图像名词解释加问答

7. 细化：提取线宽为一个像元大小的中心线的操作。
8、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。
9 、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。
10、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)
一般来讲,对图像进行处理(或加工、分析)的主要目的有三个方面:
(1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。
(2)提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是模式识别或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。
（4）噪声滤除
对图像中的噪声进行滤除是图像预处理中不可缺少的操作。将开启和闭合运算结合起来可构成形态学噪声滤除器。滤除噪声就是进行形态学平滑。实际中常用开启运算消除与结构元素相比尺寸较小的亮细节，而保持图像整体灰度值和大的亮区域基本不变；用闭合运算消除与结构元素相比尺寸较小的暗细节，而保持图像整体灰度值和大的暗区域基本不变。将这两种操作综合起来可达到滤除亮区和暗区中各类噪声的效果。同样的，结构元素的选取也是个重要问题。
一个系统，如果系统特征T[?]不受输入序列移位（序列到来的早晚）的影响，则系统称为移不变系统。由于很多情况下序号对应于时间的顺序，这时也把“移不变”说成是“时不变”。用数学式表示：
对于y(n)= T[x(n)] 若y(n- )=T[x(n- )] (2.16)
则系统是移不变的。
既满足线性，又满足移不变条件的系统是线性移不变系统。这是一种最常用、也最容易理论分析的系统。这里约定：此后如不加说明，所说的系统均指线性移不变/时不变系统，简称LSI/LTI系统。
19.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
20. 数据压缩：指减少表示给定信息量所需的数据量。
1． 灰度直方图：灰度直方图（histogram）是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每种灰度出现的频率。它是多种空间域处理技术的基础。直方图操作能够有效用于图像增强；提供有用的图像统计资料，其在软件中易于计算，适用于商用硬件设备。 灰度直方图性质：1）表征了图像的一维信息。只反映图像中像素不同灰度值出现的次数（或频数）而未反映像素所在位置。2）与图像之间的关系是多对一的映射关系。一幅图像唯一确定出与之对应的直方图，但不同图像可能有相同的直方图。3）子图直方图之和为整图的直方图。
2． 线性移不变系统：一个系统，如果满足线性叠加原理，则称为线性系统，用数学语言可作如下描述：
对于 ，
若T[a +b ]=aT[ ]+bT[ ]=a +b (2.15)
则系统T[?]是线性的。
这里， 、 分别是系统输入， 、 分别是系统输出。T[?]表示系统变换，描述了输入输出序列关系，反映出系统特征。对T[?]加上不同的约束条件，可定义不同的系统。
直方图修正的例子
假设有一幅图像，共有6 4(6 4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=1．00
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：
答：有影响，应先进行高频加强，再进行直方图均衡化。
高频加强是针对通过高通滤波后的图像整体偏暗，因此通过提高平均灰度的亮度，使图像的视觉鉴别能力提高。再通过直方图均衡化将图像的窄带动态范围变为宽带动态范围，从而达到提高对比度的效果。若先进行直方图均衡化，再进行高频加强，对于图像亮度呈现较强的两极现象时，例如多数像素主要分布在极暗区域，而少数像素存在于极亮区域时，先直方图均衡化会导致图像被漂白，再进行高频加强，获得的图像边缘不突出，图像的对比度较差。
2、当在白天进入一个黑暗剧场时，在能看清并找到空座位时需要适应一段时间，试述发生这种现象的视觉原理。
答：人的视觉绝对不能同时在整个亮度适应范围工作，它是利用改变其亮度适应级来完成亮度适应的。即所谓的亮度适应范围。同整个亮度适应范围相比，能同时鉴别的光强度级的总范围很小。因此，白天进入黑暗剧场时，人的视觉系统需要改变亮度适应级，因此，需要适应一段时间，亮度适应级才能被改变。
2． 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
4. 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。
5. 无损压缩：可精确无误的从压缩数据中恢复出原始数据。
6. 灰度直方图：灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数。或：灰度直方图是指反映一幅图像各灰度级像元出现的频率。
3． 图像分割：为后续工作有效进行而将图像划分为若干个有意义的区域的技术称为图像分割(Image Segmentation)
而目前广为人们所接受的是通过集合所进行的定义：
令集合R代表整个图像区域，对R的图像分割以看做是将R分成N个满足以下条件的非空子集R1，R2，R3，…，RN；
数学形态学用于图像分割的缺点是对边界噪声敏感。为了改善这一问题，刘志敏等人提出了基于图像最大内切圆的数学形态学形状描述图像分割算法和基于目标最小闭包结构元素的数学形态学形状描述图像分割算法，并使用该算法对二值图像进行了分割，取得了较好的效果。
（3）形态骨架提取
形态骨架描述了物体的形状和方向信息。它具有平移不变性、逆扩张性和等幂性等性质，是一种有效的形状描述方法。二值图像A的形态骨架可以通过选定合适的结构元素B，对A进行连续腐蚀和开启运算来求取，形态骨架函数完整简洁地表达了形态骨架的所有信息，因此，根据形态骨架函数的模式匹配能够实现对不同形状物体的识别。算法具有位移不变性，因而使识别更具稳健性。
S0≈1／7，s 1≈3／7，s2≈5／7，s3≈6／7， s4≈6／7，s5≈1，s6≈l，s7≈1。
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’=l／7，s1’=3／7，s2’=5／7，s3’=6／7，s4’=l。
因为由rO=0经变换映射到sO=1／7，所以有n0=790个象素取sO这个灰度值；由rl=3／7映射到sl=3／7，所以有1 02 3个象素取s 1这一灰度值；依次类推，有850个象素取s2=5／7这一灰度值；由于r3和r4均映射到s3=6／7这一灰度值，所以有656+329=98 5个象素都取这一灰度值；同理，有245+1 22+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。
若截止频率越低，即D0越小，则sinc函数主瓣越大，表现为中心环越宽，相应周围环（旁瓣）越大。而中心环主要决定模糊，旁瓣主要决定振铃效应。因此当介质频率较低时，会产生很强的振铃效应。选择适当的截止频率，会减小振铃效应。
将高频加强和直方图均衡相结合是得到边缘锐化和对比度增强的有效方法。上述两个操作的先后顺序对结果有影响吗？为什么？
15.量化： 把采样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化，即采样点亮度的离散化。
16.灰度图像： 指每个像素的信息由一个量化的灰度级来描述的图像，它只有亮度信息，没有颜色信息。
17.色度： 通常把色调和饱和度通称为色度，它表示颜色的类别与深浅程度。
18.图像锐化：是增强图象的边缘或轮廓。
（1）在分割结果中，每个区域的像素有着相同的特性
（2）在分割结果中，不同子区域具有不同的特性，并且它们没有公共特性
（3）分割的所有子区域的并集就是原来的图像
（4）各个子集是连通的区域
4． 数字图像处理：数字图像处理（Digital Image Processing）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。
4． 简述数学形态学在图像处理中的应用？
近年来，数学形态学在图像处理方面得到了日益广泛的应用。下面主要就数学形态学在边缘检测、图像分割、图像细化以及噪声滤除等方面的应用做简要介绍。
（1）边缘检测
边缘检测是大多数图像处理必不可少的一步，提供了物体形状的重要信息。数学形态学运算用于边缘检测，存在着结构元素单一的问题。它对与结构元素同方向的边缘敏感，而与其不同方向的边缘（或噪声）会被平滑掉，即边缘的方向可以由结构元素的形状确定。但如果采用对称的结构元素，又会减弱对图像边缘的方向敏感性。所以在边缘检测中，可以考虑用多方位的形态结构元素，运用不同的结构元素的逻辑组合检测出不同方向的边缘。
11 、灰度直方图：以灰度值为自变量，灰度值概率函数得到的曲线就是灰度直方图。
12.无失真编码：无失真编码是指压缩图象经解压可以恢复原图象，没有任何信息损失的编码技术。