河南理工大学数字图像期末总结.docx

资源描述

河南理工大学数字图像期末总结.docx

《河南理工大学数字图像期末总结.docx》由会员分享，可在线阅读，更多相关《河南理工大学数字图像期末总结.docx（17页珍藏版）》请在冰点文库上搜索。

河南理工大学数字图像期末总结.docx

1什么是数字图像?

像素？

采样与量化？

邻域以及像素间距离？

图像坐标变换；半调输出和抖动技术；常见图像种类？

数字图像处理目的，应用以及主要研究内容？

答：

数字图像是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，每个小块区域称为像素（pixel）。

每个像素包括两个属性：

位置和亮度。

采样：

将空间上连续的图像变换成离散点的操作称为采样。

采样间隔的大小是个很重要的参数。

量化是对图像幅度坐标的离散化，它决定了图像的幅度分辨率。

量化值一般用整数来表示。

非特殊用途的图像均为8bit量化，即用0~255描述“黑~白”。

量化的方法包括：

分层量化、均匀量化和非均匀量化

像素的邻域：

邻域是指一个像元（X，Y）的邻近形成的像元集合。

即{（X=p,Y=Q）}P、Q、为任意整数。

像素的四邻域：

像素P（X,Y）的四邻域是（X+1，Y），（X—1，Y），（X,Y+1），（X,Y—1）

像素之间距离的定义：

对于像素p、q和z，分别具有坐标（x,y），（s,t）和（u,v），如果

（1）D（p,q）≥0（D（p,q）=0，当且仅当p=q）,

（2）D（p,q）=D（q,p）（3）D（p,z）≤D（p,q）+D（q,z）则称D是距离函数或度量。

N4（p）——像素（x,y）的4邻域（x+1,y），（x-1,y），（x,y+1），（x,y-1）

ND（p）——像素（x,y）的对角邻域（x+1,y+1），（x+1,y-1），（x-1,y+1），（x-1,y-1）

N8（p）——像素（x,y）的8邻域N4（p）+ND（p）

为了在这些设备上输出灰度图像并保持其原有的灰度级常采用一种称为半调输出的技术。

半调输出的原理是利用人眼的集成特性，在每个像素位置打印一个其尺寸反比于该像素灰度的黑圆点，即在亮的图像区域打印的点小，暗的图像区域打印的点大。

当点足够小，观察距离足够远时，人眼就不容易分开各个小点，而得到比较连续、平滑的灰度图像。

抖动技术通过变动图像的幅度值来改善量化过粗图像的显示质量。

抖动的实现一般是对原始图像f（x,y）加一个随机的小噪声d（x,y）即将两者加起来进行显示。

常见图像种类？

1.索引图像2.灰度图像3.彩色图像

数字图像处理目的，应用以及主要研究内容？

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，便于计算机分析。

3.对图像数据进行变换、编码和压缩，便于图像的存储和传输。

应用：

1视觉监控2.工业检测3.高精度制导4.医疗诊断5.通讯6.公共服务

1）航天航空：

登月、火星照片处理、飞机遥感、卫星遥感、气象预报

2）生物医学工程：

CT、MRI（核磁共振）、B超、显微图像：

红细胞、白细胞、染色体的分析、X光、心电图

3）通讯领域多媒体通讯：

数字电视、高清析度电视（HDTV）、多媒体信息处理,可视电话、会议电视、电话、电视、计算机三网合一

4）工业：

印刷电路板、机器人视觉、零件检测、邮政信件的自动检测

5）军事公安;导弹制导、侦察照片的处理、指纹识别、人脸识别

6）文化艺术：

电视画面的数字编辑、动画制作、游戏、纺织工艺品设计、发型设计、文物资料图片的修复

研究内容：

1图像获取、表示和表现2图像复原3图像增强4图像分割5图像压缩编码6图像处理中的频域变换7目标表达与描述8形态学

10数字图像处理的特点：

1）处理精度高，再现性好2）处理方法的多样性3）图像数据量庞大4）处理费时5）图像处理技术综合性强

11什么是直方图？

直方图：

又称质量分布图，是一种统计报告图，有一些列高度不等的纵向条纹或线段表示数据分布的情况。

灰度直方图（histogram）是灰度级的函数，描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。

横坐标是灰度级，纵坐标是灰度级出现的频率。

1２直方图的计算，性质，绘制及用途？

计算：

依据定义，若图像具有L（通常L=256,即8位灰度级）级灰度，则大小为MxN的灰度图像f（x,y）的灰度直方图hist[0…L-1]可用如下计算获得：

初始化hist[k]=0;k=0,…,L-1

统计hist[f（x,y）]++;x=0,…,M-1,y=0,…,N-1

归一化hist[f（x,y）]/=M*N

性质：

（1）只含图像各灰度值像素出现的概率，而无位置信息。

（2）图像与直方图之间是多对一的映射关系。

（3）图像各子区的直方图之和就等于该图像全图的直方图。

用途：

1）数字化参数

2）边界阈值选择

17.直方图的拉伸以及直方图均衡化和规定化

拉伸：

一幅给定图像的灰度级分布在0≤r≤1范围内（灰度级进行了归一）。

可以对［0,1］内的任一r值进行变换

s=T（r）

变换函数T（r）应满足下列条件：

（1）在0≤r≤1区间内，T（r）值单调增加；保证了图像的灰度级从白到黑的次序不变

（2）对于0≤r≤1，有0≤T（r）≤1。

保证了映射变换后的像素灰度值在容许的范围内

均衡化：

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是把原图像的直方图通过变换函数修正为分布比较均匀的直方图，从而改变图像整体偏暗或整体偏亮，灰度层次不丰富的情况。

原理：

首先假定连续灰度级的情况，推导直方图均衡化变换公式，令r代表灰度级，P（r）为概率密度函数。

r值已归一化，最大灰度值为1。

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。

用于产生处理后有特殊直方图的图像的方法，定义修改一幅图像的直方图，使它与另一幅图像的直方图匹配或具有一种预先规定的函数形状。

目标：

当需要具有特定的直方图的图像时，可按照预先设定的某个形状人为的调整图像的直方图。

12什么是中值滤波，有何特点？

答：

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。

中值滤波法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值。

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的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邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。

特点：

它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。

13.中值滤波特性：

a对大的边缘高度，中值滤波较邻域均值好得多，而对于较小边缘高度，两种滤波只有很少差别。

b中值滤波是非线性的。

c中值滤波在抑制图像随机脉冲噪声方面甚为有效。

且运算速度快，便于实时处理。

d中值滤波去除孤立线或点干扰，而保留空间清晰度较平滑滤波为好；但对高斯噪声则不如平滑滤波。

14用你熟悉的语言写出均值滤波器的源代码（假设图像大小为M*N，用二维数组表示每个

intaa[5][5]={1,1,1,1,1, 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1};//滤波器

unsignedchar*lpSrc;//像素指针

intf[320][280];//每个像素的灰度存储在数组中，数组大小等于图像大小

inti,j,c,d;

intsum[320][280];//累加数组

for（i=0;i

{

for（j=0;j

{

lpSrc=（unsignedchar*）lpDIBBits+lLineBytes*（lHeight-1-j）+i;//指向每个像素

f[i][j]=*（lpSrc）;//灰度存储在对应的数组位置像素点对应的灰度

for（i=2;i

{

for（j=2;j

{

sum[i][j]=0;

for（c=0;c<5;c++）

{

for（d=0;d<5;d++）

{

sum[i][j]=sum[i][j]+f[i-2+c][j-2+d]*aa[c][d];

}

f[i][j]=sum[i][j]/25;//滤波器的输出

}

for（i=0;i

{

for（j=0;j

{

lpSrc=（unsignedchar*）lpDIBBits+lLineBytes*（lHeight-1-j）+i;

（*（lpSrc））=f[i][j];//把变化后的每个像素的灰度返回给图像

}

15图像锐化与图像平滑有何区别与联系？

答：

区别：

图像锐化是用于增强边缘，导致高频分量增强，会使图像清晰；图像平滑用于消除图像噪声，但是也容易引起边缘的模糊。

联系：

都属于图像增强，改善图像效果

20灰度变换：

灰度变换的定义：

对于输入图象f（x，y），灰度级变换T将产生一个输出图像g（x，y），且g（x，y）的每一个像素值都是由f（x，y）的对应输入像素点的值决定的，即g（x，y）=T[f（x，y）]。

由于图像任一点的增强仅仅依赖于该点的灰度，因此这类图像增强技术常常是指点运算。

灰度变换法又可分为三种：

线性、分段线性及非线

线性变换：

突出感兴趣的灰度区间。

相当于增加对比度.

非线性变换：

对应着非线性映射函数，典型的映射包括平方函数、对数函数、窗口函数、阈值函数、多值量化函数等。

非线性变换:

按对数函数变换：

低灰度区扩展，高灰度区压缩按指数函数变换：

高灰度区扩展，低灰度区压缩。

21图像的平滑及锐化？

常见的平滑和锐化方法有哪些？

图像的平滑作用主要是为了去除图像中称为噪声的干扰信息。

噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差。

”通常用其数字特征，均值方差、相关函数等对噪声进行处理。

图像锐化处理的目的是是增强图象的边缘或轮廓,使模糊图像变得清晰。

图像模糊的实质上就是受到平均或积分运算，因此对其进行逆运算，如微分运算、梯度运算就可以使图像清晰。

讨论用于空间滤波的平滑滤波器与锐化滤波器的相同点，不同点和联系

平滑空间滤波器的原理是取图像中每个像素及其邻域的平均（取均值或排序后取中值）；而锐化空间滤波器的原理是对图像取微分（一阶梯度法或二阶拉普拉斯法）。

此外，空间滤波器的工作原理还可借助频域进行分析，它们的基本特点都无非是让图像在频域某个范围内的分量受到抑制而让其它分量不受影响，从而改变输出图的频率分布，达到增强的目的，从这样的视角看，则平滑可用低通滤波实现，锐化可用高通滤波实现。

平滑空间滤波器主要应用于模糊处理和减小噪声；锐化空间滤波器则主要应用于突出图像中的细节边缘或轮廓，或者增强被模糊了的细节。

22图像锐化滤波的几种方法。

（1）直接以梯度值代替；

（2）辅以门限判断；（3）给边缘规定一个特定的灰度级；（4）给背景规定灰度级；（5）根据梯度二值化图像。

23、图像增强时，平滑和锐化有哪些实现方法？

平滑的实现方法：

邻域平均法，中值滤波，多图像平均法，频域低通滤波法。

锐化的实现方法：

微分法，高通滤波法。

８为什么要进行图像编码？

图像编码：

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。

26、常见的数据冗余包括哪些？

1.编码冗余:

一般来说如果没有充分利用编码对象的概率特性就会产生编码冗余

2.像素相关冗余：

图像中一般存在与像素间相关性直接联系着的数据冗余称为像素间冗余也成为空间冗余或几何冗余

3.心理视觉冗余：

人眼感觉到的区域的亮度不仅仅取决于该区域的反射光，还取决于其他一些因素，例如马赫带现象。

产生这种现象的原因是由于眼睛对所有视觉信息感受的灵敏度不同。

在正常的视觉处理过程中，各种信息的相对重要程度不同，那些不太重要的信息称为心理视觉冗余

27、保真度标准有哪些？

1.客观保真度标准：

图像压缩过程对图像信息的损失能够表示为原始图像与压缩并解压缩后图像的函数。

2.一般表示为输出和输入之差：

3.两个图像之间的总误差：

4.均方根误差：

5.均方信噪比；

6.主观保真度标准：

通过视觉比较两个图像，给出一个定性的评价，如很粗、粗、稍粗、相同、稍好、较好、很好等，可以对所有人的感觉评分计算平均感觉分来衡量。

什么是信息量和信息熵，它们的用途有哪些？

信息量：

即表示该符号所需的位数。

如果将信源所有可能事件的信息量进行平均，就得到了信息熵。

信息熵：

信息熵就是平均信息量。

熵值是平均码长的下限，熵值H（X）除以平均码长即表示编码效率。

9边界表达的方法：

链码

对区域轮廓点的1种编码表示方法

利用一系列具有特定长度和方向的相连的直线段来表示目标的轮廓每个线段的长度固定而方向数目取为有限轮廓的起点需用（绝对）坐标表示，其余点都可只用接续方向来代表偏移量

轮廓线段的近似表达?

多边形是一系列线段的封闭集合，它可用来逼近大多数实用的曲线到任意的精度最小周长多边形聚合逼近多边形分裂逼近多边形

区域表达方法：

四叉树和骨架；

边界描述：

长度，直径；区域描述：

区域面积，区域重心，偏心率，圆形性和矩的计算公式。

28、什么是图像退化？

常见的退化原因有哪些？

什么叫模糊？

常见的噪声类型？

空域中消除噪声的滤波器包括哪些？

了解每种滤波器可以去除哪些类型的噪声？

了解自适应局部噪声滤波器和自适应中值滤波器的工作原理

图像退化：

由场景得到的图像没能完全地反映场景的真实内容，产生了失真等问题

产生原因:

透镜像差/色差：

光学系统本身

聚焦不准（失焦，限制了图像锐度）

模糊（限制频谱宽度）：

图像采集过程中产生

噪声（是一个统计过程）

抖动（机械、电子）

模糊：

在图像采集过程中产生的退化噪声：

在图像记录过程中产生的退化

常见类型：

1热噪声：

与物体的绝对温度有关。

2闪烁噪声：

电流运动产生。

3发射噪声：

高斯分布（电子运动的随机性）。

4有色噪声：

粉色噪声和褐色噪声。

空域中消除噪声的滤波器包括：

均值滤波器

算术均值滤波器：

此时可以消除噪声，使图像变得模糊。

几何均值滤波器：

几何均值滤波器所达到的平滑度可以与算术均值滤波器相比，但在滤波过程中会丢失更少的图像细节。

谐波均值滤波器：

对于“盐”噪声效果比较好，它善于处理像高斯噪声那样的其他噪声。

逆谐波均值滤波器：

这种滤波器适合减少或在实际中消除椒盐噪声的影响。

顺序统计滤波器

中值滤波器：

没有其它平滑滤波器中的平滑效果，尤其对于椒盐噪声非常有用

最大值/最小值滤波器：

最大值滤波器对于椒噪声具有良好效果，而最小值滤波器对于盐噪声具有良好效果

中点滤波器：

对于高斯和均匀随机分布噪声有最好的效果。

工作原理：

自适应滤波器：

它们的行为变化基于由矩形窗口定义的区域内图像的统计特征。

自适应中值滤波器算法工作在两个层次，定义为A层和B层

A层：

A1=gmed–gmin

A2=gmed–gmax

如果A1>0且A2<0,转到B层

否则增大窗口尺寸

如果窗口尺寸≤Sw，则重复A层

否则输出gxy

B层：

B1=gxy–gmin

B2=gxy–gmax

如果B1>0且B2<0,输出gxy

否则输出gmed

什么是图像分割？

它的形式化定义以及分割依据？

如何定位孤立点以及直线？

边缘检测的原理及方法？

阈值的选择和阈值化处理？

基于过渡区的阈值的原理及相关参数的计算？

哈夫变换进行边缘拟合的原理以及区域生长法的原理

图像分割是把图像分解成构成的部件和对象的过程。

形式化定义：

令集合R代表整个图像区域，对R的分割可看作将R分成若干个满足以下条件的非空子集（子区域）R1，R2，R3，…Rn

分割依据：

1相似性分割2非连续性分割

定位孤立点以及直线：

从这些值中寻找绝对值最大值，确定当前点更加接近于该模板所对应的直线

边缘检测的原理及方法：

物体的边缘是以图像局部特性的不连续性的形式出现的，从本质上说，边缘意味着一个区域的终结和另一个区域的开始。

边缘上的这种变化可以通过微分算子进行检测：

一阶导数：

通过梯度来计算二阶导数：

通过拉普拉斯算子来计算

阈值的选择和阈值化处理：

它把一幅灰度图像转换成二值图像

基于过渡区的阈值的原理：

它本身也是图像中的一个区域，一个特别的区域。

一方面它将不同的区域分割开来，具有边界的特点；另一方面，它的面积不为零，具有区域的特点。