数字图像处理知识点总结
《数字图像处理》知识点汇总
1.什么是图像?“图”是物体投射或反射光的分布，“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。
图像是客观和主观的结合。
2.数字图像是指由被称作象素的小块区域组成的二维矩阵。
将物理图象行列划分后，每个小块区域称为像素（pixel）。
对于单色即灰度图像而言，每个像素包括两个属性：位置和灰度。
灰度又称为亮度，灰度用一个数值来表示，通常数值范围在0到255之间，即可用一个字节来表示。
0表示黑、255表示白。
3.彩色图象可以用红、绿、蓝三元组的二维矩阵来表示。
通常，三元组的每个数值也是在0到255之间，0表示相应的基色在该象素中没有，而255则代表相应的基色在该象素中取得最大值，这种情况下每个象素可用三个字节来表示。
4.数字图像处理就是利用计算机系统对数字图像进行各种目的的处理。
5.对连续图像f(x,y)进行数字化需要在空间域和值域进行离散化。
空间上通过图像抽样进行空间离散，得到像素。
像素亮度需要通过灰度级量化实现灰度值离散。
数字图像常用矩阵来表示。
6.从计算机处理的角度可以由高到低将数字图像分为三个层次，分别为图像处理、图像分析和图像理解。
这三个层次覆盖了图像处理的所有应用领域。
(1). 图像处理指对图像进行各种加工，以改善图像的视觉效果；强调图像之间进行的变换。
图像处理是一个从图像到图像的过程。
(2). 图像分析指对图像中感兴趣的目标进行提取和分割，获得目标的客观信息（特点或性质），建立对图像的描述；图像分析以观察者为中心研究客观世界，它是一个从图像到数据的过程。
(3). 图像理解指研究图像中各目标的性质和它们之间的相互联系，得出对图像内容含义的理解及原来客观场景的解释；图像理解以客观世界为中心，借助知识、经验来推理、认识客观世界，属于高层操作（符号运算）。
7.图像处理、图像分析和图像理解是处在三个抽象程度和数据量各有特点的不同层次上。
图像处理是比较低层的操作，它主要在图像像素级上进行处理，处理的数据量非常大。
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
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》期末考试重点总结（5篇材料）
《数字图像处理》期末考试重点总结（5篇材料）第一篇：《数字图像处理》期末考试重点总结*数字图像处理的主要内容及特点图像获取、图像变换、图像增强、图像恢复、图像压缩、图像分析、图像识别、图像理解。
（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。
*图像增强：通过某种技术有选择地突出对某一具体应用有用的信息，削弱或抑制一些无用的信息。
图像增强不存在通用理论。
图像增强的方法：空间域方法和变换域方法。
*图像反转：S=L-1-r 1.与原图像视觉内容相同2.适用于增强嵌入于图像暗色区域的白色或灰色细节。
*对数变换 S=C*log（1+r）c为常数，r>=0 作用与特点：对数变换将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值，同时，对输入中范围较宽的高灰度值映射为输出中较窄范围的灰度值。
对数函数的一个重要特征是可压缩像素值变化较大的图像的动态范围；*幂律（伽马）变换 s=c*(r+ɛ)ɤ伽马小于1时减小图像对比度，伽马大于1时增大对比度。
*灰度直方图：是数字图像中各灰度级与其出现的频数间的统计关系。
*直方图均衡化：直方图均衡化就是通过变换函数将原图像的直方图修正为均匀的直方图，即使各灰度级具有相同的出现频数，图象看起来更清晰。
直方图均衡化变换函数必须为严格单调递增函数。
直方图均衡化的特点：1.能自动增强图像的对比度2.得到了全局均衡化的直方图，即均匀分布3.但其效果不易控制*直方图规定化（匹配）：用于产生处理后有特殊直方图的图像的方法*空间滤波即直接对图像像素进行处理。
获得最佳滤波效果的唯一方法是使滤波掩模中心距原图像边缘的距离不小于(n-1)/2个像素。
*平滑滤波器用于模糊处理和减小噪声。
平滑线性空间滤波器的输出是：待处理图像在滤波器掩模邻域内的像素的简单平均值。
优点：减小了图像灰度的“尖锐”变化，故常用于图像降噪。
负面效应：模糊了图像的边缘，因为边缘也是由图像灰度的尖锐变化造成的。
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。
《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。
图像处理知识点总结
图像处理知识点总结一、图像采集1. 数字图像数字图像是由像素组成的二维矩阵，每个像素由灰度值或者颜色值来描述。
数字图像的采集通过光学图像传感器来实现，图像传感器可以将光信号转换成电信号，然后通过数模转换器转换成数字信号。
常见的图像传感器包括CCD和CMOS。
2. 分辨率图像的分辨率指的是图像中包含的像素数量，分辨率越高，图像越清晰。
分辨率可以用像素数来描述，常见的分辨率有1024×768、1920×1080等。
分辨率与图像的清晰度成正比，但是高分辨率也会增加图像文件的大小。
3. 颜色空间颜色空间是用来描述颜色的数学模型，常见的颜色空间包括RGB、CMYK、YUV等。
RGB颜色空间是由红、绿、蓝三原色构成，它是最常用的颜色空间。
CMYK颜色空间用于打印颜色，它是由青、品红、黄、黑四原色构成。
二、图像处理1. 空域处理空域处理是指在图像的像素级别上进行处理，包括图像增强、滤波、锐化等操作。
图像增强可以提高图像的对比度和亮度，滤波可以去除图像中的噪声，锐化可以增强图像的边缘和细节。
2. 频域处理频域处理是指在图像的频域上进行处理，包括傅里叶变换、频谱分析、频率滤波等操作。
傅里叶变换可以将图像从空域转换到频域，频谱分析可以分析图像中的频率成分，频率滤波可以去除图像中的某些频率成分。
3. 形态学处理形态学处理是指利用形态学运算对图像进行处理，包括膨胀、腐蚀、开运算、闭运算等操作。
膨胀可以增强图像中的物体，腐蚀可以减弱图像中的物体，开运算可以去除图像中的小孔洞，闭运算可以填充图像中的小孔洞。
三、图像分析1. 图像特征图像特征是用来描述图像的一些重要信息，包括颜色、纹理、形状等。
颜色特征可以用来区分不同物体，纹理特征可以用来区分不同材质，形状特征可以用来区分不同形状。
2. 物体检测物体检测是指在图像中检测出特定物体的位置和数量，常见的物体检测算法包括边缘检测、Hough变换、Haar特征检测等。
数字图像处理-知识汇总
������−1 ������−1 ������=− ������=− 2 2
b)
定义它们的相关为
������
������(������) = ������(������)������������(������) = ∑ ������(������)������(������ + ������)
������=0 ������−1 2 ������−1 2
������−1 ������−1 2 2 ∑ ������−1 ������−1 ������(������, ������)������(������ + ������, ������ ������=− ������=− 2 2 ������−1 ������−1 ∑ 2 ������−1 ∑ 2 ������−1 ������(������, ������) ������=− ������=− 2 2
3. 4. 5.
+ ������)
6.
7.
统计平滑 这是一种非线性手段，主要基于邻域内像素值的统计特性，依照一定的规则改变像素以达到图像处理的目的， a) 中值：以邻域内像素均值替代位点像素值，用于平滑图像，消除椒盐噪声 b) 锐化：以邻域内像素极值替代位点像素，用于突出边缘轮廓 图像锐化： 锐化的目的是增强图像中被模糊的细节，与平滑的邻域求和相对，锐化的思想是邻域差分，而其核心即拉普拉 斯算子： 对应微分中的梯度，将离散差分定义为
1.
2. 3.
4.
灰度直方图是图像灰度统计上的特性： a) 灰度分布偏大，则图像亮 b) 灰度分布偏小，则图像暗 c) 灰度分布过于集中，图像对比度低 直方图处理的目的，即从直方图角度入手，改善图像的灰度分布以提升质量。 直方图均衡： 这种手段能够将原始图像的灰度均匀分布以提升其对比度，不足是有可能产生假轮廓。 大小为������ × ������的图像中，处于灰度级������的部分有������������ 个像素，按照下公式计算并合并灰度，对整个灰度范围完成 计算，则图像直方图均衡化： ∑������ ������=0 ������������ ������������ = [(������ − 1) ] ������������ 直方图规定： 将图像不同灰度级按照一个映射函数变换为另一灰度级分布， 这个过程就是直方图规定， 目的是使图像的直方 图分布倾向于一种特定的统计分布特征，一般用于处理具有通性的图像。 直方图均衡本质上是特殊的直方图规定。 ∑������ ������=0 ������(������������ ) ������������ = [(������ − 1) ] ������������
数字图像处理总结汇总精品文档10页
1、选择2、填空3、简答题 4、计算第一章1、图像：事件或事物的一种表示、写真或临摹，或一个生动的或图形化的描述2.图像处理（选择）: 是对图像信息进行加工处理，以满足人的视觉心理和实际应用的需求图像处理方法：光学方法、电子学方法3.模拟图像（物理图像）：直接从观测系统（输入系统）获得、未经采样和量化的图像；模拟图像在空间分布和亮度取值上均为连续分布。
连续的：指从时间上和从数值上是不间断的4.数字图像（填空）由连续的模拟图像采样和量化而得。
组成数字图像的基本单位是像素，所以数字图像是像素的集合。
5、数字图像处理基本特点（掌握）信息量大：512×512×8bit＝256KB256KB×25帧/s＝6400KB=6.25MB占用的频带较宽：电视图像的带宽5～6MHz，而语言带宽4KHz，频带越宽，技术实现难度越大。
6.处理基本结构图7.图像变换（傅里叶），空间变换的意义（掌握）8.相关领域的联系（名词解释）：图像处理与计算机图形学的区别与联系是什么？第二章1.人眼模型，作用，细胞分类和内容瞳孔：透明的角膜后是不透明的虹膜，虹膜中间的圆孔称为瞳孔，其直径可调节，控制进入人眼内之光通量(照相机光圈作用)。
晶状体：瞳孔后是一扁球形弹性透明体，其曲率可调节，以改变焦距，使不同距离的图在视网膜上成象(照相机透镜作用)。
•锥状细胞：明视细胞，在强光下检测亮度和颜色；•杆(柱)状细胞：暗视细胞，在弱光下检测亮度，无色彩感觉。
•其中，每个锥状视细胞连接着一个视神经末梢，故分辨率高，分辨细节、颜色；多个杆状视细胞连接着一个视神经末梢，故分辨率低，仅分辨图的轮廓。
2.人眼成像过程：3.人的视觉模型4.解释人从明亮的地方走向黑暗的地方，眼睛的变化：瞳孔在亮光处缩小，在暗光处放大，人从明亮的地方走向黑暗的地方，瞳孔放大，瞳孔括约肌舒张，原因是在光线强的地方瞳孔缩小以免过多光线进入眼睛伤害视网膜，到了暗的地方瞳孔放大以便使更多的光线射向视网膜从而看清楚东西。
数字图像处理复习要点总结
数字图像处理复习要点总结1、离散的图像信息的熵：一幅图像如果有，，，…，共q 中幅度值，1s 2s 3s q s 并且出现的概率分别为，，，…，，那么每一种幅度值所具有的1P 2P 3P q P 信息量分别为，，，…，。
其平均信息1(log 12P 1(log 22P 1(log 32P )1(log 2qP 量即为熵，记为H 。
∑∑==-==q i i i qi i i P P P P H 1212log 1log 2、图像处理系统中常用的输入设备：（1）电视摄像机：摄像器件把输入的二维辐射（光学图像）信息转换为适宜处理和传输的电信号，然后经荧屏显示。
（2）飞点扫描设备：在水平和垂直两个偏转电路的控制下，CRT 的光点通过透镜光学系统在画面上逐行逐点依次扫描，与图像上亮度相对应的反射光由光电倍增管接受并转换为成比例的电流信号，经放大和A/D 变换，送计算机处理。
（3）鼓形扫描器：照片或负片安放在鼓形滚筒上，由光线照射或从内部光源透射在图像上，再由光线系统收集后送至光电倍增管，变换成电信号，经放大后送至A/D 变换器，再经高速数据接口送入计算机。
（4）微密度计：一种平台机械扫描式的光电转换图像输入设备，使用计算机控制旋转被测样片的平台，作x ，y 方向运动，可形成逐行扫描、螺旋扫描、随机扫描及跟踪扫描。
（5）其它图像输入设备：光敏二极管矩阵图像信息传感器、激光扫描器和图像位置检出器等。
3、三基色混色及色度表示原理（1）相加混色（彩色电视机）和相减混色（彩色电影、幻灯片、绘画原料）；（2）相加、相减混色区别：一、相加混色是由发光体发出的光相加而产生各种颜色，而相减混色是先有白色光，尔后从中减去某些成分（吸收）得到各种颜色；二、相加混色的三基色是红、绿、蓝，而相减混色的三基色是黄、青、紫，也就是说相加混色的补色就是相减混色的基色。
（3）格拉斯曼定律：一、所有颜色都可以用互相独立的三基色混合得到；二、假如三基色的混合比例相等，则色调和色饱和度也相等；三、任意两种颜色相混合产生的新颜色与采用三基色分别合成这两种颜色的各自成分混合起来得到的结果相等；四、混合色的光亮度是原来各分量光亮度的总和。
- 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。
特点：依赖起始像素位置，避免徒劳处理，可能会提高精度，用于边界线等高线的跟踪。
（4）位置不变处理/位置可变处理输出像素的值的计算方法与像素位置无关-位置不变处理。
（5）窗口处理/模板处理只对特定部分进行处理。
（矩形->窗口，任意形状->模板）（6）串行处理和并行处理串行处理：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。
并行处理：对各像素同时进行相同形式运算。
第三章图像变换目的：使图像处理问题简化，有利于特征提取。
线性位移不变系统：傅里叶变换是全局变换。
第四章图像增强目的：改善图像清晰度，将图像转换成一种更适合人或者机器进行分析处理的形式。
抑制没有用的信息，提高图像使用价值。
4.1图像增强的点运算（这一节在上一篇博客里写过了，这里不再重复。
）4.2空间域平滑噪声会使图像退化、质量下降、图像模糊、特征淹没。
为了抑制噪声改善图像质量所进行的处理称为平滑或去噪，可以在空间域和频率域中进行。
（1）局部平滑法（邻域平滑法/移动平均法）用像素邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。
常用的邻域有4-邻域、8-邻域。
.clc;clear all;..img = imread('412.jpg');..subplot(131),imshow(img),title('原图');..%添加均值为0，方差为0.02的高斯噪声。
..I = imnoise(img,'gaussian',0,0.02);..subplot(132),imshow(I),title('加噪声');..for i=1:3..J(:,:,i)=filter2(fspecial('average',3),I(:,:,i))/255;..end..subplot(133),imshow(J),title('均值平滑后的图像');.主要缺点：降低噪声的同时使图像产生模糊，特别是边缘和细节处。
为了克服简单局部平滑法的弊端，有许多保边缘细节的局部平滑算法。
（2）超限像素平滑法原理：将f(x,y)和g(x,y)之差的绝对值与选定的阈值进行比较，根据比较结果确定最后的灰度。
.%超限像素平滑法..clc;clear all;..img = imread('412.jpg');..I=rgb2gray(img);%灰度化..subplot(221),imshow(I);..[m,n]=size(I);..l=3;..L=ones(1);%1x1模板..S=ones(m-l+1,n-l+1);..for i=1:m-l+1..for j=1:n-l+1..S(i,j)=1/(l*l)*sum(sum(I(i:i+l-1,j:j+l-1)));%求平均..end..end..subplot(222),imshow(S,[]);..P=imnoise(I,'salt & pepper',0.05);%椒盐噪声..subplot(223),imshow(P);..T=30;%设置阈值..A=P;..for i=1:m-2..for j=1:n-2..if(abs(P(i,j)-S(i,j))>T)..A(i,j)=P(i,j);..else..A(i,j)=S(i,j);..end..end..end..subplot(224),imshow(A).随着邻域增大，去噪能力增强，但是模糊程度也大。
（3）灰度最相近的K个邻点平均法原理：在n×n的窗口内属于同一几何体的像素，她们灰度值将高度相关。
窗口中心像素的灰度值可以用窗口内与中心点灰度最接近的K哥邻点的平均灰度来代替。
（4）梯度倒数加权平滑法图像在一个区域内灰度变化比区域之间的变化小，在边缘的梯度绝对值比区域内部梯度绝对值高。
在nxn窗口内把中心像素点与各个邻点之间剃度绝对值的倒数定义为各个邻点的加权值，则在区域内部的邻点加权值大，边缘、区域外的加权值小。
这样对加权后的nxn邻域进行局部平均可以使得图像得到平滑又不至于边缘细节模糊。
（5）最大均匀性平滑找出环绕图中每个像素的最均匀区域（灰度变化最小的邻域），用这个区域的灰度值代替这个像素原来的灰度值。
优点：消除噪声的同时保持边缘的清晰度。
缺点：复杂形状的边界会过分平滑并且细节消失。
（6）有选择保边缘平滑法最大均匀性平滑的改进。
（7）空间低通滤波法（8）多幅图像平均法利用对同一景物的多幅图像加权平均来消除噪声。
（9）中值滤波（非线性的图像平滑法）对一个滑动窗口内的各个像素灰度值排序，用中值代替窗口中心像素的原灰度值。
对脉冲干扰及椒盐噪声的抑制效果好，但是对点线等细节较多的图像不合适。
特性：对离散阶跃信号、斜升信号不产生影响，连续个数小于窗口长度一半的离散脉冲将被平滑，三角函数的顶部平坦化。
滤波后信号频谱基本不变。
比超限像素平滑法更有效抑制椒盐噪声。
4.3图像空间域锐化增强边缘/轮廓。
4.3.1梯度锐化法对于一幅图像突出的边缘区，梯度值较大，平滑区梯度值较小。
灰度级为常数的区域，梯度为0。
其他算子：Roberts算子、Sobel算子、Prewitt算子、Laplace算子（线性二阶微分算子）等。
4.4图像频率域增强包括：消除噪声、突出边缘。
4.4.1频率域平滑噪声主要集中在高频，所以利用低通滤波器来抑制高频部分。
常用的频率域低通滤波器：（1）理想低通滤波器（2）巴特沃斯低通（3）指数低通（4）梯形低通4.4.2频率域锐化边缘细节在高频，图像模糊是由于高频成分太弱，所以用高通滤波器使得低频成分削弱。
常用的高通滤波器：（1）理想高通（2）巴特沃斯（3）指数（4）梯形第五章图像复原和重建一般过程：分析退化原因->建立退化模型->反向推演->恢复图像图像复原和图像增强的区别：二者的目的都是为了改善图像质量，但是图像增强不考虑图像是怎么退化的，只是通过试探各种技术来增强图像的视觉效果。
图像增强可以不顾增强后的图像是否失真。
图像复原必须要知道图像退化的机制和过程的先验知识，找出一种相应的逆过程方法，从而得到复原的图像。
如果图像退化，需要先复原，再增强。
第七章图像分割图像分析：（1）把图像分割成不同区域/把不同对象分开。
（2）找出分开的各区域的特征。
（3）识别图像中要找的对象/图像分类。
（4）对不同区域进行描述/寻找不同区域的相互联系，进而找出相似结构/相关区域连成一个有意义的结构。
（2）是指各个子区域不重叠。
（3）是指同一个区域的像素应该有某些相同的特征。
（4）是指不同区域的像素应该有一些不同的特征。
分割方法：（1）基于边缘提取的分割法-先提取区域边界（2）区域分割（3）区域增长（4）分裂-合并（2,3的组合）7.2边缘检测算子（和图像锐化差不多，这里不写出来了。
）7.3边缘跟踪（将检测的边缘点连接成线）有：光栅扫描跟踪\全向跟踪法。
7.4Hough变换7.5区域分割法7.5.1最简单图像的区域分割法（1）P参数法（目标所占图像面积已知）（2）状态法（灰度直方图双峰/有明显的谷）（3）判断分析法（不能反映图像几何结构）（4）最佳熵自动阈值法（5）最小误差分割（感兴趣目标灰度级服从正态分布）（6）局部阈值法7.6区域增长区域增长/扩张法有：单一性、质心型、混合型。
第八章二值图像处理与形状分析8.1.3连接成分0像素和1像素要采用互反的连接形式。
孔：0像素的连接成分中如果存在和图像外围的1列/行的0像素不相连接的成分称为孔。
不含孔的1像素连接成分叫单连接，否则是多连接成分。
8.1.4欧拉数欧拉数/示性数：二值图像中，1像素连接成分数C减去孔数H的值。
E=C-H8.3形状特征提取与分析分为：区域内部形状特征提取、区域外部形状特征提取第九章影像纹理分析9.5灰度共生矩阵在图像中任意一点（x,y）及偏离它的一点(x+a,y+b)(其中a，b为整数，认为定义)构成点对。
设该点对的灰度值为(f1,f2),假设图像的最大灰度级为L,则f1与f2的组合共有L*L种。
对于整福图像，统计每一种(f1,f2)值出现的次数，然后排列成一个方阵，再用(f1,f2)出现的总次数将它们归一化为出现的概率P(f1,f2)，由此产生的矩阵为灰度共生矩阵。
摘录自：「sunny_develop」我觉得他写的很好，可以参考这个。