数字图像处理复习

第一章

填空：

图像处理是一个从图像到图像的过程。

图像分析：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，建立对图像的描述。是从图像到数据的过程。

图像理解：研究图像中个目标的性质和它们之间的相互联系；得出图像内容含义的理解及原来客观的场景的解释。

一幅图像可以定义为一个二维函数f()，其中是空间坐标，而在任何一对空间坐标()处的幅值f称为图像在该点出的强度或灰度。当和灰度值f 是有限的离散数值时，称该图像为数字图像。

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、图像输出五个模块组成。

应用实例：

伽马射线成像：医学（核医学），天文观测

X射线成像：医学诊断，工业，天文观测

紫外波段成像：平板印刷术，工业检测，显微镜方法，激光，生物成像,天文观测

可见光及红外波段成像：光显微镜方法，天文学（天气预报与观测，卫星多光谱成像），遥感，工业检测

微波波段成像：雷达：不受气候、光照条件影响，可以穿透云层，透过植被、冰层和极干燥地区

无线电波成像：医学（超声波），地质勘探

第二章

人眼对不同亮度的适应和鉴别能力：亮→暗：适应慢；暗→亮：适应快

f()= i()r()（入射光分量i() ：0 < i() < ∞；反射光分量r() ：0 < r() < 1）

存储一幅大小为M×N，有2k个不同灰度级的图像所用的比特数为：×N×k 最近邻内插方法：在原图上寻找最靠近的像素并把它的灰度值赋给栅格上的新像素：

v(x’’)()

双线性内插：用4个最近邻去估计给定位置的灰度：

v()

双三次内插：包括16个最邻近点：v()=∑0-3∑0-3’y’

三种距离度量函数：

欧氏距离：（）=[()2+()2]1/2

D4距离（城区距离）：D4（）

D8距离（棋盘距离）：D8（）()

（距离用点间的最短通路定义）

D8距离<欧氏距离

填空：

主观亮度是进入人眼光强度的对数函数。

虽然条带的强度恒定，但实际感觉到了一幅带有毛边的图形，即边缘处亮的一边更亮，暗的一边更暗，称之为马赫带效应。

同时对比现象：感觉的亮度区域不是简单地取决于强度。

传感器装置用来把照射量变为数字图像。

三种主要传感器：单个成像传感器、条带传感器、阵列传感器。

空间坐标的离散化称为取样；灰度的离散化称为量化 .

对传感器输出的量化就完成了产生数字图像的过程。

灰度级的取值范围一般称为图像的动态范围。

空间分辨率：图像空间中可分辨的最小细节的度量。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。

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。

像素的相邻仅说明了两个像素在位置上的关系，若在加上取值相同或相近，则称两个像素邻接。

两个像素邻接的条件：位置相邻；灰度值相近（∈V{v12}）

三种邻接类型： 4邻接、 8邻接、 m邻接（混合邻接）

M邻接消除了8邻接产生的二义性。

若S是图像中的一个像素子集，对任意的∈S，如果存在一条由S中像素组成的从p到q的通路，则称p在图像集S中与q 连通，连通也分为4连通和8连通。

R是图像中的像素子集。如果R是连通集，则称R为一个区域。

距离度量函数满足的条件：正定性、对称性、距离三角不等式

取样和量化的原则：

当限定数字图像的大小时，为了得到质量较好的图像，一般可采用如下原则：对于有大量细节的图像只需要少数的灰度级。

（1）对缓变的图像，应该细量化，粗采样，以避免假轮廓。

（2）对细节丰富的图像，应细采样，粗量化，以避免模糊（混叠）。

第三章

灰度变换函数：

图像反转：1；（增强嵌入于图像暗色区域的白色或灰色细节）

对数变换：（1）；（扩展图像中的暗像素，同时压缩跟高灰度级的值）

幂次变换：γ

直方图的性质：

（1）不能反映某一灰度值像素所在的位置

（2）图像与直方图之间是多对一的映射关系

（3）整幅图像的直方图是各区域直方图之和

直方图匹配（直方图规定化处理）：使处理后的图像具有指定灰度直方图的增强方法。

均值滤波器（平滑线性滤波器）：用包含在滤波掩模邻域内的像素的平均灰度值去代替每个像素点的值。

统计排序滤波器：响应基于图像滤波器包围的图像区域中像素的排序，然后由统计排序结果代替中心像素的值。（中值滤波器：使拥有不同灰度的点看起来更接近于它的邻域：用于去除“椒盐”噪声）

锐化处理的主要目的：突出灰度的过渡部分，增强图像中的细节

拉普拉斯算子应用：强调图像中灰度的突变及衰减灰度慢变化区域的灰度。（这将产生一幅把图像中的浅灰色边线和突变点叠加到暗背景中的图像）将原始图像和拉普拉斯图像叠加在一起的方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。

填空：

如果将图像中像素灰度级看成是一个随机变量，则其取值分布情况就反映了图像的统计特性，这一特性可用灰度直方图来描述。

灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率。

模板又称滤波器、核、掩模、窗口等，是一个小的二维阵列。

模板的系数值决定了增强处理的性质，如平滑、锐化等，这种增强方法又称空间域滤波。

直方图均衡化，是指寻找一个灰度变换函数：（r）使变换后的图像的像素值占有全部的灰度级并且分布均匀，从而得到一幅灰度级丰富且动态范围大的图像（即高对比度图像）

使用空间模板进行的图像处理，被称为空间滤波。模板本身被称为空