数字图像处理大纲总结
(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。
数字图像处理期末总结
数字图像处理期末总结引言数字图像处理是一门研究利用计算机对图像进行处理和分析的学科，依靠数字图像技术可以对图像进行多种处理和改进，如增强图像质量、去除噪声、进行模式识别等。
本学期我们学习了数字图像处理的基本理论知识和常用算法，并实践了相关实验，以下是我对本学期数字图像处理课程的总结。
一、课程概述数字图像处理课程的目标是让学生了解数字图像的基本概念和处理技术，掌握数字图像处理的常用算法和工具，培养学生分析和解决实际图像处理问题的能力。
本课程分为理论学习和实验实践两部分，理论学习主要包括数字图像的表示和处理原理，常用图像处理方法的原理和算法，实验实践则通过使用Python和相关图像处理库进行实际图像处理。
二、理论学习在理论学习部分，我们首先学习了数字图像的表示方法，了解了数字图像的像素结构和灰度级等基本概念。
接着学习了图像的增强和恢复，常用的图像增强技术包括直方图均衡化、对比度拉伸和空域滤波等。
我们通过实验学习了这些方法的原理和实现，同时也学习了如何评价图像增强的效果。
在图像恢复方面，我们学习了图像去噪和图像复原的方法。
图像去噪包括空域滤波和频域滤波两种方法，我们学习了均值滤波、中值滤波和高斯滤波等常用的滤波器，并实践了相关实验。
图像复原主要涉及退化模型和修复方法的学习，我们学习了线性和非线性滤波方法、逆滤波和最小二乘滤波等图像复原算法。
接着我们学习了图像压缩和编码的原理和方法，了解了JPEG和JPEG2000等常用的图像压缩标准。
我们学习了离散余弦变换（DCT）和小波变换等常用的压缩方法，同时也学习了如何评价图像压缩的质量和效果，例如信噪比和均方差等指标。
最后，我们还学习了图像分割和图像识别的基本理论和方法。
图像分割是将图像分割成若干块区域的过程，常用的分割方法包括阈值分割、区域生长和边缘检测等。
图像识别则是将分割后的图像中的特定对象或模式与预定义的模型进行匹配和识别，我们学习了基于模板匹配和特征提取的图像识别方法，并实践了相关实验。
数字图像处理教学大纲（范文模版）
数字图像处理教学大纲（范文模版）第一篇：数字图像处理教学大纲（范文模版）《数字图像处理》课程教学大纲课程英文名Digital Image Processing执笔人：周山编写日期：2010.7.9一、课程基本信息1.课程编号：070101162.课程性质/类别：选修课 /专业课 3.学时/学分： 32+16学时 / 2学分 4.适用专业：信息与计算科学专业二、课程教学目标及学生应达到的能力数字图像处理是一门迅速发展的新兴学科，发展的历史并不长。
由于图像是视觉的基础，而视觉又是人类重要的感知手段，故数字图像成为心理学、生理学、计算机科学等诸多方面学者研究视觉感知的有效工具。
本课程着重研究数字图像处理的方法，训练学生运用所学基础知识解决实际问题的能力，同时要求拓宽专业知识面。
三、课程教学内容与基本要求（一）绪论（4学时）1．主要内容：图像处理的概述，基本物理假设硬件设备，处理软件,光度学及色度学原理 2．基本要求1、了解数字图像处理概述;2、了解图像输入输出设备;3、掌握图像的亮度函数等;4、了解色彩的基本属性;3．自学内容：数学实验 4．课外实践：无（二）信号分析基础（8学时）1．主要内容：图像的数学信号表示,图像的取样和量化、像素间的一些基本关系、线性和非线性操作2．基本要求1、掌握信号的采样及量化2、理解图像的点运算,代数运算及几何运算；3、理解线性系统的性质及线性移不变系统的频率响应；4、掌握图像的卷积运算 3．自学内容：信号与系统4．课外实践：无（三）图像变换（8学时）1．主要内容：积分变换,连续及离散傅立叶变换,快速傅立叶变换,正交变换的一般表现形式 2．基本要求1、了解积分变换；2、掌握离散傅里叶变换、连续傅里叶变换、快速傅里叶变换；3、理解沃尔什变换,哈达吗变换等 3．自学内容：数字信号处理4．课外实践：无（四）图像的增强与复原（10学时）1．主要内容：图像增强原理、直方图处理、图像平滑化,图像的锐化,图像的复原2．基本要求1、掌握灰度级变换增强及频域增强原理;2、深刻理解直方图均衡化；3、了解邻域平均法;；4、掌握低通滤波法,高通滤波法；5、掌握图像复原的一般方法；3．自学内容：数字信号处理概率论4．课外实践：无（五）图像的分析与识别基础（10学时）1．主要内容：视觉再认模式,间断检测、边缘连接和边界检测、门限处理及基于区域的分割 , 2．基本要求1、了解模式匹配模式,傅立叶模式；2、掌握阈值分割法；3、掌握边缘检测法；1、了解区域增长法；2、掌握二值图像分割法；3、了解图像分割质量的评价;3．自学内容：概率论 4．课外实践：无（六）图像的压缩与编码（10学时）1．主要内容：图像压缩理论及模型，无损压缩、有损压缩，图像编码常用方法，图像编码评价方法，图像编码的国际标准 2．基本要求1、了解哈夫曼编码；2、掌握离散余弦变换；3、理解dct编码与解码；4、了解压缩编码的新进展； 3．自学内容：数据编码 4．课外实践：无四、教学安排建议1.作业练习每章课后布置2-3题作业。
《数字图像处理》课程教学大纲
数字图像处理课程教学大纲课程简介数字图像处理是计算机科学与技术领域的一门重要课程，它研究如何使用计算机和算法来处理和分析数字图像。
本课程旨在介绍数字图像处理的基本原理、方法和应用，并培养学生的图像处理能力和技巧。
课程目标本课程的主要目标是让学生掌握数字图像处理的基本理论和方法，具备图像处理算法设计、图像增强、图像分割、图像压缩等技术的基本能力。
同时，通过实践项目的实施，培养学生的问题解决能力和团队合作能力。
课程安排第一周：课程介绍与基本概念•课程介绍•数字图像的基本概念与特点•数字图像处理的基本步骤第二周：图像预处理•图像采集与获取•图像灰度变换•图像噪声模型与去噪方法第三周：图像增强•直方图均衡化•空域滤波与频域滤波•边缘增强与锐化第四周：图像压缩•图像压缩的基本概念与方法•离散余弦变换（DCT）与JPEG压缩算法•小波变换与JPEG2000压缩算法第五周：图像分割与边缘检测•阈值分割•基于边缘的图像分割•基于区域的图像分割第六周：实践项目1 - 图像识别•项目需求分析与设计•图像特征提取与选择•分类器的训练与测试第七周：实践项目2 - 图像恢复•项目需求分析与设计•图像模型与图像去模糊•图像去噪与图像修复第八周：实践项目3 - 图像处理工具开发•项目需求分析与设计•图像处理算法的实现•图形界面设计与用户交互评估方式•平时成绩：30%•作业与实验报告：30%•期末考试：40%参考教材•Rafael C. Gonzalez, Richard E. Woods. 数字图像处理（第三版）. 清华大学出版社，2018.•Richard Szeliski. 计算机视觉：算法与应用. 电子工业出版社，2014.参考资源•MATLAB图像处理工具箱文档•OpenCV计算机视觉库官方文档以上是《数字图像处理》课程的教学大纲，希望通过本门课程的学习，能够让学生对数字图像处理有一个全面的了解，并具备实践应用的能力。
数字图像处理复习提纲
A=zeros（12，12）；
b = ~A；
figure, imshow(b);
b(:,4:1:6)=0;
b(:,10:1:12)=0;
figure,imshow(b);
c=b’;
figure,imshow(c);
4 设下面图像的灰度矩阵如下，请用 直方图均衡化方法修正该图像灰度 矩阵。详细写出直方图均衡化的实 现步骤和最后修正后的图像矩阵B， 并画出修正矩阵的直方图。
数字图像处理复习内容概括
第一章 数字图像处理概念与基础
1、图像的定义 2、数字图像处理的定义 3、产生图像的类别 4、数字图像处理的特点与主要方法 5、图像的类型 6、图像简单Matlab处理（读取、显示和存储、抽取、旋转, 提 取、翻转）与应用 7、图像矩阵的基本运算（算术、关系和逻辑） 8、简单函数的M文件编程
X1 X2 X3 X4 X5 X6 X7 x8
11、分别用中值滤波、四邻域法、八邻域法、sobel算子和prewitt算子编程实现对具有 10%的‘gaussian’噪声图像（image.tif） 的增强处理。
12、用低通滤波和高通滤波的方法编程实现图像（image.tif） 的增强处理。
13、应用Matlab实现的Huffman编码函数和Huffman译码函数编程实现图像（image.tif)压 缩处理。
4、主要掌握的内容
(1) 灰度变换中的线形、指数、对数增强方法分别具有什么增强特点？
(2)为什么对比度拉伸能够实现图像对比度增强? (3) 什么是图像灰度直方图？图像直方图反映了图像的什么特征？ (4) 直方图均衡化图像处理主要实现思想什么？他的实现过程与matlab实现程序。 (5) 直方图规定化图像处理的主要实现思想什么？掌握处理步骤与matlab实现程序。
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。
数字图像处理基础知识总结
数字图像处理基础知识总结第⼀章数字图像处理概论*图像是对客观存在对象的⼀种相似性的、⽣动性的描述或写真。
*模拟图像空间坐标和明暗程度都是连续变化的、计算机⽆法直接处理的图像*数字图像空间坐标和灰度均不连续的、⽤离散的数字（⼀般整数）表⽰的图像（计算机能处理）。
是图像的数字表⽰，像素是其最⼩的单位。
*数字图像处理（Digital Image Processing）利⽤计算机对数字图像进⾏（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从⽽获得某种预期的结果的技术。
（计算机图像处理）*数字图像处理的特点（优势）（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）图像处理技术综合性强。
*数字图像处理的⽬的（1）提⾼图像的视感质量，以达到赏⼼悦⽬的⽬的a.去除图像中的噪声；b.改变图像的亮度、颜⾊；c.增强图像中的某些成份、抑制某些成份；d.对图像进⾏⼏何变换等，达到艺术效果；（2）提取图像中所包含的某些特征或特殊信息。
a.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。
**数字图像处理的主要研究内容（1）图像的数字化a.如何将⼀幅光学图像表⽰成⼀组数字，既不失真⼜便于计算机分析处理b.主要包括的是图像的采样与量化（2*）图像的增强a.加强图像的有⽤信息，消弱⼲扰和噪声（3）图像的恢复a.把退化、模糊了的图像复原。
模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码a.简化图像的表⽰，压缩表⽰图像的数据，以便于存储和传输。
（5）图像的重建a.由⼆维图像重建三维图像（如CT）（6）图像的分析a.对图像中的不同对象进⾏分割、分类、识别和描述、解释。
（7）图像分割与特征提取a.图像分割是指将⼀幅图像的区域根据分析对象进⾏分割。
b.图像的特征提取包括了形状特征、纹理特征、颜⾊特征等。
（8）图像隐藏a.是指媒体信息的相互隐藏。
数字图像处理大纲总结
第一章：数字图像处理基础概念★1、数字图像处理的内容：（1）图像获取、表示和表现（图像的数字化和图像变换）（2）图像增强（3）图像复原（4）图像重建（5）图像压缩编码（6）图像分割（7）图像分析（8）模式识别（9）图像理解★2、数字图像处理的层次关系（P 3）：狭义图像处理-------图像分析-----------图像理解。
抽象程度低-------------------------------- 高数据量大-------------------------------- 小语义低层-------------------------------- 高层★3、数字图像处理的特点：（1）处理精度高，再现性好（2）处理通用性强、灵活性高、多样性广（3）图像数据量庞大（4）处理费时（5）图像处理技术综合性强★4、数字图像处理的目的：（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，以便于计算机分析（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。
5、数字图像处理的发展方向（1）在进一步提高精度的同时着重解决处理速度问题。
（2）移植和借鉴其他学科的技术和研究成果，创造新的处理方法。
（3）加强边缘学科的研究工作（4）加强理论研究（5）图像处理领域的标准化6、论述数字图像处理技术在生产生活中的应用（1）在生物医学中的应用：利用电磁波谱成像分析系统诊断病情：如显微镜图像分析，DNA成像分析，CT及核磁共振、超声波、X射线成像分析等（2）遥感航天中的应用：检测土地变化；农林资源的调查；自然灾害监测、预报；地势、地貌测绘；地质构造解译、找矿；环境污染检测等等（3）工业应用：无损探伤，石油勘探，生产过程自动化，工业机器人研制等（4）军事公安领域运用：卫星侦察照片的测绘、判读，雷达图像处理，导弹制导，军事仿真等（5）其他应用：图像远距离通信、电视会议、天气预报、现场视频管理等第二章：图像数字化与灰度直方图★1、直方图的性质（P 23）：（1）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（2）一幅图像对应唯一的灰度直方图，反之不成立。
西安电子科技大学数字图像处理知识点复习大纲
达
描 述
边缘线（边界）的链码跟踪/边界周长和面积求法
区域表达
空间占有数组/四叉树/骨架
第八章 目标表达和描述
1、掌握掌握目标物边界的链码表示（链码，归一化链码，微分码或差分 码， 归一化差分码或形状数，注意各种链码的特点，平移不变性？唯一 性？)、区域的四叉树描述（注意会画四叉树及其相反过程，细化）。 2、 了解图象像素间的基本关系、目标物边界的描述、目标物的区域描 述，图像的几何特征。
1、掌握图像的数据冗余、编码模型、无损压缩编码、预测编码原理及小 于3阶的最优预测器的设计；
2、了解图像压缩的原因与方法分类、保真度准则及正交变换编码原理， 小波变换编码的基本思想与特点及编码中需要解决的问题。
第七章 图像分割
1、掌握掌握图像分割的依据、边缘点检测的原理和几种常用的点检测算 子及其特点、掌握Hough变换法检测直线的原理和过程、掌握四叉树分裂 合并法的过程。 2、了解图像分割的定义和方法、边缘线跟踪的方法、门限化分割和区域 分割的原理和方法。 (注意边缘检测模板与平滑锐化模板的区别)
绪
图象处理、分析、理解三层次
图象技术
论
存储 采集
显示 通信 处理
图象 系统 构成
瞳孔/晶状体/视细胞/成象过程
人眼机理
人眼的亮度感觉及亮度对比度
亮度视觉
光的三基色/颜色三基色
亮度/色度(色调/饱和度)
颜色视觉
颜色模型(RGB/HSI)
图
(均匀/非均匀)采样和量化/分辨率变化的影响
象 基
础
邻域/连通性(连接/连通)/毗邻/ 通路/距离定义/DE距离/D4距离
点处理
方法
包括 图像求反、增强对比度、
数字图像处理总结(第二版)
1、数字图像处理的主要内容：图像获取、图像变换、图像增强、图像复原、图像编、图像分析、图像识别、图像理解2、数字图像处理的应用：计算机图像生成、图像传输与图像通信、机器人视觉及图像测量、办公自动化、图像跟踪及光学制导、医学图像处理与材料分析中的图像处理技术、遥感图像处理和空间探测、图像变形技术3、图像处理工具箱:几何运算:缩放、旋转和剪裁； 分析操作:边缘检测、四叉树分解增强操作:亮度调整、直方图均衡化、去噪； 2D FIR 滤波器设计图像变换:离散余弦变换、拉东Radon 变换； 领域与块处理 感兴趣区域处理二值图像处理:形态学操作； 彩色空间变换 彩色地图管理4、MATLAB 工具箱中五种类型数字图像:二进制图像、索引图像、灰度图像、多帧图像、RGB 图像5、像素间的基本关系:领域、连通性、距离6、二维离散余弦变换:11000(21)(21)(,)(,)(,)cos cos 22,0,1,,1N N x y x u y v F u v c u v f x y N N u v N a ππ--==++=⋅=-∑∑ 11100(21)(21)(,)(,)(,)cos cos22,0,1,,1N N x y x u y v F x y c u v f u v N Nx y N a ππ--==++=⋅=-∑∑ 7、拉东变换Radon 公式:()0(cos sin ,sin cos )x f x y x y dy R θθθθ∞-∞''''''=-+⎰其中cos sin sin cos x x y y θθθθ'⎛⎫⎛⎫⎛⎫=⎪⎪⎪'-⎝⎭⎝⎭⎝⎭拉东变换是计算图像在某一指定角度射线方向上投影的变换方法。
8、退化函数估计方法:图像观察估计法、试验估计法、模拟估计法 9、图像的编码质量评价: 客观评价准则()()2111ˆ,j ,N Mms i j E f i f i j NM==⎡⎤=-⎣⎦∑∑10、主观评价准则11ki i i nii n C MOS n===∑∑11、压缩比12R n C n =12、子图像尺寸选择:子图像选择4X4, 8X8, 16X16适合图像压缩，原因: ①如果子图像尺寸取得太小，虽然计算速度快，实现简单，但压缩能力有限； ②如果子图像尺寸取得太大，虽然去相关效果好，因为DFT 、DCT 等正弦类变换均渐进最佳性，但也渐进饱和。
数字图像处理总结
数字图像处理总结第⼀章绪论遥感的特点1⼤⾯积观测：Landsat卫星⼀景图像覆盖⾯积185km×185 km；⽓象卫星覆盖地球表⾯1/3；2时效性强：可以在短时间内对同⼀地区进⾏重复探测，监测地球上许多事物的动态变化；3信息客观、真实：遥感获得的地物电磁波特性数据综合地反映了地球上许多⾃然、⼈⽂信息，客观地记录了地⾯的实际状况；4局限性：波谱的有限性、电磁波段的准确性、空间分辨率低等。
遥感技术系统的组成1遥感平台：遥感中搭载传感器的运载⼯具2传感器：远距离感测和记录地物环境辐射或反射电磁波能量的遥感仪器，通常安装在不同类型和不同⾼度的遥感平台上3遥感信息的接收和处理：遥感信息主要指由航空遥感和卫星遥感所获取的胶⽚和数字图像4遥感图像的判读和应⽤遥感数据流程⽬标物体的电磁破特性—>影响因⼦（太阳位置、⼤⽓状态、地表、传感器）—>遥感数据采集（胶⽚、数字图像）—>遥感数据处理和信息提取（计算机数据处理、预处理、图像增强、图像分类、⼈⼯判读）—>应⽤（农林、地质、海洋等）遥感卫星类型（按综合分类）陆地卫星、⾼分辨率卫星、⾼光谱卫星、SAR合成孔径雷达卫星陆地卫星特点：获取20~100m空间分辨率的全⾊或多光谱图像，有Landsat系列（美）、SPOT系列（法）、IRS系列（印度）、ALOS系列（⽇）、RESURSO1系列（俄）、中巴资源卫星CBERS等多光谱遥感获取同⼀地物不同波段的影像的遥感技术多相机组合型、多镜头组合型、光束分离型⾼光谱卫星分析15个波段以下的学科叫“多光谱”，分析15个波段以上的叫“⾼光谱”采⽤⾼分辨率成像光谱仪波段数为36~256个、光谱分辨率为5~10nm、地⾯分辨率为30~1000m这类卫星主要⽤于⼤⽓、海洋和陆地探测遥感技术发展趋势“三多” ：多平台、多传感器和多⾓度“三⾼”：⾼空间分辨率、⾼光谱分辨率、⾼时间分辨率“三全” ：全天候、全天时和全球观测遥感展望1空间、光谱、时间分辨率组合是遥感科学技术的核⼼2具有⾼空间、光谱、时间分辨率的新型传感器不断涌现3数据处理⽅法趋向于智能化、⾃动化、快速化4应⽤领域不断扩展，向⼈类⽇常⽣活渗透5空间遥感科学技术是我国今后⼏⼗年重点发展的⾼新技术第⼆章电磁辐射与地物光谱特征电磁波变化的电场和磁场交替产⽣，以有限的速度由近及远在空间内传播的过程称为电磁波。
- 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)。
第一章：数字图像处理基础概念★1、数字图像处理的内容：（1）图像获取、表示和表现（图像的数字化和图像变换）（2）图像增强（3）图像复原（4）图像重建（5）图像压缩编码（6）图像分割（7）图像分析（8）模式识别（9）图像理解★2、数字图像处理的层次关系（P 3）：狭义图像处理-------图像分析-----------图像理解。
抽象程度低-------------------------------- 高数据量大-------------------------------- 小语义低层-------------------------------- 高层★3、数字图像处理的特点：（1）处理精度高，再现性好（2）处理通用性强、灵活性高、多样性广（3）图像数据量庞大（4）处理费时（5）图像处理技术综合性强★4、数字图像处理的目的：（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，以便于计算机分析（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。
5、数字图像处理的发展方向（1）在进一步提高精度的同时着重解决处理速度问题。
（2）移植和借鉴其他学科的技术和研究成果，创造新的处理方法。
（3）加强边缘学科的研究工作（4）加强理论研究（5）图像处理领域的标准化6、论述数字图像处理技术在生产生活中的应用（1）在生物医学中的应用：利用电磁波谱成像分析系统诊断病情：如显微镜图像分析，DNA成像分析，CT及核磁共振、超声波、X射线成像分析等（2）遥感航天中的应用：检测土地变化；农林资源的调查；自然灾害监测、预报；地势、地貌测绘；地质构造解译、找矿；环境污染检测等等（3）工业应用：无损探伤，石油勘探，生产过程自动化，工业机器人研制等（4）军事公安领域运用：卫星侦察照片的测绘、判读，雷达图像处理，导弹制导，军事仿真等（5）其他应用：图像远距离通信、电视会议、天气预报、现场视频管理等第二章：图像数字化与灰度直方图★1、直方图的性质（P 23）：（1）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（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。
★2、直方图的应用（P 24）：（1）用于判断图像量化是否恰当（2）用于确定图像二值化的阈值（3）当影像上目标的灰度值比其它部分灰度值大或者灰度区间已知时，可利用直方图统计图像中物体的面积（4）计算图像信息量H（熵）3、决定图像质量的因素：（1）平均亮度（2）对比度（3）清晰度：由图像边缘灰度变化的速度来描述（4）分解力或分辨率（5）采样间隔（6）量化等级★4、采样和量化与数字图像之间的关系（P 19）：采样间隔：采样间隔大——所得像素数少——空间分辨率低——数据量小——国际棋盘效应采样间隔小——所得像素数多——空间分辨率高——数据量大——质量好量化等级：量化等级多——图像层次丰富——灰度分辨率高——数据量大——图像质量好量化等级少——图像层次欠丰富——灰度分辨率低——数据量小——假轮廓现象5、数字图像处理算法形式（P 26 27）：（1）局部处理：对输入图像IP（i,j）处理时，某一输出像素JP（i,j）值）由输入图像像素及其邻域中的像素值确定。
这种处理称为局部处理。
例：空间域平滑和锐化（2）点处理：在局部处理中，当输出值JP(i,j)仅与IP(i,j)有关，则称为点处理例：增强对比度、图像二值化（3）大局处理：在局部处理中，输出像素JP(i,j)的值取决于输入图像大范围或全部像素的值，这种处理称为大局处理例：图像傅里叶变换（4）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例：图像的细化处理过程（5）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，进行规定的处理，然后决定是继续处理下面的像素，还是终止处理。
这种处理形式称为跟踪处理。
例：边界线、等高线的跟踪6、图像的数据结构（P 29）：（1）组合方式：一个字长存放多个像素灰度值的方式（2）比特面方式：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（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，如锥形结构（4）树结构（5）★多重图像数据存储：有下列三种存储方式：①逐波段存储，分波段处理时采用；②逐行存储，行扫描记录设备采用；③逐像素存储，用于分类。
7、常见的图像文件格式（P 31）：按扩展名分为：RAW格式、BMP格式、TGA格式、PCX格式、GIF格式、TIFF格式等。
8、图像的特征（P 37）：（1）自然特征：①光谱特征②几何特征③时相特征（2）人工特征：①直方图特征②灰度边缘特征③线、角点、纹理特征（3）按提取特征范围大小分类：①点特征②局部特征③区域特征④整体特征★9、图像的噪声来源及其类型（P 39）：外部噪声：图像处理系统外部产生的噪声如：天体放电干扰、电磁波从电源线窜入系统等内部噪声：系统内部产生的噪声，来源有：（1）由光和电的基本性质引起的（2）由机械运动产生的噪声（3）元器件噪声（4）系统内部电路噪声从统计理论观点分类：平稳噪声：统计特征不随时间变化的特征非平稳特征：统计特征随时间变化的特征从噪声幅度分布形态分类：高斯型、瑞利形按过程分类：量化噪声、椒盐噪声★10、几种颜色模型：1、RGB颜色模型：特点：色彩空间采用物理三基色表示，适合彩色显象管工作2、HIS（HSB）颜色模型：（1）色调Hue：光线所呈现的颜色，如红、绿、黄…（2）饱和度Saturation：指色彩的浓淡程度（3）亮度Brightness：指由于彩色刺激而使人眼感觉到的明暗程度特点：（1）它比RGB色彩空间更符合人的视觉特性。
（2）在HSB色彩空间可以大大简化图像分析和处理的工作量3、CMYK颜色模型：由青色（Cyan）、品红（Magenta）、黄色（Yellow）和黑色组成特点：用于彩色打印机、印刷彩色图片4、YUV模型：用于彩色电视信号传输，其中Y信号表示亮度，U、V信号是色差信号1、图像变换的目的（P 41）：（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、图像变换的要求：图像变换通常是一种二维正交变换。
一般要求：（1）正交变换必须是可逆的；（2）正变换和反变换的算法不能太复杂；（3）正交变换的特点是在变换域中图像能量将集中分布在低频率成分上，边缘、线状信息反映在高频率成分上，有利于图像处理。
3、图像变换的应用：（1）图像增强（2）图像恢复（3）特征提取（4）图像压缩编码（5）形状分析4、傅里叶变换的物理意义：将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），即将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。
换句话说，傅里叶变换将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数这样通过观察傅立叶变换后的频谱图，也叫功率图，了解图像特征。
图像能量集中低频区域；变化信息（噪声）在高频区域。
★1、图像增强的目的（P 62）：（1）改善图像视觉效果，提高图像清晰度（消除噪声）（2）将图像转化为一种更适合与人或机器进行分析处理的形式（突出边缘）★2、图像增强的方法（P 62）：从增强的作用域出发，可分为空间域增强和频率域增强两种。
空间域增强：直接对图像各像素进行处理；频率域增强：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图像3、直方图均衡化的步骤：（1）统计各灰度级的像元个数（2）计算累计直方图（3）【（L-1）/N】乘以累计直方图，结果取整（4）计算新图像灰度值4、直方图规定化的步骤：（1）求原始图像和参考图像的归一化累计直方图；（2）计算参考图像归一化累计直方图的相邻灰阶平均值；（3）用平均值对原始图像归一化累计直方图进行分段，得到结果图像灰度值（4）根据新灰度值计算输出图像★5、中值滤波的特征（P 77）：（1）对脉冲干扰及椒盐噪声的抑制效果好（2）在抑制随机噪声的同时能有效保护边缘少受模糊（3）对点、线等细节较多的图像却不太合适（4）一维中值滤波对离散阶跃信号、斜升信号没有受到影响。
离散三角信号的顶部则变平了。
对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。
★6、伪彩色增强和假彩色增强：伪彩色增强：把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色伪彩色增强的方法：主要有密度分割法、灰度级一彩色变换和频率域伪彩色增强三种。
大致可以分为以下三类：（1）基于灰度变换的伪彩色方法（2）基于灰度调色板的伪彩色方法（3）基于区域分割的伪彩色方法假彩色增强：对一幅自然彩色图像或同一景物的多光谱图像，通过映射函数变换成新的三基色分量，彩色合成使感兴趣目标呈现出与原图像中不同的、奇异的彩色。
假彩色增强目的：（1）使感兴趣的目标呈现奇异的彩色或置于奇特的彩色环境中，从而更引人注目；（2）一是使景物呈现出与人眼色觉相匹配的颜色，以提高对目标的分辨力。
第五章：图像的几何变换★1、图像的几何变换：图像的几何变换包括了图像的形状变换和图像的位置变换。
图像的几何变换不改变像素的值，只改变像素的位置。
图像的形状变换：图像的放大、缩小与错切。
通常在目标物识别中使用。
图像的位置变换：图像的平移、镜像与旋转。
主要是用于目标识别中的目标配准。
图像的仿射变换：采用通用的数学影射变换公式，来表示以上给出的几何变换 （不同几何变换对应着不同的变换矩阵）2、图像旋转时的问题：（1）需要前期处理：扩大画布，取整处理，平移处理 。
（2）旋转变换公式：⎩⎨⎧+=-=θθθθcos sin 'sin cos 'y x y y x x（3）利用行插值（列插值）方法，填补旋转后图片出现的像素空洞3、图像的几何校正（P 106）：意义：图像在获取过程中，由于成像系统本身具有非线性、拍摄角度等因素的影响，会使获得的图像产生几何失真。
（有规律的、能预测的失真称系统失真；随机的失真称非系统失真）步骤：（1）先建立几何校正的数学模型；（2）利用已知条件确定模型参数；（3）根据模型对图像进行几何校正，几何校正通常分两步：① 图像空间坐标变换；② 确定各像素的灰度值（灰度内插）4、图像空间坐标变换（P 106）：以一幅图像为基准，利用同名点之间的函数映射关系，去校正另一幅几何失真图像（参考点校正法）有直接法和间接法，由于间接法内插灰度容易，所以一般采用间接法进行几何纠正★5、像素灰度内插方法（P 108）：（1）最近邻元法：在待求点的四邻像素中，将距离这点最近的相邻像素灰度赋给该待求点 特点：① 方法最简单，效果尚佳② 校正后的图像有明显锯齿状，即存在灰度不连续性（2）★双线性内插法：利用待求点四个邻像素的灰度在两个方向上作线性内插。