐化等）（2）迭代处理反复对图像进行某种运算直到满足给定条件。
（3）跟踪处理选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素。
数字图像处理重点汇总
第一章：数字图像处理研究的内容主要有：（1）图像获取，表示和表现（2）图像增强（3）图像复原（4）图像分割（5）图像分析（6）图像重建（7）图像压缩编码数字图像处理：利用计算机对图像进行去除噪声、增强、复原、分割、特征提取、识别等处理的理论、方法和技术。
一般情况下，图像处理是用计算机和实时硬件实现的，因此，也称之为计算机图像的实现。
数字图像处理的特点：（1）处理精度高，再现性好（2）易于控制处理效果（3）处理的多样性（4）图像数据量庞大（5）处理费时（6）图像处理技术综合性强图像：就是三维场景在二维平面上的影像数字图像：是用配置在二维平面（画面）上的灰度值或彩色值来表示信息的，信息扩展在二维平面上。
数字图像以数字格式存储图像数据，数字图像常用矩阵来描述。
图像处理的研究目的：（1）提高图像的视感质量，以达到赏心悦目的目的（2）提取图像中所包含的某些特征或特殊信息，只要用于计算机分析，经常用作模式识别，计算机视觉的预处理（3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输图像工程三层示意图：图像工程的内容可分为图像处理、图像分析和图像理解三个层次，这三个层次既有联系又有区别，如下图所示。
图像处理、图像分析、图像理解各有什么特点？它们之间有何联系和区别？图像处理：的重点是图像之间进行的变换。
尽管人们常用图像处理泛指各种图像技术，但比较狭义的图像处理主要是对图像进行各种加工，以改善图像的视觉效果并为自动识别奠定基础，或对图像进行压缩编码以减少所需存储空间图像分析：主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述。
如果说图像处理是一个从图像到图像的过程，则图像分析是一个从图像到数据的过程。
这里的数据可以是目标特征的测量结果，或是基于测量的符号表示，它们描述了目标的特点和性质。
图像理解：的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行动。
数字图像处理复习
数字图像处理复习第一章概述1. 图像的概念及数字图像的概念。
图-是物体透射或反射光的分布，是客观存在的。
像-是人的视觉系统对图的接受在大脑中形成的印象或反映，图像是图和像的有机结合，是客观世界能量或状态以可视化形式在二维平面上的投影。
数字图像是物体的一个数字表示，是以数字格式存放的图像。
2. 数字图像处理的概念。
数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程，以提高图像的实用性。
3. 数字图像处理的优点。
精度高、再现性好、通用性、灵活性强第二章数字图像处理基础1. 人眼视觉系统的基本构造P14 图2.1人眼横截面简图2. 亮度的适应和鉴别人眼对光亮度的适应性非常高，一般情况下跨度达到10的10次方量级，从伸手不见五指到闪光灯强曝光。
3.光强度与主观亮度曲线。
P15 图2.4光强度与主观亮度的关系曲线4. 图像的数字化及表达。
（采样和量化的概念）图像获取即图像的数字化过程，包括扫描、采样和量化。
采样：将空间上连续的图像变成离散点的操作 量化：将像素灰度转换成离散的整数值的过程5. 图像采样过程中决定采样空间分辨率最重要的两个参数。
采样间隔、采样孔径6. 图像量化过程中量化级数与量化灰度取值范围之间的关系量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小.7. 像素的相邻领域概念（4领域，8领域）。
设为位于坐标处的一个像素（x+1,y ），（x-1,y ），（x,y+1），（x,y-1） 组成的4邻域，用)(4p N 表示。
（x+1,y+1），（x+1,y-1），（x-1,y+1），（x-1,y-1） 像素集用)p (N D 表示)(4p N 和)p (N D 合起来称为p 的8邻域，用)(8p N 表示。
8. 领域空间内像素距离的计算。
（欧式距离，街区距离，棋盘距离） p 和q 之间的欧式距离定义为： 22)()(),(t y s x q p D e -+-=p 和q 之间的4D 距离（也叫城市街区距离）定义为： t y s x q p D -+-=),(4p 和q 之间的8D 距离（也叫棋盘距离）定义为： ),max(),(8t y s x q p D --=第三章 图像的基本运算（书后练习3.2，3.9 ） 1. 线性点运算过程中各参数表示的含义（k ，b ）。
数字图像处理知识点汇总
数字图像处理知识点汇总1. 什么是数字图像处理？就是利⽤数字计算机或其他⾼速、⼤规模集成数字硬件，对从图像信息转换来的数字电信号进⾏某些数字运算或处理，以期提⾼图像的质量或达到⼈们所要求的某些预期的结果。
2.图像的表⽰⽅法：.不等长码3. 图像数字化的过程包括两个⽅⾯：采样和量化。
i. 图像在空间上的离散化称为采样，即使空间上连续变化的图像离散化。
也就是⽤空间上部分点的灰度值来表⽰图像，这些点称其为样点。
ii. 对样点灰度值的离散化过程称为量化。
也就是对每个样点值数量化，使其只和有限个可能电平数中的⼀个对应，即使图像的灰度值离散化。
量化也可以分为两种：⼀种是将样点灰度值等间隔分档取数，称为均匀量化；另⼀种是不等间隔分档取整，称为⾮均匀量化。
4. 样点的约束条件：由这些样点，采⽤某种⽅法能够正确重建原图像，采样的⽅法有两类：⼀类是直接对表⽰图像的⼆维函数值进⾏采样，即读取各离散点上的信号值，所得结果就是⼀个样点值阵列，所以也成为点阵采样；另⼀类是先将图像函数进⾏某种正交变换，⽤其变换系数作为采样值，故称为正交系数采样。
5. 最佳量化：6. 图像噪声的分类：按噪声的来源外部噪声：从处理系统外来的影响。
内部噪声：（1）由光和电的基本0(0o)1(45o) 2(90o)3(135o)4(180o) 5(225o)6(270o)7(315o)性质引起的噪声。
（2）电器的机械运动产⽣噪声。
（3）元器件材料本⾝引起的噪声。
（4）系统内部电路噪声。
从统计观点：平稳噪声、⾮平稳噪声从噪声幅度分布：⾼斯噪声、瑞利噪声、椒盐噪声……按噪声和信号之间关系：加法性噪声乘法性噪声7. 图像质量评价：（1）客观保真度准则（2）主观保真度准则相对评价：：对⼀批图象从好到坏进⾏排队，按排队关系评分8.三基⾊原理：颜⾊的基本属性：⾊调(hue)：由物体反射光线的波长决定，是颜⾊本质的基本特性。
饱和度(saturation)：由物体反射光中混⼊⽩光的多少决定，指颜⾊的鲜明程度。
数据图像处理期末复习
数据图像处理期末复习1.1数字图像处理及特点1、什么是数字图像？什么是数字图像处理？数字图像：数字图像是物体的一个数字表示，是以数字格式存放的图像，它传递着物理世界事物状态的信息，是人类获取外界信息的主要途径。
数字图像处理：它指将图像信号转换成数字信号并利用计算机对其进行处理的过程，已提高图像的实用性，达到人们所要求的的预期结果。
2、图像处理的目的①提高图像的视觉质量，以达到赏心悦目的目的。
②提取图像中所包含的某些特征或特殊信息，便于计算机分析。
③对图像数据进行变换、编码和压缩，便于图像的存储和传输。
3、数字图像的特点①处理信息量很大②数字图像处理占用的频带较宽③数字图像中各个像素相关性大1.2数字图像处理系统1、数字图像处理系统的组成（结构）数字图像处理系统由输入设备、输出设备、存储、处理组成。
图像输入设备将图像输入的模拟物理量转变为数字化的电信号，以供计算机处理。
图像输出设备则是将图像处理的中间结果或最后结果显示或打印记录。
图像处理计算机系统是以软件方式完成对图像的各种处理和识别，是数字图像处理系统的核心部分。
由于图像处理的信息量大，还必须有存储设备。
2、数字图像处理的优点①精度高②再现性好③通用性、灵活性强1.3数字图像处理的主要研究内容1、数字图像处理的主要研究内容①图像增强②图像编码③图像复原④图像分割⑤图像分类⑥图像重建1.4数字图像处理的应用和发展1、举例说明数字图像处理有哪些应用和发展？①航天和航空技术方面的应用②生物医学工程方面的应用③通信工程方面的应用④工业和工程方面的应用⑤军事、公安方面的应用⑥文化艺术方面的应用⑦其他方面的应用2、数字图像处理领域的发展方向①图像处理的发展向着高速率、高分辨率、立体化、多媒体化、智能化和标准化方向发展。
②图像、图形结合朝着三维成像或多维成像的方向发展③结合多媒体技术，硬件芯片越来越多，把图像处理的众多功能固化在芯片上将会有更加广阔的应用领域④在图像处理领域近年来引入了一些新的理论并提出了一些新的算法，如神经网络。
数字图像处理概述归纳总结
数字图像处理概述归纳总结数字图像处理是指将图像的像素信息进行数字化并对其进行处理的一门技术。
它广泛应用于计算机视觉、医学图像处理、工业检测等领域。
本文将对数字图像处理的基本概念、常见算法以及未来发展趋势进行归纳总结。
一、数字图像处理的基本概念数字图像由像素阵列组成，每个像素存储着图像的亮度信息。
在数字图像处理中，常用的表示方法是灰度图像和彩色图像。
灰度图像是指每个像素只包含一个亮度值，通常以8位表示，取值范围为0~255。
而彩色图像则包含了红、绿、蓝三个通道的亮度值，通常以24位表示，每个通道的取值范围也为0~255。
数字图像处理的主要任务包括图像增强、图像恢复、图像分割、图像压缩等。
二、数字图像处理的常见算法1. 图像增强算法图像增强旨在改善图像的视觉品质，常用的算法包括直方图均衡化、灰度拉伸、滤波等。
直方图均衡化可以通过调整图像的亮度分布来增强图像的对比度，从而使图像细节更加清晰可见。
2. 图像恢复算法图像恢复用于去除图像中的噪声，常见的算法有均值滤波、中值滤波、小波去噪等。
其中，中值滤波可以有效地去除椒盐噪声，而小波去噪能够在保持图像细节的同时消除高频噪声。
3. 图像分割算法图像分割旨在将图像划分为不同的区域，常用的算法有阈值分割、边缘检测、区域生长等。
阈值分割根据像素灰度值与设定阈值的大小关系将图像分为前景和背景，而边缘检测则可用于检测图像中的边界。
4. 图像压缩算法图像压缩是指通过减少图像的存储空间来实现数据压缩，常见的算法有无损压缩和有损压缩。
其中，无损压缩保证了图像的质量不受损失，而有损压缩通过舍弃图像中的冗余信息来实现更高的压缩比率。
三、数字图像处理的未来发展趋势1. 深度学习在图像处理中的应用随着深度学习的发展，其在数字图像处理中的应用越来越广泛。
通过深度学习算法，可以实现更精确的图像分类、目标检测等任务，从而提升图像处理的效果和准确性。
2. 多模态图像处理多模态图像处理是指处理多个不同模态的图像，比如红外图像、可见光图像等。
数字图像处理知识点与考点(经典)
Laplacian 增强算子通过扩大边缘两边像素的灰度差（或对比度）来增强图像的边缘，改善视觉效果。它对应的模板为 -1 -1 5 -1 -1
例题：（1） 存储一幅1024×768，256 （8 bit 量化）个灰度级的图像需要多少位？ （2） 一幅512×512 的32 bit 真彩图像的容量为多少位？ 解： （1）一幅1024×768，256 =28 （8 bit 量化）个灰度级的图像的容量为：b=1024×768×8 = 6291456 bit （2）一幅512×512 的32 位真彩图像的容量为：b=512×512×32 =8388608 bit
5.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。 6.灰度直方图：灰度直方图是灰度级的函数。灰度级为横坐标，纵坐标为灰度级的频率，是频率同灰度级 的关系图。可以反映了图像的对比度、灰度范围（分布）、灰度值对应概率等情况。 7.灰度直方图的性质：（1）只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像 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。不同的图像可对应相同的直方图。 （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。 L −1 8.图像信息量H（熵）的计算公式：反映图像信息的丰富程度。 H = − Pi log2 Pi
傅立叶变换
f ( x, y) F ( u , v)
滤波器
H (u , v) G ( u , v)
傅立叶反变换
g ( x , y)
(1) 将图像 f(x,y)从图像空间转换到频域空间，得到 F(u,v)； (2) 在频域空间中通过不同的滤波函数 H(u,v)对图像进行不同的增强,得到 G(u,v) (3) 将增强后的图像再从频域空间转换到图像空间，得到图像g(x,y)。 说明： （也可演变为简述频域图像锐化（或平滑）的步骤，需要指明滤波器的类型：高通或低通滤波器） 9.频率域平滑： 由于噪声主要集中在高频部分， 为去除噪声改善图像质量， 滤波器采用低通滤波器H(u,v) 来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的。 10.常用的频率域低滤波器H(u,v)有四种： (1)理想低通滤波器: 由于高频成分包含有大量的边缘信息，因此采用该滤波器在去噪声的同时将会 导致边缘信息损失而使图像边模糊。 (2)Butterworth低通滤波器:它的特性是连续性衰减，而不象理想滤波器那样陡峭变化，即明显的不连 续性。因此采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。 (说明：振铃效应越不明显效果越好) (3)指数低通滤波器： 采用该滤波器滤波在抑制噪声的同时， 图像边缘的模糊程度较用Butterworth滤波 产生的大些，无明显的振铃效应。 (4)梯形低通滤波器:它的性能介于理想低通滤波器和指数滤波器之间， 滤波的图像有一定的模糊和振铃 效应。 13.频率域锐化:图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的 。 频率域锐化就是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱， 再经逆傅立叶变换得到边缘锐化的图像。 14.常用的高通滤波器有四种： (1)理想高通滤波器 (2)巴特沃斯高通滤波器 (3)指数高通滤波器 (4)梯形高通滤波器 说明：（1）四种滤波函数的选用类似于低通。 （2）理想高通有明显振铃现象，即图像的边缘有抖动现象。 （3）巴特沃斯高通滤波效果较好，但计算复杂，其优点是有少量低频通过，H(u，v)是渐变的， 振铃现象不明显。 (4)指数高通效果比Butterworth差些，振铃现象不明显. (5)梯形高通会产生微振铃效果，但计算简单，较常用。 (6)一般来说，不管在图像空间域还是频率域，采用高频滤波不但会使有用的信息增强，同时也 使噪声增强。因此不能随意地使用。 (7)高斯低通滤波器无振铃效应是因为函数没有极大值、极小值，经过傅里叶变换后还是本身 ， 故没有振铃效应。 15.同态滤波：在频域中同时将亮度范围进行压缩（减少亮度动态范围）和对比度增强的频域方法。 现象：（1）线性变换无效（2）扩展灰度级能提高反差，但会使动态范围变大(3)压缩灰度级，可以减 小灰度级，但物体的灰度层次会更不清晰 改进措施：加一个常数到变换函数上，如：H（u，v）+A（A取0→1）这种方法称为:高度强调（增强）。 为了解决变暗的趋势，在变换结果图像上再进行一次直方图均衡化，这种方法称为：后滤波处理。
第二讲-数字图像处理基础知识
设k1 ,k2为常数，
g1( x, y ) H f1( x, y ),g2( x, y ) H f2( x, y )
因为该系统为线性系统，所以满足叠加性和齐 次性，所以有：
H k1 f1(x, y) k2 f2 (x, y) k1H f1(x, y) k2H f2 (x, y)
量化误差：量化是以有限个离散值近似表达无限 旳连续值，所以存在误差，称其为量化误差。
量化失真：量化过程中产生旳失真，亦称为量化 噪声。
相应均匀量化，量化层次越多，量化误差越小， 但编码所需要旳码字旳比特数越多。
采样点数和量化级数不同步会直接关系到图像旳 清楚度，点数和级数越多，图像质量越高。
数字图像处理基础知识
然后是将前面得到旳模拟电信号转化为数字信 号以输入进计算机进行处理。模数转换过程
数字图像处理基础知识
二、图像采集设备 用于可见光和红外线成像旳采集设备主要有：显
微密度计、析像管、视像管和固态阵等，其中固态 阵线应用最广泛。
固态阵可按几何组织形式分为两种：线扫描器和 平面扫描器，其主要元件是电荷耦合器件CCD。
图2-1 视觉惰性
数字图像处理基础知识
2、临界闪烁频率 眼睛在周期性旳光脉冲旳作用下，假如它旳频率
不够高，则眼睛会感到一明一暗旳闪烁现象。假如 将光脉冲旳频率增长到某一值时，因为视觉惰性， 眼睛就感觉不到闪烁了。
不引起闪烁感觉旳光脉冲旳最低反复频率称为临 界闪烁频率。
经验可知人眼旳临界闪烁频率约为46Hz。
数字图像处理基础知识
2.2.2 图像旳显示
常用旳显示设备是电视显示屏，其又能够分为下 列类型：CRT、液晶显示(LCD)、等离子体显示 (PDP)等。
《数字图像处理》知识点总结
《数字图像处理》知识点总结第2章数字图像处理基础2.1图像的视觉感知人类通过眼、耳、鼻、舌、身接收信息，感知世界。
约有75%的信息是通过人眼（视觉系统）获取的。
视觉的空间特性：人眼的空间分辨能力为1’(1/60度)；灰度分辨能力大约64级。
视觉的时间特性：活动图像的帧频至少是15帧/s的时候，人眼才有图像连贯的感觉。
2.2图像的获取和显示可见光谱：可见波段：0.38-0.75um；子波段: 紫、蓝、绿、黄、橘黄、红色；物体颜色：物体反射光的性质决定；彩色光源质量：发光强度（Radiance）；光通量（luminance）；光亮度（Brightness）不可见光谱• Gamma-ray 和X-ray：医学和天文学• 红外成像（Infrared imaging）近、中、远、极远红外• 微波成像（Microwave imaging）；• 紫外成像；• THz波（太赫兹波）THz射线（太赫兹射线）是从上个世纪80年代中后期，才被正式命名的，在此以前科学家们将统称为远红外射线。
太赫兹波是指频率在0.1THz到10THz范围的电磁波，波长约0.03~3mm 范围，介于微波与红外之间1)THz 波带很宽: 0.1~10THz, 而且单个THz 脉冲就包含非常宽的带宽。
2)THz波频率很高, 是微波的1000 倍以上, 所以空间分辨率很高.3)由于THz 通常由相干电流驱动的偶极子振荡或由相干的激光脉冲通过非线性光学参量、差频过程产生。
因此, THz 波具有很高的时间和空间相干性。
4)THz 波能量低，当频率恰好为1THz 时, 光子能量只有大约4meV, 因此它不会对被检测的生物组织产生有害的电离, 在医学成像方面有很好的应用前景。
5)穿透性强，除了金属和水对THz 有较强吸收, THz 对其他物质都有很好的穿透性, 因此,THz 波在安全检查, 反恐领域的应用前景被人们普遍看好。
6)图像数字化器必须能够把一幅图像分为图像元素（像素）并确定每个像素的位置，测量每个像素的灰度级，将连续数据量化以产生一个整数集合。
数字图像处理 数字图像基础
数字图像处理数字图像基础数字图像处理是将数字图像进行分析、处理和理解的过程，它的目标是提高数字图像的质量、抽取图像的特征、提取图像的信息和实现图像的应用。
数字图像处理技术已经渗透到几乎所有领域，如医学、电影、远程通讯、安全监控等。
数字图像处理基础知识包括采集、压缩、存储、预处理、增强、分割、特征提取、分类和应用。
图像采集采集是数字图像处理中最基础的环节，它将物理光学信号转化为数字信号。
常见的图像采集设备包括CCD、CMOS和磁介质等。
图像压缩图像压缩是将图像文件从原始大小减小，并通过各种手段来减少文件大小和传输时间的过程。
图像压缩通常有两种方式，一种是有损压缩，一种是无损压缩。
图像存储图像存储是将数字图像保存在计算机或外部储存设备中。
常用的图像存储格式包括BMP、PNG、JPEG和GIF。
图像预处理图像预处理是在进行其他数字图像处理操作之前，对原始图像进行预处理以去除噪声、平滑、增强、锐化等。
常见的预处理方法包括空间域滤波、频率域滤波、直方图均衡化、形态学操作等。
图像增强图像增强是为了改善图像的质量、提高图像的视觉效果和增强图像的细节而进行的操作。
常见的图像增强方法包括灰度拉伸、对数变换、伽马变换、直方图规定化等。
图像分割图像分割是将数字图像分成不同的区域并对这些区域进行分析和理解的过程。
图像分割可以有多种方法，包括阈值分割、区域分割、边缘分割等。
特征提取图像特征提取是从原始图像中提取一些相关的特征以便于后续的分类和识别。
特征提取的常见方法包括边缘检测、角点检测、纹理描述等。
图像分类图像分类是将数字图像按照其特征划分为不同的类别。
常见的图像分类算法有SVM、KNN、神经网络等。
应用数字图像处理在很多领域都有广泛的应用，如医学影像处理、智能交通、虚拟现实等。
最近，随着深度学习的兴起，数字图像处理技术也被广泛应用于计算机视觉、自然语言处理等领域。
以上是数字图像处理的基础知识，数字图像处理应用广泛，研究数字图像处理可以掌握现代图像处理的基本技能，有利于提高计算机视觉，图像识别和其他领域的研究水平。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数字图像处理知识点课程重点：图像数字化，图像变换，图像增强，图像的恢复与重建，图像的编码，图像的分割与特征提取，图像识别。
数字图像处理的基本内容：1、图像获取。
举例：摄像机+图像采集卡、数码相机等。
2、图像增强。
显示图像中被模糊的细节，或是突出图像中感兴趣的特征。
3、图像复原。
以图像退化的数学模型为基础，来改善图像质量。
4、图像压缩。
减小图像的存储量，或者在图像传输时降低带宽。
5、图像分割。
将一幅图像划分为几个组成部分或分割出目标物体。
6、图像的表达与描述。
图像分割后，输出分割标记或目标特征参数。
7、目标识别。
把目标进行分类的过程。
8、彩色图像处理。
9、形态学处理。
10、图像的重建。
第一章导论图像按照描述模型可以分为:模拟图像和数字图像。
1)模拟图像，模拟图像可用连续函数来描述。
其特点：光照位置和光照强度均为连续变化的。
2)数字图像，数字图像是图像的数字表示，像素是其最小的单位,用矩阵或数组来描述图像处理：对图像进行一系列的操作,以达到预期的目的的技术。
内容：研究图像信息的获取、传输、存储，变换、显示、理解与综合利用”的一门崭新学科。
三个层次：狭义图像处理，图像分析，图像理解。
➢狭义图像处理主要指对图像进行各种操作以改善图像的视觉效果，或对图像进行压缩编码以减少所需存储空间或传输时间、传输通路的要求。
➢图像分析主要是对图像中感兴趣的目标进行检测和测量，从而建立对图像的描述。
图像分析是一个从图像到数值或符号的过程。
➢图像理解则是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解译，从而指导和规划行动;➢图像分析主要是以观察者为中心研究客观世界，图像理解在一定程度上是以客观世界为中心，借助知识、经验等来把握整个客观世界。
图像处理的三个层次：低级图像处理内容：主要对图像进行各种加工以改善图像的视觉效果、或突出有用信息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输时间或传输带宽的要求。
特点：输入是图像，输出也是图像，即图像之间进行的变换。
中级图像处理内容：主要对图像中感兴趣的目标进行检测（或分割）和测量，以获得它们的客观信息从而建立对图像的描述。
特点：输入是图像，输出是数据。
高级图像处理内容：在中级图像处理的基础上，进一步研究图像中各目标的性质和它们之间相互的联系，并得出对图像内容含义的理解（对像识别）及对原来客观场景的解释（计算机视觉），从而指导和规划行动。
特点：以客观世界为中心，借助知识、经验等来把握整个客观世界。
“输入是数据，输出是理解”。
一个图像处理和分析系统包括采集、显示、存储、通信、处理和分析五个模块。
数字图像处理特点：精度，再现性，通用性，灵活性。
第二章数字图像处理的基本概念图像数字化：将模拟图像经过离散化之后，得到用数字表示的图像。
图像数字化是将一幅画面转化成计算机能处理的形式，包括采样和量化两个过程。
采样：是将在空间上连续的图像转换成离散的采样点（即像素）集的操作。
即：空间坐标的离散化。
采样间隔和采样孔径的大小是两个重要的参数。
量化：把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。
即：灰度的离散化。
连续灰度值量化为灰度级的方法有两种：等间隔量化：简单地把采样值的灰度范围等间隔地分割并进行量化。
非等间隔量化：非均匀量化是依据一幅图像具体的灰度值分布的概率密度函数，按总的量化误差最小的原则来进行量化。
简单说来就是对像素出现频度少的部分量化间隔取大，而对频度大的量化间隔取小。
数字化方式可分为均匀采样、量化和非均匀采样、量化。
图像数字化一般采用均匀采样和均匀量化方式。
量化参数与数字化图像之间的关系：➢采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
➢量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。
当限定数字图像的大小时, 为了得到质量较好的图像可采用如下原则：◆对缓变的图像，应该细量化，粗采样，以避免假轮廓。
◆对细节丰富的图像，应细采样，粗量化,以避免模糊（混叠）。
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。
分辨率：指映射到图像平面上的单个像素的景物元素的尺寸。
图像分辨率：指每英寸图像含有多少个点或像素，分辨率的单位为dpi。
（1）空间分辨率：图像空间中可分辨的最小细节。
一般用单位长度上采样的像素数目或单位长度上的线对数目表示。
（2）灰度分辨率：图像灰度级中可分辨的最小变化。
一般用灰度级或比特数表示。
图像数字化：采样和量化是数字化一幅图像的两个基本过程。
即把图像划分为若干图像元素(像素)并给出它们的地址（采样）；度量每一像素的灰度，并把连续的度量结果量化为整数（量化）；最后将这些整数结果写入存储设备。
为完成这些功能，图像数字化设备必须包含以下五个部分：采样孔，图像扫描机构，光传感器，量化器，输出存储装置。
线性度：灰度正比于图像亮度的实际精确程度。
图像数字化器的评价项目：空间分辨率，灰度分辨率，图像大小，量测特性，扫描速度，噪声，其他（黑白、彩色、性能、价格等）。
灰度直方图：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。
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。
它是图像的一个重要特征，反映了图像灰度分布的情况。
性质：所有的空间信息全部丢失，每一灰度级的像素个数可直接得到，灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像素的位置信息。
应用：用于判断图像量化是否恰当，用于确定图像二值化的阈值，当物体部分的灰度值比其它部分灰度值大时，可利用直方图统计图像中物体的面积；计算图像信息熵。
图像处理的几种基本算法：1、局部处理包括：点处理，局部处理和大局处理。
邻域：对于任一像素（i，j），集合{（i+p,j+q），p、q取合适的整数}叫做该像素的邻域。
常用的有4邻域个8邻域。
2、迭代处理反复对图像进行某种运算直至满足给定的条件，从而得到输出图像的处理形式称为迭代处理。
如图像的细化处理过程。
3、跟踪处理4、位置不变处理和位置可变处理输出像素的值的计算方法与像素的位置无关的处理称为位置不变处理或位移可变处理；反之，虽位置不同计算方法也不同的处理称为位置可变处理。
5、窗口处理和模板处理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；希望单独处理任意形状的区域时，可采用模板处理。
若模板成矩形区域，则与窗口处理具有相同的效果，但窗口处理与模板处理不同之处是后者必须设置一个模板平面。
6、串行处理与并行处理后一像素输出结果依赖于前面像素处理的结果，并且只能依次处理各像素而不能同时对各像素进行相同处理的一种处理形式称为串行处理。
对图像内的各像素同时进行相同形式运算的一种处理形式称为并行处理。
图像的数据结构1组合方式——组合方式是一个字长存放多个像素灰度值的方式。
它能起到节省内存的作用，但导致计算量增加，使处理程序复杂。
2比特面方式——按比特位存取像素，即将所有像素的相同比特位用一个二维数组表示，形成比特面。
这种结构能充分利用内存空间，但对灰度图像处理耗时多。
3分层结构——由原始图像开始依次构成像素数愈来愈少的一幅幅图像，就能使数据表示具有分层性，其代表有锥形(金字塔)结构。
4树结构——对于一幅二值图像的行、列都接连不断地二等分，如果图像被分割部分中的全体像素都变成具有相同的特征时，这一部分则不再分割。
用这种方法，可以把图像用树结构(4叉树)表示。
这可以用在特征提取和信息压缩等方面。
5多重图像数据存储：逐波段存储，逐行存储，逐像素存储。
图像的特征自然特征：光谱，几何，时相；人工特征：直方图，灰度边缘，线、角、纹理特征。
特征范围划分：点特征、局部特征、区域特征、整体特征。
特征提取：获取图像特征信息的操作称作特征提取。
通过特征提取，可以获得特征构成的图像（称作特征图像）和特征参数。
特征空间：把从图像提取的m个特征量y1，y 2，…，ym，用m维的向量Y＝[y1 y2…ym]t表示称为特征向量。
另外，对应于各特征量的m维空间叫做特征空间。
特征向量Y就可作为这个特征空间的点来表示。
第三章图像变换图像变换目的：使图像处理问题简化；有利于图像特征提取；有助于从概念上增强图像信息的理解。
图像变换要求：正交变换必须是可逆的；正交变换和反变换不能太复杂。
二维线性不变系统二维离散傅里叶变换的若干性质：1周期性和共轭对称性——对图像的频谱分析和显示带来很大益处。
2分离性——一个二维傅立叶变换可由连续两次一维傅立叶变换来实现。
3平移性质——对F (x ,y )的平移不影响其傅立叶变换的幅值。
4旋转性质——对F (x ,y )旋转θ0对应于将其傅立叶变换F (u ,v )也旋转θ0 。
5分配率——傅立叶变换和反变换对加法满足分配律，但对乘法则不满足。
6尺度变换（缩放）7平均值8离散卷积定理9离散相关定理小波变换——“小波”就是小的波形。
所谓“小”是指它具有衰减性;“波”则是指它的波动性，其振幅正负相间的震荡形式。
平移确定某个频率出现的位置，伸缩得到从低到高不同频率的基波。
小波是一个具有振荡性和迅速衰减的波。
原则上能用傅立叶分析的地方均可用小波分析，甚至能获得更好的结果。
其中a>0，b ∈R 。
上式给出f (t)的一种多尺度表示，a 代表尺度因子，称为小波。
若a >1，则小波函数具有伸展作用；a <1时，函数具有收缩作用。
而傅立叶变换则恰好相反。
一维小波变换的基本性质：1、线性——小波变换是线性变换，它把一信号分解成不同尺度的分量。
2、平移和伸缩的共变性——连续小波变换在任何平移和伸缩下之下是共变的3、微分运算4、其他——小波变换还有诸如局部正则性、能量守恒性、空间——尺度局部化等特性。
典型小波：Haar 小波，墨西哥草帽。
第四章 图像增强图像增强：采用一系列技术有选择地突出某些感兴趣的信息，同时抑制一些不需要的信息，以提高图像的使用价值。
增强目的：采用一系列技术改善图像的视觉效果；将图像转换成一种更适合于人或机器进行分析处理的形式。
增强方法：空间域增强和频率域增强。
空间域增强是直接对图像像素进行处理；频率域增强是对图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的结果。
图像校正：辐射校正和几何校正。
原因：辐射校正由于遥感检测系统、大气散射和吸收等原因引起的图像模糊失真、分辨率和对比度下降等辐射失真；几何校正是由于搭载传感器的遥感平台飞行姿态变化、地球自传、地球曲率等原因引起的图像几何益畸变。