数字图像处理重点

第一章名词解释：

(2）数字图像:指由被称作像素的小块区域组成的二维矩阵。将物理图像行列划分后,每个小块称为像素. （4)数字图像处理：计算机技术或其他数字技术，对图像信息进行某些数字运算和各种加工处理,以改善图像的视觉效果和提高数字实用性的技术。

第二章名词解释

(12）图像采样:将空间上连续的图像变换成离散点的操作称为采样,就是对图像的连续空间坐标x和y的离散化。

(１4)图像灰度级量化:对图像函数的幅值ｆ的离散化。

(28)欧氏距离:像素p和ｑ之间的欧氏（Euclｉｄeaｎ）距离定义为：

De(ｐ,q)=[(ｘ-u)2+（y-v）２]1/２(2.１2）

也即,所有距像素点(x,y)的欧氏距离小于或等于d的像素都包含在以(x,ｙ)为中心,以d为半径的圆平面中。

(2９）街区距离:像素p和q之间的D4距离,也即街区（ciｔy－ｂlock）距离，定义为：

D4(ｐ,q）=|x－ｕ| + ｜y-v| （2.１3）

也即,所有相距像素点（x,ｙ）的D4距离为小于d或等于d的像素组成一个中心点在（x,y)的菱形。(３０）棋盘距离：像素p和q之间的D8距离,也即棋盘距离,定义为:

Ｄ8（ｐ,q)=mａx(|x-u|，|y－v|)（2.１４）

也即,所有距像素点(x,ｙ)的D8距离为小于d或等于d的像素组成一个中心点在(x,y）的方形

（33)调色板:在16色或2５６色显示系统中,将图像中出现最频繁的１６中或２56中颜色组成一个颜色表,并将他们分别编号为0-15或0-25５，这样就是每一个4位或8位的颜色编号与颜色表中4

位颜色值相对应。这种4位或者8位的颜色编号成为颜色的索引号，有颜色索引号及其对应

的24位颜色值组成的表成为颜色查找表,也即调色板。

第四章名词解释

（1)空间域图像增强:在图像平面中对图像的像素灰度值进行运算处理，使之更适合于人眼的观察或机器的处理的一种技术。

（７）图像锐化：图像锐化是一种突出和加强图像中景物的边缘和轮廓的技术。课本Ｐage8４

(１0)领域平均:一种基本的空间域噪声消除方法或噪声平滑方法。Page9３

（13）中值滤波：一种能够很好地弥补领域平均方法不足的图像噪声消除方法。

第五章名词解释

(1)图像恢复:是一种从图像退化的数学或概率模型出发，研究改进图像外观，从而使恢复以后的图像尽可能

地反映原始图像的本来面目的一种技术，其目的是获得与景物真实面貌相像的图像。

(4）高斯噪声：是一种源于电子电路噪声和由低照明度或高温带来的传感器噪声。高斯噪声也称为正态噪声，其概率密度函数为:

其中，高斯随机变量z表示灰度值；μ表示z的平均值或期望值；σ表示z的标准差，而标准差的平方σ2称为ｚ的方差。

（６）椒盐噪声:又称脉冲噪声，(双极)脉冲噪声的概率密度为:

式中表示的脉冲噪声在Pa或Ｐb均不可能为零,且在脉冲可能是正的,也可能是负值的情况下,称为双极脉冲噪声。如果ｂ>a，灰度b的值在图像中将显示一个亮点，而灰度ａ的值在图像中将显示一个暗点。如果P ａ或Pb均不可能为零,尤其是它们近似相等时，脉冲噪声值就类似于随机分布在图像上的胡椒和盐粉微粒，所以双极脉冲噪声也称为椒盐噪声.

式中表示的脉冲噪声如果Pa或Pb为零,则脉冲噪声称为单极脉冲噪声。

通常情况下脉冲噪声总是数字化为允许的最大值或最小值，所以负脉冲以黑点(胡椒点）出现在图像中，正脉冲以白点(盐点)出现在图像中。

第六章名词解释：

(2)编码冗余:由于大多数图像的直方图不是均匀(水平）的,所以图像中某个(或某些）灰度级会比其它灰度级具有更大的出现概率,如果对出现概率大和出现概率小的灰度级都分配相同的比特数,必定会产生编码冗余。(3）图像间冗余：所谓“像素间的冗余”，是指单个像素携带的信息相对较少，单一像素对于一幅图像的多数视觉贡献是多余的, 它的值可以通过与其相邻的像素的值来推断。

（7)保真度准则：由于图像的有损压缩有一定的信息损失，所以在对压缩的图像进行解压缩后获得的图像可能会与原图像不完全相同,这样就需要有一种对信息损失的程度进行度量的标准，以描述解压缩所获得的图像相对于原图像的偏离程度。保准度准则就是这样一种用于评价压缩后图像质量的量度标准。

主观保真度准则:通过给一组观察者提供原图像和典型的解压缩图像，由每个观察者对解压缩图像的质量给出一个主观评价,并将他们的评价结果进行综合平均,从而得出一个统计平均意义上的评价结果。这种评价方法称为主观保真度准则。

第七章名词解释

（1)图像分割：图像分割就是依据图像的灰度、颜色、纹理、边缘等特征，把图像分成各自满足某种相似性准则或具有某种同质特征的连通区域的集合的过程。

（２)图像边缘：图像边缘意味着图像中一个区域的终结和另一个区域的开始,图像中相邻区域之间的像素集合构成了图像的边缘。进一步讲，图像的边缘是指图像灰度发生空间突变的象素的集合。

（4)基于阀门的图像分割方法：基于阈值的图像分割方法是提取物体与背景在灰度上的差异，把图像分为具有不同灰度级的目标区域和背景区域的一种图像分割技术。

（６）基于跟踪的图像分割方法是先通过对图像上的点的简便运算,来检测出可能存在的物体上的点，然后在检测到的点的基础上通过跟踪运算来检测物体的边缘轮廓的一种图像分割方法。

（16)纹理：纹理就是由纹理基元按某种确定性的规律或者某种统计规律排列组成的一种结构。

(19）监督分类:监督分类是对图像中样本区内的地物类属已有先验知识的情况下，利用这些样本类别的特征作为依据来判别非样本数据的类别。

第十章名词解释

(１)链码：链码是一种用若干条具有特定长度和方向的线段连接起来表示目标边界的方法。

（6）统计矩:如果将目标边界看作一系列直线段，那么边界线段的形状可以利用一些简单的统计矩如均值，方差和高阶矩等,利用其对边界进行描述具有对旋转不敏感和边界空间位置无关的特点。（paｇe26７)

第一章简答题：

3、数字图像处理技术研究的基本内容包括哪些?

答：包括图像变换、图像增强、图像恢复、图像压缩编码、图像特征提取、形态学图像处理方法等。彩色图像、多光谱图像和高光谱图像的处理技术沿用了前述的基本图像处理技术,也发展出了一些特有的图像处理技术和方法。

数字图像处理目的:

提高图像的视感质量，以达到赏心悦目的目的。

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。

对图像数据进行变换、编码和压缩，便于图像的存储和传输。

数字图像处理的主要内容:

不管图像处理是何种目的,都需要用计算机图像处理系统对图像数据进行输入、加工和输出,因此数字图像处理研究的内容主要有以下8个部分:

1）图像获取、表示和表现

该过程主要是把模拟图像信号转化为计算机所能接受的数字形式,以及把数字图像显示和表现出来（如打印)。这一过程主要包括摄取图像及数字化等几个步骤。

２) 图像复原

当造成图像退化（图像品质下降）的原因已知时,复原技术可以对图像进行校正。图像复原最关键的是对每种退化都需要有一个合理的模型。退化模型和特定数据一起描述了图像的退化,因此，复原技术是基于模型和数据的图像恢复,其目的是消除退化的影响, 从而产生一个等价于理想成像系统所获得的图像。

3）图像增强

图像增强是对图像质量在一般意义上的改善。当无法知道图像退化有关的定量信息时,可以使用图像增强技术较为主观地改善图像的质量。有时可能需要彻底改变图像的视觉效果,以便突出重要特征的可观察性，使人或计算机更易观察或检测。在这种情况下，可以把增强理解为增强感兴趣特征的可检测性,而非改善视感质量。

4）图像分割

把图像分成区域的过程就是图像分割。图像中通常包含多个对象，图像处理为达到识别和理解的目的,几乎都必须按照一定的规则将图像分割成区域,每个区域代表被成像的一个物体。

5) 图像压缩编码

数字图像的特点之一是数据量庞大。因此在实际应用中图像压缩是必需的。图像编码主要是利用图像信号的统计特性及人类视觉的生理学及心理学特性,对图像信号进行高效编码，即研究数据压缩技术,目的是解决数据量大的矛盾。一般来说,图像编码的目的有三个：①减少数据存储量；②降低数据率以减少传输带宽; ③压缩信息量，便于特征提取,为后续识别作准备。

６）图像处理中的频域变换

数字图像处理的方法主要分为:一是空域法,二是频域法.把图像变换到频率域可以从另一个角度来分析图像的特性,以便更准确地处理它．在频域处理法中最为关键的预处理便是变换处理. 目前,在图像处理技术中，频率域变换正被广泛地运用于图像的特征提取，图像增强,图像复原以及图像的变换编码等领域中．7) 目标表达与描述

通过图像分割把图像空间分成一些有意义的区域，然后采用不同于原始图像的适当形式将目标表示出来，并对目标特征进行描述，再对图像进行分析和理解处理

图像分割的结果要么是区域内的像素的集合,要么是位于区域边界上的像素的集合,所以对图像中目标的表达方法分为区域表达和边界表达,对目标的描述一般也分为对边界的描述和对区域的描述

8)形态学

以形态为基础对图像进行分析的一类数学工具。

?基本思想是用具有一定形态的结构元素，去量度和提取图像中的对应形状,以达到对图像分析和识别的目的。

?初期的数学形态学方法仅可应用于二值图像,所以需将灰度图像先进行二值化。后来灰度形态学得到发展,使得数学形态学方法不仅可用于二值图像也可直接应用于各种灰度图像和彩色图像。

第二章简答题:

2.１5 一幅200X3０0的二值图像,1６灰度级图像和256灰度级图像分别需要多少存储空间?

答：二值图像：２00X３00Ｘ1／8=７500B

1６灰度级图像:2０0X３00Ｘ4/8=3000０Ｂ

２56灰度级图像：２0０X３00X8/8=60００0B

第四章简答题

4.2直方图均衡的基本思想是什么？直方图均衡图像增强处理的主要步骤是什么?

直方图均衡化是一种借助于直方图变换实现灰度映射从而达到图像增强的目的.

直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式,这样就增加了像素灰度值的动态范围,从而可以达到增强图像整体对比度的效果.

步骤:(１)计算原图像的归一化灰度级别及其分布概率pr(ｒk)=nk／n。

(2）根据直方图均衡化公式(４．13)求变换函数的各灰度等级值ｓｋ。

(3）将所得的变换函数的各灰度等级值转化成标准的灰度级别值。也即把第(2）步求得的各ｓk值，按靠近原则近似到与原图像灰度级别相同的标准灰度级别中。此时获得的即是均衡化后的新图像中存在的灰度级别值,其对应的像素个数不为零;对于那些在变换过程中“被丢失了的”灰度级别值,将其像素个数设为零。（４)求新图像的各灰度级别值sl’(ｌ=0,１,…,L－１)的像数数目。在前一步的计算结果中，如果不存在灰度级别值sｌ’，则该灰度级别的像素数目为零;如果存在灰度级别值sl’,则根据其与之相关的sk=Ｔ(rk)和sk的对应关系，确定该灰度级别sl’的像数数目。

(5）用sk代替ｓl’(k，ｌ=0,1,…,L-1),并进而求新图像中各灰度级别的分布概率ps(ｓk）＝mk/ｎ。

(6)画出经均衡化后的新图像的直方图。

4．3直方图规定化的基本思想是什么？直方图规定化图像增强处理的主要步骤是什么？

直方图均衡化能够自动增强整个图像的对比度,但它的具体增强效果不容易控制，处理的结果总是得到全局均匀化的直方图。实际上有时需要有选择地增强某个灰度值范围内的对比度。这时可以采用比较灵活的直方图规定化。

所谓直方图规定化,就是通过一个灰度映像函数，将原灰度直方图改造成所希望的直方图。

用直方图规定化方法进行图像增强的步骤：

（1）对原图像的直方图进行均衡化。

（2）规定期望的直方图(也即规定期望的灰度概率密度函数pz(ｚk))，并求规定直方图的均衡化变换G(zk)。

(3)将原直方图对应映射到规定的直方图。

(4)根据建立的ｒk与zｋ的映射关系确定新图像各灰度级别的像数数目,也即在新图像中,灰度级为zｋ的像素个数等于原图像中灰度级为ｒk的像素个数之值。并进而计算其概率分布密度而得到最后的直方图。４.4已知有一幅大小６4X64的图像,灰度级是8。图像中各灰度级的像素数目和概率分布如下表所示。试用直方图均衡方法对该图像进行增强处理,并画出处理前后的直方图。

４.9图像平滑(低通滤波）的主要用途是什么?该操作会对图像质量带来什么负面影响?

图像平滑的主要用途是消除图像中的噪声。

该操作对图像质量带来的负面影响是：由于平滑算子实质是一种低通滤波器,且图像中的边缘反映的是图像中的细节和高频信息，所以在利用邻域平均法进行图像平滑或利用低通滤波进行图像消噪的同时,会使图像的边缘变得模糊。并且，进行图像平滑的模板的大小与图像平滑的效果密切相关，模板尺寸越大,平滑后的图像就越模糊。

4.1０图像锐化（高通滤波)的主要用途是什么?该操作会对图像质量带来什么负面影响？

图像锐化主要用于突出和加强图像中景物的边缘和轮廓。

该操作对图像质量带来的负面影响是:由于锐化算子实质是一种高通滤波器,通过图像锐化在增强图像边界和细节的同时，也使噪声得到了加强。另外，各向异性算子由于算子中间一行/一列两边元素的相反值特征,会使锐化后的图像的边缘比较粗。因此,进行图像锐化处理的图像应有较高的信噪比，否则经锐化后的图像的质量会进一步降低。

４．１１中值滤波的主要用途是什么?与低通滤波相比,它有哪有优越性?

中值滤波的主要用途是消除图像中的噪声,并且对于消除图像中的随机噪声和脉冲噪声非常有效。

与频率低通滤波相比，中值滤波运算简单,在滤除噪声的同时能很好的保护图像的边缘和锐角等细节信息。

第六章

６.2图像压缩的目的是什么?

图像压缩的目的是在满足一定的图像质量条件下，用尽可能少的比特数来表示原图像，也即尽量降低一幅图像的数据量,从而减少图像的存储容量和提高图像的传输效率。

6.３常规的客观保真度准则是什么?并写出他们的数学定义公式。

6.7变长编码的基本思想是什么?符号编码器的功能是什么？

变长编码的基本思想是用尽可能少的比特数表示出现概率尽可能大的灰度级，以实现数据的压缩编码。最常用的变长编码包括费诺码、霍夫曼编码、二进制编码、B１码、B２码、二进制移位码等。

6.１０

6.11

6.12

7．2图像分割的依据是什么?

图像分割的依据是认为图像中各区域具有不同的特性,这些特性可以是灰度、颜色、纹理等。而灰度图像分割的依据是基于相邻像素灰度值的不连续性和相似性。也即同一区域内部的像素一般具有灰度相似性，而在不同区域之间的边界上一般具有灰度不连续性。所以灰度图像的各种分割算法可据此分为利用区域间灰

度不连续的基本边界的图像分割算法和利用区域内灰度相似性的基于区域的图像分割算法。

7.3常用的图像分割方法主要包括哪几类?

常用的图像分割方法主要包括以下四类。

（1）基于边缘检测的图像分割方法,其基本思路是先确定图像中的边缘像素,然后可把它们连接在一起构成所需的边界。它包括梯度边缘检测、二阶微分边缘检测和Houｇh变换等。

（2）基于阈值的图像分割方法,它是提取物体与背景在灰度上的差异,把图像分为具有不同灰度级的目标区域和背景区域的一种图像分割技术，适用于那些物体与背景在灰度上有较大差异的图像分割问题,严格的说,它属于区域分割技术,包括阈值化分割方法、半阈值化分割方法和基于双峰形直方图的阈值选取等。

（3）基于跟踪的图像分割方法,是先通过对图像上的点的简便运算，来检测出可能存在的物体上的点，然后在检测到的点的基础上通过跟踪运算来检测物体边缘轮廓的一种图像分割方法。它包括轮廓跟踪法和光栅跟踪法等。

（4）基于区域的图像的分割方法,是根据图像的灰度、纹理、颜色和图像像素统计特征的均匀性等图像空间局部特征,把图像中的像素规划到各个物体或区域中，进而将图像分割成若干个不同区域的一种分割方法。它包括区域生长法和分割合并法等。

7.8 Hough变换的基本思想是什么?

Hｏuｇh变换的基本思想是将图像空间Ｘ-Y变换到参数空间P-Ｑ,利用图像空间Ｘ－Ｙ与参数空间P-Q的点——线对偶性,通过利用图像看空间X－Y中的边缘数据点去计算参数空间P-Q中参数点的轨迹，从而将不连续的边缘像素点连接起来，或将边缘像素点连接起来组成封闭边界的区域，从而实现对图像中直线段、圆和椭圆的检测。

假设边界链码的起始点是图中最上面自左至右的第一个边界点(第1行网格线与第4列网格线的交点),则该图的四方向链码是:0３03３3３323２22１111１1010 ,八方向链码是：06７66 ６5５43 222２１1.