关于图像处理中特征点描述算子的一点总结
关于图像处理中特征点描述算子的一点总结
1.SIFt算子SIFT算子是David
G Lowe在2004提出的，即尺度不变特征变换(Scale Invariant Feature Transform)。它是以尺度空间的构造为基础的局部特征描述算子，对于图像的缩放、旋转和放射变换等具有不变性。SIFT算子在构建好的尺度空间的基础上搜索尺度空间中的极值点(特征点)，然后确定极值点的尺度信息以及位置，再确定极值点的方向(其邻域梯度的主方向)，最终可以得到具有鲁棒性的128维(4*4*8)的特征描述子。
2.surf特征
SURF mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">（Speed-Up Robust Features style="mso-bidi-font-size:12.0pt;line-height:125%; font-family:宋体;mso-ascii-font-family:"Times New Roman";mso-hansi-font-family: "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">）算子 style="mso-bidi-font-size:12.0pt; line-height:125%;font-family:宋 体;mso-ascii-font-family:"Times New Roman"; mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">选取图像在尺度空间上的极值点作为候选特征点。与SIFT mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">算子不同的是SURF mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">算子采用Hessian style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly:宋体;mso-ascii-font-family: "Times New Roman";mso-hansi-font-family:"Times New Roman";mso-bidi-font-family: "Times New Roman";mso-font-kerning:0pt;mso-ansi-language:FR">矩阵行列式近似值来构造金字塔。提取SURF style="mso-bidi-font-size: 12.0pt;line-height:125%;font-family:宋 体;mso-ascii-font-family:"Times New Roman"; mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">特征点需要4 mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">个步骤：提取SURF Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">特征，对于特征点进行定位，赋予主方向，生成特征点描述符。 3. BRIEF特征 BRIEF mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">特征(binary robust independent elementary features) style="mso-bidi-font-size:12.0pt;line-height: 125%;font-family:宋体;mso-ascii-font-family:"Times New Roman";mso-hansi-font-family: "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">是Calonder style="mso-bidi-font-size:12.0pt; line-height:125%;font-family:宋 体;mso-ascii-font-family:"Times New Roman"; Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">等 "Times New Roman";mso-font-kerning:0pt;mso-ansi-language:FR">在2010 mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">年提出来的，他采用二进制字符串作为特征点描述符，因而在速度和性能上都有着卓越的表现。其主要思路是：在特征点附近随机的选取若干点对，将这些点对的灰度值大小组合成一个长为256 mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">的二进制字串，并将这个二进制字串作为该特征点的特征描述子。由于其描述子利用二进制（“0” mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">和“1” mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">）编码，因此在特征匹配时只需计算2 mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">个特征点描述子的Hamming style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly:宋体;mso-ascii-font-family: "Times New Roman";mso-hansi-font-family:"Times New Roman";mso-bidi-font-family: "Times New Roman";mso-font-kerning:0pt;mso-ansi-language:FR">距离。大量实验表明，不匹配特征点的描述子的 Hamming style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly:宋体;mso-ascii-font-family: "Times New Roman";mso-hansi-font-family:"Times New Roman";mso-bidi-font-family: "Times New Roman";mso-font-kerning:0pt;mso-ansi-language:FR">距离在128 mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">左右，匹配点对描述子的Hamming style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly:宋体;mso-ascii-font-family: "Times New Roman";mso-hansi-font-family:"Times New Roman";mso-bidi-font-family: "Times New Roman";mso-font-kerning:0pt;mso-ansi-language:FR">距离则远小于128 mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">。由于BRIEF mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">的匹配速度远高于SURF mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">和 SIFT mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">，因此应用较为广泛。 BRIEF style="mso-bidi-font-size:12.0pt;line-height:125%; font-family:宋体;mso-ascii-font-family:"Times New Roman";mso-hansi-font-family: "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">特征描述符是一个bit mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">串，有若干个二值 "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">测试组成，即影像块 ( "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">尺寸为 ) "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">经过平滑后再进行若干 "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">测试。 style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly:宋体;mso-ascii-font-family: "Times New Roman";mso-hansi-font-family:"Times New Roman";mso-bidi-font-family: "Times New Roman";mso-font-kerning:0pt;mso-ansi-language:FR">其中，影像块 "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">在x style="mso-bidi-font-size:12.0pt; line-height:125%;font-family:宋 体;mso-ascii-font-family:"Times New Roman"; mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">处的灰度值定义为 "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">，特征描述符为一个长度为 "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">的二进制串： style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly:宋体; mso-ascii-font-family:"Times New Roman";mso-hansi-font-family:"Times New Roman"; mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt;mso-ansi-language: FR">这里有两点要注意：1 style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly: 宋体;mso-ascii-font-family:"Times New Roman";mso-hansi-font-family:"Times New Roman"; mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt;mso-ansi-language: FR">）如何选取内核对图形进行平滑处理（预处理）；2 mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">）如何选择测试点对 "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">。这里有多种描述形式进行描述测试点对的分布类型，其中效果比较明显的是与选取的影像块 "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">成高斯分布，再生成72 mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">维的特征点描述符。在做平滑处理时有中值滤波、均值滤波和最小方差滤波等可以使用，一般高斯滤波比较常用。 style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly:宋体; mso-ascii-font-family:"Times New Roman";mso-hansi-font-family:"Times New Roman"; mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt;mso-ansi-language: FR">为了保证描述符的旋转不变性，需要先对 "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">点测试坐标进行旋转，使其旋转到特征点的方向上，接下来再利用BRIEF style="mso-bidi-font-size: 12.0pt;line-height:125%;font-family:宋 体;mso-ascii-font-family:"Times New Roman"; mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">特征描述符 进行计算： style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly:宋体; mso-ascii-font-family:"Times New Roman";mso-hansi-font-family:"Times New Roman"; mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt;mso-ansi-language: FR">其中以 "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">角形成的旋转矩阵定义为： Roman";mso-hansi-font-family: "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">，再让测试点对与旋转矩阵进行计算来进行旋转： "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">，那么旋转后，计算特征描述符可以采用如下计算方式： "Times New Roman";mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt; mso-ansi-language:FR">。 style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly:宋体; mso-ascii-font-family:"Times New Roman";mso-hansi-font-family:"Times New Roman"; mso-bidi-font-family:"Times New Roman";mso-font-kerning:0pt;mso-ansi-language: FR">然而在进行坐标旋转后，坐标一般就变为了浮点型，此时我们要对图像进行重采样，可以使用的方法有最近邻方法、双线性内插方法、立体卷积方法等。其中最近邻方法计算简单，它采用待采样点周围4 mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">个相邻的像 素点中距离最近点的灰度值作为该点的灰度，这样仅仅考虑到了一个点的灰度值，没有考虑到其相邻区域内的像素点的影响，所以重采样后图像灰度值就会有明显的不连续现象。另外立体卷积的方法计算量过大，在实时性方面有些困难。对于待采样点的灰度值，其采用周围的4 style="mso-bidi-font-size: 12.0pt;line-height:125%;font-family:宋 体;mso-ascii-font-family:"Times New Roman"; mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">个临近点的灰度值，然后在两个方向上做线性内插，从而得到带采样点的灰度值4 ORB特征 ORB mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">算子(Oriented FAST and Rotated BRIEF) style="mso-bidi-font-size:12.0pt;line-height:125%;font-fami ly:宋体;mso-ascii-font-family: "Times New Roman";mso-hansi-font-family:"Times New Roman";mso-bidi-font-family: "Times New Roman";mso-font-kerning:0pt;mso-ansi-language:FR">是Rublee mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">等在 2011 mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">年提出来的，是建立在改进的FAST mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">特征和改进 的rBRIEF mso-hansi-font-family:"Times New Roman";mso-bidi-font-family:"Times New Roman"; mso-font-kerning:0pt;mso-ansi-language:FR">特征之上， 由于FAST 第一章引言 一.填空题 1. 数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为_像素_。 2. 数字图像处理可以理解为两个方面的操作：一是从图像到图像的处理，如图像增强等；二是_从图像到非图像的一种表示_，如图像测量等。 3. 数字图像处理可以理解为两个方面的操作：一是_从图像到图像的处理_，如图像增强等；二是从图像到非图像的一种表示，如图像测量等。 4. 图像可以分为物理图像和虚拟图像两种。其中，采用数学的方法，将由概念形成的物体进行表示的图像是虚拟图像_。 5. 数字图像处理包含很多方面的研究内容。其中，_图像重建_的目的是根据二维平 面图像数据构造出三维物体的图像。 二.简答题 1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的5种。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 什么是图像识别与理解？ 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。 4. 简述数字图像处理的至少5种应用。 ①在遥感中，比如土地测绘、气象监测、资源调查、环境污染监测等方面。 ②在医学中，比如B超、CT机等方面。 ③在通信中，比如可视电话、会议电视、传真等方面。 ④在工业生产的质量检测中，比如对食品包装出厂前的质量检查、对机械制品质量的监控和筛选等方面。 ⑤在安全保障、公安方面，比如出入口控制、指纹档案、交通管理等。 5. 简述图像几何变换与图像变换的区别。 ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等，这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。比如傅里叶变换、小波变换等。 《数字图像处理》复习 第一章绪论 数字图像处理技术的基本内容：图像变换、图像增强、图象恢复、图像压缩编码、图像分割、图像特征提取（图像获取、表示与描述）、彩色图像处理和多光谱及高光谱图像处理、形态学图像处理 第二章数字图像处理基础 2-1 电磁波谱与可见光 1.电磁波射波的成像方法及其应用领域： 无线电波（1m-10km）可以产生磁共振成像，在医学诊断中可以产生病人身体的横截面图像☆微波（1mm-1m）用于雷达成像，在军事和电子侦察领域十分重要 红外线（700nm-1mm）具有全天候的特点，不受天气和白天晚上的影响，在遥感、军事情报侦察和精确制导中广泛应用 可见光（400nm-700nm）最便于人理解和应用最广泛的成像方式，卫星遥感、航空摄影、天气观测和预报等国民经济领域 ☆紫外线（10nm-400nm）具有显微镜方法成像等多种成像方式，在印刷技术、工业检测、激光、生物学图像及天文观测 X射线（1nm-10nm）应用于获取病人胸部图像和血管造影照片等医学诊断、电路板缺陷检测等工业应用和天文学星系成像等 伽马射线（0.001nm-1nm）主要应用于天文观测 2-2 人眼的亮度视觉特征 2.亮度分辨力——韦伯比△I/I（I—光强△I—光照增量），韦伯比小意味着亮度值发生较小变化就能被人眼分辨出来，也就是说较小的韦伯比代表了较好的亮度分辨力 2-3 图像的表示 3. 黑白图像：是指图像的每个像素只能是黑或白，没有中间的过渡，一般又称为二值图像 （黑白图像一定是二值图像，二值图像不一定是黑白图像） 灰度图像：是指图像中每个像素的信息是一个量化了的灰度级的值，没有彩色信息。 彩色图像：彩色图像一般是指每个像素的信息由R、G、B三原色构成的图像，其中的R、B、G是由不同的灰度级来描述的。 4.灰度级L、位深度k L=2^k 5.储存一幅M×N的数字图像所需的比特 b=M×N×k 例如，对于一幅600×800的256灰度级图像，就需要480KB的储存空间（1KB=1024Byte 1Byte=8bit） 2-4 空间分辨率和灰度级分辨率 6.空间分辨率是图像中可分辨的最小细节，主要由采样间隔值决定，反映了数字化后图像的实际分辨率。一种常用的空间分辨率的定义是单位距离内可分辨的最少黑白线对数目(单位是每毫米线对数)，比如每毫米80线对。对于一个同样大小的景物来说，对其进行采样的空间分辨率越高，采样间隔就越小，图片的质量就越高。 7.灰度级分辨率是指在灰度级别中可分辨的最小变化，通常把灰度级级数L称为图像的灰度级分辨率（灰度级通常是2的整数次幂） 8.在图像空间分辨率不变的情况下，采样数越少，图像越小。同时也证实了，在景物大小不变的情况下，图像阵列M×N越小，图像的尺寸就越小； 随着空间分辨率的降低，图像大小尺寸不变，图像中的细节信息在逐渐损失，棋盘格似的粗颗粒像素点变得越来越明显。由此也说明，图像的空间分辨率越低，图像的视觉效果越差；随着灰度分辨率的降低，图像的细节信息在逐渐损失，伪轮廓信息在逐渐增加。由于伪轮 研究背景 在日常生活中，我们主要依赖于视觉来感知外界的信息，比起听觉，视觉能给我们更加丰富的描述。人们一直想通过计算机视觉来描述视觉信息中有意义和有用的东西。首先，我们必须回答什么类型的信息是我们想要的？如何提取这样的特征信息？有人定义视觉为发现图像是什么和在哪里的过程，这强调了视觉是一个信息处理任务[]。而如何构建一个视觉系统来进行这样的信息处理任务是很多学者研究的问题之一。其中，达成统一共识是利用不同的特征层来构建这一个视觉模型系统，最简单的三层体系结构为低层、中层、高层。而本文基于最基本的图像描述方法——尺度的概念，利用尺度空间表示法来分析最低层图像数据。尺度空间方法是一种尺度参数连续、不同尺度空间下采样保持一致性的视觉多尺度分析。 视觉多尺度分析是一种新的视觉信息处理方法，其基本思想是：当我们用眼睛观察物体且物体和观察者之间的距离（将距离视为尺度参数）不断变化时，视网膜将感知到不断变化的图像信息，分析和综合这些不同尺度下的视觉信息以获得被观察物体的本质特征，这种视觉分析方法即称为视觉多尺度分析。 尺度空间方法的基本思想是：在视觉信息（图像信息）处理模型中引入一个被视为尺度的参数，通过连续变化尺度参数获得不同尺度下的视觉处理信息，然后综合这些信息以深入地挖掘图像的本质特征。尺度空间方法将传统的单尺度视觉信息处理技术纳入尺度不断变化的动态分析框架中，因此更容易获得图像的本质特征。 为什么要研究尺度空间？可以从以下几个通俗的描述来说明： 1）现实世界的物体由不同尺度的结构所组成； 2）在人的视觉中，对物体观察的尺度不同，物体的呈现方式也不同； 3）对计算机视觉而言，无法预知某种尺度的物体结构是有意义的，因此有必要将所有尺度的结构表示出来； 4）从测量的角度来说，对物体的测量数据必然是依赖于某个尺度的，例如温度曲线的采集，不可能是无限的，而是在一定温度范围进行量化采集。温度范围即是选择的尺度； 5）采用尺度空间理论对物体建模，即将尺度的概念融合入物理模型之中。 尺度空间数学定义表示如下： 设多尺度分析的初始图像为0()u x （x ， 为图像区域），(,)u x t 为多尺度分析用于图像所获得的在尺度(0)t t 时的图像，称0:()(,)t T u x u x t 为尺度空间算子，尺度空间算子族 0t t T 为尺度空间，并称为0:()(,)t h T u x t u x t h 尺度由t 变化到t h 的尺度空间算子。 依据尺度空间公理，尺度空间算子应满足如下定义的视觉不变性： 定义2 设t T 为尺度空间算子，称t T 具有 1. 半调输出技术可以：（B） A、改善图像的空间分辨率； B、改善图像的幅度分辨率； C、利用抖动技术实现； D、消除虚假轮廓现象。 2. 数字图像木刻画效果的出现是由于下列原因所产生的：（A） A、图像的幅度分辨率过小； B、图像的幅度分辨率过大； C、图像的空间分辨率过小； D、图像的空间分辨率过大； 1. 对应于不同的场景内容，一般数字图像可以分_二值图像__、灰度图像和彩色图像三类。 4.下列算法中属于局部处理的是：（D ） A、灰度线性变换 B、二值化 C、傅立叶变换 D、中值滤波 1. 图像的数字化包含哪些步骤？简述这些步骤。 1. 图像的数字化主要包含采样、量化两个过程。采样是将空域上连续的图像变换成离散采 样点集合，是对空间的离散化。经过采样之后得到的二维离散信号的最小单位是像素。量化 就是把采样点上表示亮暗信息的连续量离散化后，用数值表示出来，是对亮度大小的离散化。 经过采样和量化后，数字图像可以用整数阵列的形式来描述。 2. 图像量化时，如果量化级比较小会出现什么现象？为什么？ 2. 如果量化级数过小，会出现伪轮廓现象。量化过程是将连续变化的颜色划分到有限个级 别中，必然会导致颜色信息损失。当量化级别达到一定数量时，人眼感觉不到颜色信息的丢失。当量化级数过小时，图像灰度分辨率就会降低，颜色层次就会欠丰富，不同的颜色之间 过度就会变得突然，可能会导致伪轮廓现象。 3. 简述二值图像、彩色图像、灰度图像的区别。 3. 二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。这种图像又称 为黑白图像。二值图像的矩阵取值非常简单，每个像素的值要么是1,要么是0,具有数据 量小的特点。 彩色图像是根据三原色成像原理来实现对自然界中的色彩描述的。红、绿、蓝这三种基 色的的灰度分别用256级表示，三基色之间不同的灰度组合可以形成不同的颜色。 灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像，灰度图像中不包含 彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值，灰度级数为256级。 我们将平面景物在投影平面上的非垂直投影称为图像的___________________________ ，该处理会是的图 像中的图形产生扭变。 1. 简述直角坐标系中图像旋转的过程。 1. （1）计算旋转后行、列坐标的最大值和最小值。 （2）根据最大值和最小值，进行画布扩大，原则是以最小的面积承载全部的图像信息。 （3）计算行、列坐标的平移量。 （4）利用图像旋转公式计算每个像素点旋转后的位置。 （5）对于空穴问题，进行填充。 2. 如何解决直角坐标系中图像旋转过程中产生的图像空穴问题？ 2. （1）对于空穴问题，需要进行填充。可以采用插值的方法来解决填充问题。 （2）阐述一下邻近行插值或者均值插值法进行空穴填充的过程。（该点参见简答题3和 3. 举例说明使用邻近行插值法进行空穴填充的过程。 3. 邻近插值法就是将判断为空穴位置上的像素值用其相邻行（或列）的像素值来填充。 例如对于下图中的空穴点f23进行填充时，使用相邻行的像素值来填充。即：f23=f22. 4. 举例说明使用均值插值法进行空穴填充的过程。 4. 均值插值法就是将判断为空穴位置上的像素值用其上、下、左、右像素值的均值来填充。 1、点运算是否会改变图像内像素点之间的空间位置关系？ 点运算是一种像素的逐点运算，它与相邻的像素之间没有运算关系，点运算不会改变图像内像素点之间的空间位置关系。 2、对图像灰度的拉伸，非线性拉伸与分段线性拉伸的区别？ 非线性拉伸不是通过在不同灰度值区间选择不同的线性方程来实现对不同灰度值区间的扩展与压缩，而是在整个灰度值范围内采用统一的非线性变换函数，利用函数的数学性质实现对不同灰度值区间的扩展与压缩。 3.图像获取即图像的数字化过程，包括扫描、采样和量化。 4.图像获取设备由5个部分组成：采样孔，扫描机构，光传感器，量化器和输出存储体。 5.采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现马赛克效应 6.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 7.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 8.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. 9.三种灰度插值方法—最近邻法、双线性插值法和三次内插法 10.图像增强的目的： 采用某种技术手段，改善图像的视觉效果，或将图像转换成更适合于人眼观察和机器分析识别的形式，以便从图像中获取更有用的信息。 11.空间域平滑滤波器方法分类： 1）局部平滑法 2) 超限像素平滑法 3) 灰度最相近的K个邻点平均法 4) 空间低通滤波法 12.图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。 13.图像恢复和图像增强一样，都是为了改善图像视觉效果，以及便于后续处理。只是图像增强方法更偏向主观判断，而图像恢复则是根据图像畸变或退化原因，进行模型化处理 14. (1)成象系统的象差、畸变、带宽有限等造成图像图像失真； (2)由于成象器件拍摄姿态和扫描非线性引起的图像几何失真； (3)运动模糊，成象传感器与被拍摄景物之间的相对运动，引起所成图像的运动模糊； 数字图像处理结课论文 ：X.X.X 学号：0.0.0.0.0.0.0.0专业：通信工程 浅谈学习数字图像处理技术的认识 摘要 数字图像处理技术是一门将图像信号转换成数字信号并利用计算机对其进行 处理的技术。图像信息是人类获得外界信息的主要来源，因为大约有70%的信息是通过人眼获得的，而人眼获得的都是图像信息。i通过数字图像处理技术对获得的图像信息进行处理来满足或者实现人们的各种需要。从某些方面来说，对图像信息的处理甚至比图像信息本身更重要，尤其是在这个科技迅猛发展的21世纪。 Abstract Digital image processing technology is a keeper image signals into digital signals and processed by computer technology. Images are a major source of human access to outside information, because some 70% of information was obtained through human eyes, are the image information obtained by the human eye. By means of digital image processing technology to obtain image information processing to meet or achieve people's various needs.In some ways, image information processing even more important than the image itself, especially in the rapid development of science and technology of the 21st century. 关键词 数字图像、处理、应用 引言 经过一个学期的学习，我对数字图像处理技术有了一个更加深刻的了解，做了几次MATLAB数字信号处理实验，知道了如何利用MATLAB编程来实现数字图像处理技术的一些基本方法，以及如何使用PHOTOSHOP软件来做一些简单的图像处理。 本文主要研究数字图像处理的特点，数字图像处理的分类, 数字图像处理的容，数字图像处理的实例，数字图像处理的具体实验举例，以及数字图像处理技术在日常生活中的一点应用 一、数字图像处理的特点 1.0处理精度高 按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16 位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。试想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。 点特征提取编程实习报告 一．实习简介 本次实习利用VC++6.0编程实现了对8位BMP灰度图像的读取、显示，并用Moravec算子对图像进行点特征的提取。 二．程序设计 1.用MFC创建一个多文档程序框架，用来显示BMP图像： 2.为该程序框架添加菜单： 3.创建一个对话框输入参数： 4.最后提取结果可以显示在视图中： 三．程序框图及核心代码Array 分别定义四个函数计算四个方向的灰度差平方和： 提取特征点： 实验结果分析 1、下图中阈值为8000，窗口大小从上到下从左到右分别为9*9、7*7、5*5、3*3。可 以看出随着窗口的增大，提取到的特征点个数越来越少，但是精度提高，可以防止将噪声提取出来。 2、下图中窗口大小为9，阈值从左到右从上到下分别为20000、15000、10000、5000。 可以看出，随着阈值的增大，能投提取到的特征点越来越少，只有灰度变化十分剧烈的点才能被提取出来，如下图中左上角是阈值为20000时的提取结果，可以发现没有提取出任何特征点。。 实习总结 Moravec 算子是点特征提取算子中的经典算子之一，它具有计算量小, 不丢失灰度信息等优点。用该算子提取特征点时阈值的选取直接影响着提取结果。如本次实习过程中所用的图像是武汉地区的TM影像，这幅影像的灰度范围很小，所以阈值不宜取得过大，否则会丢失很多特征点，如：当阈值选为20000时，没有提取出任何特征点。为了验证对比度对特征点提取的影响，我用Photoshop对图像做了一个对比度的增强，之后用5*5的窗口和10000的阈值对其进行特征点的提取并与原图像的提取结果做了对比，发现增强了对比度的图像中提取出的特 征点确实比原图像中的特征点多，如下图： Forstner算子提取特征点（原创） ;------------------------------ ;Forstner算子 ;; image:输入原始图像 ; vwsize:窗口宽度 ; ithresh:初选差分阈值 ; qthresh:兴趣值阈值 function Forstner,image,vwsize=vwsize,ithresh=ithresh,Tq=Tq IF N_Elements(vwsize) eq 0 THEN vwsize=5 IF N_Elements(ithresh) eq 0 THEN ithresh=50 IF N_Elements(Tq) eq 0 THEN Tq=0.5 image=float(image) imgSize = Size(image, /Dimensions) xsize=imgSize[0] ysize=imgSize[1] ;灰度的协方差矩阵 result=fltarr(xsize,ysize) ;第一步：利用差分算子提取初选点 for i=1,xsize-2 do begin for j=1,ysize-2 do begin dg1=abs(image[i,j]-image[i+1,j]) dg2=abs(image[i,j]-image[i,j+1]) dg3=abs(image[i,j]-image[i-1,j]) dg4=abs(image[i,j]-image[i,j-1]) dg=[dg1,dg2,dg3,dg4] temp=dg[sort(dg)] if temp[2] gt ithresh then begin result[i,j]=255 endif else begin result[i,j]=0 endelse endfor endfor ;第二步：在以初选点为中心的3*3的窗口中计算协方差矩阵与圆度 ;此处可用where提高循环效率 ;权重矩阵 wMatrix=fltarr(xsize,ysize) for i=1,xsize-2 do begin for j=1,ysize-2 do begin ;是初选点 if result[i,j] eq 255 then begin gu2=0.0 & gv2=0.0 & guv=0.0 for ii=-1,1 do begin for jj=-1,1 do begin gu2=gu2+(image[i+1,j+1]-image[i,j])^2 gv2=gv2+(image[i,j+1]-image[i+1,j])^2 guv=guv+(image[i+1,j+1]-image[i,j])*(image[i,j+1]-image[i+1,j]) endfor endfor DetN=gu2*gv2-guv trN=gu2+gv2 q=4*DetN/(trN*trN) ;第三步：设定阈值Tq,若满足则计算权值 if q gt Tq then wMatrix[i,j]=DetN/trN endif 1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 什么是图像识别与理解？ 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。 3. 简述数字图像处理的至少3种主要研究内容。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。 4. 简述图像几何变换与图像变换的区别。 ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等，这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。比如傅里叶变换、小波变换等。 5. 图像的数字化包含哪些步骤？简述这些步骤。 图像的数字化主要包含采样、量化两个过程。采样是将空域上连续的图像变换成离散采样点集合，是对空间的离散化。经过采样之后得到的二维离散信号的最小单位是像素。量化就是把采样点上表示亮暗信息的连续量离散化后，用数值表示出来，是对亮度大小的离散化。经过采样和量化后，数字图像可以用整数阵列的形式来描述。 6. 图像量化时，如果量化级比较小会出现什么现象？为什么？ 如果量化级数过小，会出现伪轮廓现象。量化过程是将连续变化的颜色划分到有限个级别中，必然会导致颜色信息损失。当量化级别达到一定数量时，人眼感觉不到颜色信息的丢失。当量化级数过小时，图像灰度分辨率就会降低，颜色层次就会欠丰富，不同的颜色之间过度就会变得突然，可能会导致伪轮廓现象。 7 . 简述二值图像与彩色图像的区别。 二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。这种图像又称为黑白图像。二值图像的矩阵取值非常简单，每个像素的值要么是1，要么是0，具有数据量小的特点。 彩色图像是根据三原色成像原理来实现对自然界中的色彩描述的。红、绿、蓝这三种基色的的灰度分别用256级表示，三基色之间不同的灰度组合可以形成不同的颜色。 8. 简述二值图像与灰度图像的区别。 二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。这种图像又称为黑白图像。二值图像的矩阵取值非常简单，每个像素的值要么是1，要么是0，具有数据量小的特点。 灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像，灰度图像中不包含彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值，灰度级数为256级。 9. 简述灰度图像与彩色图像的区别。 灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像，灰度图像中不 包含彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值，灰度级数为256级。 彩色图像是根据三原色成像原理来实现对自然界中的色彩描述的。红、绿、蓝这三种基色的的灰度分别用256级表示，三基色之间不同的灰度组合可以形成不同的颜色。 10. 均值滤波器对高斯噪声的滤波效果如何？试分析其中的原因。 均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。均值滤波器对高斯噪声的滤波结果较好。 原因：高斯噪声是幅值近似正态分布，但分布在每点像素上。因为正态分布的均值为0，所以均值滤波可以消除噪声。 ＩＳＳＮ１００９－３０４４ ＣｏｍｐｕｔｅｒＫｎｏｗｌｅｄｇｅａｎｄＴｅｃｈｎｏｌｏｇｙ电脑知识。ｉ技术 Ｖ０１．６，Ｎｏ．６，Ｆｅｂｒｕａｒｙ２０１０，ＰＰ．１４５２—１４５３，１４６０ 浅谈数字图像处理技术的基本原理 潘振赣ｕ。龚声蓉１ （１．苏州大学计算机科学与技术学院，汀苏苏州２１５００６；２．苏州科技学院网络中心，江苏苏州２１５００９） Ｅ—ｍａｉｌ：ｅｄｕｆ＠ｃｃｃｃ．ｎｅｔ．ｃｎ ｈｔｔｐ：／／ｗｗｗ．ｄｉｉｚｓ．ｎｅｔ．ｃｒｌＴｅｌ：＋８６—５５ｌ一５６９０９６３５６９０９６４ 摘要：原始资料因为时间原因变得模糊不清．人眼无法识别相关内容．把这些原始资料变为数字图象输入计算机，运用数字图象处理技术对这些数字图像进行去除噪声、增强、复原、分割等处理，将其还原达到人眼可以看清的效果，可以保存资料和进行历史研究。 关键词：识别；图象处理；去噪；增强：复原；分割 中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１００９－３０４４（２０１０）０６一１４５２—０２ ＡＳｕｒｖｅｙｏｆｔｈｅＢａｓｉｃＰｒｉｎｃｉｐｌｅｓｉｎＤｉｇｉｔａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇＴｅｃｈｎｏｌｏｇｙ ＰＡＮＺｈｅｎ—ｇａｎ”．ＧＯＮＧＳｈｅｎｇ—ｒｏｎ９１ （１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｎｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＳｏｏｃｈｏｗＵＭｖｅｒｓｉＷ，Ｓｕｚｈｏｕ２１５００６，Ｃｈｉｎａ；２．ＣｅｒｔｅｒｏｆＮｅｔｗｏｒｋ，ＳｕｚｈｏｕＵｍｖｅｍｉｔｙｏｆＳｃｉｎｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｓｕｚｈｏｕ２１５００９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｆｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｃｏｎｔｅｎｔｓｏｆｂｌｕａ－ｙ，ＫＯＵＴＣＣｍａｔｅｒｉａｌｓａｒｅｄｉｆｆｉｃｕｌｔｆｏｒｎａｋｅｄ ｅｙｅ ｔｏｉｄｅｎｔｉｆｙ．ｉｔｉｓｆｅａｓｉｂｌｅｔＯｐｒｅｓｅｒｖｅｔｈｅｍａｔｅｒｉ—ａｌｓａｎｄｃａｒｒｙＯＵｔｈｉｓｔｏｒｙｒｅｓｅａｒｃｈｂｙｉｎｐｕｔｔｉｎｇｔｈｅｄｉｇｉｔａｌｉｍａｇｅｓｏｆｓｏｕｒｃｅｍａｔｅｒｉａｌｓｉｎｔｏａｃｏｍｐｕｔｅｒ，ｄｉｓｐｏｓｉｎｇｔｈｅｉｍａｇｅｓｗｉｔｈｔｈｅｔｅｃｈｎｏｔ—ｏｇｙｏｆｎｏｉｓｅｒｅｍｏｖａｌ，ｅｎｈａｎｃｅｍｅｎｔ，ｒｅｓｔｏｒａｔｉｏｎ，ｓｅｇｍｅｎｔａｔｉｏｎａｎｄｒｅｖｅｒｔｉｎｇｔｈｅｍｔＯｔｈｅｅｆｆｅｃｔｏｆｖｉｓｉｂｉｌｉｔｙ． Ｋｅｙｗｏｒｄｓ：ｉｄｅｎｔｉｆｆ；ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；ｎｏｉｓｅｒｅｍｏｖａｌ；ｅｎｈａｎｃｅｍｅｎｔ；ｒｅｓｔｏｒａｔｉｏｎ；ｓｅｇｍｅｎｔａｔｉｏｎ 一些历史档案和资料具有很高的研究价值，对于研究该地区当时的经济和文化背景有很大的作用，但是因为年代久远．其纸质或布质的材质冈为时间原因，使得写在上面的图案和义字资料都模糊不清，有砦肉眼已经很难分辨出具体内容，对于历史和研究都是很大的损失，用数码相机将这些纸质或布质材质的资料拍摄下来输入计算机，将原始的资料变为数字图象，再用数字图象处理的方法将其处理还原，以达到人眼可以看清内容，进行研究的效果。 用计算机进行图像处理的前提是图像必须以数字格式存储到计算机中，以数字格式存放的图像称为数字图像（ｄｉｇｉｔａｌｉｍａｇｅ）。数字图像处理（ｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ），就足利用计算机对数字图像进行去除噪声、增强、复原、分割、特征提取等理论、方法和技术，将原始资料清晰化，改善图象的质量，使人的肉眼可以看清这些图象，从而得以保存和研究的目的。由于图像处理是利用计算机硬件和软件实现的．因此也被称为计算机罔像处理（ｃｏｍｐｕｔｅｒｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ）。 数字图象处理一般有两种基本的方法：一种方法是在图象的空间域中处理．即红罔象空间中对图象本身直接进行各种处理优化，达到改善图象质量的目的；另一种疗法是把空间网象进行某些转化，从空间域转到频率域巾。再在频率域中进行各种处理，然后再变叫到图象的空间域，形成处理后的图象，从而达到改善图象质量的目的。 １去除噪声 原始实体资料变为数字图象在计算机中进行处理的时候，可能会产生各种各样的噪声，这些噪声可能是在进行数字转换过程中，因为输入设备的原因产生，也可能在对数字图象的处理中产生，噪声不一定是真实的声音，可以理解为影响人的视觉器官或系统传感器对所接收图象源信息进行理解或分析的各种因素。不同原因产生的噪声，其分布特性也不完全相同，根据噪声和信号的关系可将其分为两种形式：１）加性噪声，此类噪声与输入图象信号无关，含噪图象表示为ｑｘ，ｙ）＝ｇ（ｘ，ｙ）＋ｎ（ｘ，ｙ）；２）乘性噪声，此类噪声与图象信号有关，含噪图象表示为ｆ（ｘ，ｙ）＝ｇ（ｘ，ｙ）＋ｎ（ｘ，ｙ）ｇ（ｘ，ｙ）。噪声对罔象处理卜分重要，如果图象伴有较大噪声，它会直接影响到图象处理的输入、采集、处理的各个环节以及输出的全过程甚至输出结果，因此。在进行数字图象处理的时候，首先需要对目标图象进行去除噪声的工作。 １．１均值滤波器 采用邻域平均法的均值滤波器适用于去除通过扫描得到的图象中的颗粒噪声。邻域平均法是空间域平滑技术。对于给定的图象ｆ（ｘ，ｙ）中的每个像点（ｘ，ｙ），取其邻域Ｓｘｙ，设Ｓｘｙ含有Ｍ个像素，取其平均值作为处理后所得图像像点（ｘ，ｙ）处的灰度。 １－２自适应维纳滤波器 它能根据图象的局部方差来调整滤波器的输出，局部方差越大，滤波器的平滑作用越强。它的最终目标是使恢复图像ｆ＾（ｘ，ｙ）与原始图像ｆ（ｘ，ｙ）的均方误差ｅ２＝Ｅ［（ｆｆｘ，ｙ）一ｆ＾（ｘ，ｙ））２１最小。 １．３中值滤波器 基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的ｒＩｉ值代换。其主要功能是让周嗣象索灰度值的差 收稿日期：２００９—１２—２７ 作者简介：潘振赣ｆ１９７６一），男，江苏兴化人，苏州科技学院工程师，苏州大学在职研究生，研究方向为模式识别，数字图象处理，龚声蓉（１９６６一）苏州大学计算机科学与技术学院教授，研究生导师。 １４５２－－人工■■夏识勇怕Ｅ术本栏目责任编辑：唐一东数字图像处理试题集(终版)
数字图像处理复习重点整理
图像局部特征描述子研究分析(未完-待续)
数字图像处理开卷整理后
数字图像处理知识点
浅谈学习数字图像处理技术地认识
Moravec算子特征提取
forstner算子提取特征点
最新数字图像处理考试简答题经典30道题
浅谈数字图像处理技术的基本原理[1]