数字图像处理期末复习资料

1图像的特点:1)直观形象2)易懂3)信息量大

2 图像的分类：1）按灰度分类：二值图像，多灰度图像2）按色彩分类：单色图像，动态图像3）按运动分类：静态图像，动态图像4）按时空分布分类：二维图像，三维图像

3 数字图像处理的主要内容：1）图像获取2）图像变换3）图像增强4）图像复原5)图像编码6）图像分析7）图像识别8）图像理解

4数字图像处理方法：1）空域法2）变换域法

5什么是数字图像的采样和量化？

采样：将模拟图像在空间上连续的点按照一定的规则变换成离散点的操作。

量化：由于采样图像被分割成空间上离散的像素，但其灰度是连续的，还不能用计算机进行处理，所以要对采样后的图像进行量化，即将连续的像素灰度值转换成离散的整数值的过程。6图像像素间的邻接、连接和连通的区别？

邻接：两个像素是否邻接就看它是否接触，一个像素和在它邻域中的像素是邻接的。邻接仅仅考虑了像素间的空间关系。

连接：对两个像素，要确定它们是否连接，要考虑两点：①空间上要邻接；②灰度值要满足某个特点的相似准则

第二章

1 试述图像采集系统的结构及其各部分的功能？

2 连续图像随机过程可以用哪些数字特征来描述？

概率密度，一阶矩或平均值，二阶矩或自相关函数，自协方差，方差

3 为什么说只要满足采样定理，就可以有离散图像无失真的重建元连续图像？

这是由图像的连续性决定的，由图像上某一点的值可以还原出该点的一个小邻域里的值，这个图像连续性越好，这个邻域就可以越大，抽样次数可以很少就可以无失真还原。而抽样定理对应这个邻域最小的情况即抽样次数最多的情况，大概是每周期两个样本

4与标量量化相比，向量量化有哪些优势？

合理地利用样本间的相关性,减少量化误差提高压缩率,

5 Matlab图像处理工具箱提供了哪几类类型的数字图像？它们之间能否转换？如果可以如何转换？

二进制图像，索引图像，灰度图像，多帧图像，RGB图像，它们之间可以相互转换，

转换函数（23页

6 数字图像的空间分辨率和采样间隔有什么联系？

采样间隔是决定图像分辨率的主要参数

1 FFT的基本思想是什么?？

利用DFT系数的特性，合并DFT运算中的某些项，把长序列DFT变成短序列DFT，从而减少其运算量。

2快速离散余弦变换有几种实现方法？如何实现？

（1）利用FFT的快速算法（2）基于代数分解的快速算法

第四章

1图像空域增强和频域增强的基本原理是什么？

像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，它是一种将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法

频域处理法的基础是卷积定理，它是将图像看作波，然后利用信号处理中的手段对图像波进行处理。空域处理法的基础是灰度映射变换，它是直接针对图像中的像素进行处理，所用到的映射变换取决于增强的目的

2简述空域平滑滤波器和锐化滤波器的相同点，不同点及它们的联系？

相同点：都能减弱或消除傅立叶空间的某些分量，而不影响或较少影响其它分量，从而达到增强某些频率分量的效果。

不同点：平滑滤波器减弱或消除了傅立叶空间的高频分量，所以达到了增强低频分量、平滑图像中细节的效果。锐化滤波器减弱或消除傅立叶空间的低频分量，所以达到了增强高频分量、锐化图像中细节的效果。

两者联系：两者效果相反，互为补充，从原始图像中减去平滑滤波器的结果具有锐化的效果，而从原始图像中减去锐化滤波器的结果则具有平滑的效果。

3 同态滤波的特点是什么？适用什么情况？

同态滤波是一种在频域中同时将图像亮度范围进行压缩和将图像对比度增强的方法

同态滤波的原理：将灰度值看成是照度和反射率的产物，由于照度相对较小，可以看做图像的低频成分，而反射率是高频成分。通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的。

4为什么中值滤波对于脉冲噪声和椒盐噪声的抑制效果比较好？

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。实现方法：

通过从图像中的某个采样窗口取出奇数个数据进行排序

用排序后的中值取代要处理的数据即可

中值滤波法对消除椒盐噪音非常有效，因为椒盐噪声的像素点值通常处于最大（或较大）或者最小（或较小）的范围内，采用取中间值的方法时，椒盐噪声可以比较好的过滤掉。

中值滤波在图像处理中,常用于用来保护边缘信息,是经典的平滑噪声的方法。

5用于空域增强处理中的平滑滤波器和锐化滤波器的相同点、不同点以及联系。

相同点：都能减弱或消除傅立叶空间的某些分量，而不影响或较少影响其它分量，从而达到增强某些频率分量的效果。

不同点：平滑滤波器减弱或消除了傅立叶空间的高频分量，所以达到了增强低频分量、平滑图像中细节的效果。锐化滤波器减弱或消除傅立叶空间的低频分量，所以达到了增强高频分量、锐化图像中细节的效果。

两者联系：两者效果相反，互为补充，从原始图像中减去平滑滤波器的结果具有锐化的效果，而从原始图像中减去锐化滤波器的结果则具有平滑的效果

1 试分析比较三种典型的滤波复原方法：逆滤波，维娜滤波与约束最小二乘方滤波？

2 数字图像处理有哪几种常用的噪声？

高斯噪声，瑞利噪声，伽马噪声，指数噪声，均匀噪声，椒盐噪声

3何谓图像复原？图像复原与图像增强有什么区别？

图像恢复（Image Restoration）(客观)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。最关键的是对每种退化都需要有一个合理的模型。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。

图像增强（Image Enhancement）(主观)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。其目的是得到一种特殊的艺术效果，增强动感和力度。

第六章

1什么是三原色原理？

1、自然界中的可见颜色都可以用这三基色按一定比例混合得到。

2、三基色彼此之间相互独立。任何一种都不能用另外两种混合得到。

3、三基色之间的混合比例直接决定混合色调的饱和度。

4、混合色的亮度等于各个基色的亮度之和。

所以，国际照明委员会（CIE）规定以700nm(红)、546.1nm (绿)、435.8nm(蓝)三个色光为三基色。自然界的所有颜色都可以通过选用这三基色按不同比例混合而成。

2全彩色图像处理与伪彩色图像处理有什么差别？

全彩色图像处理是对彩色图像进行彩色增强处理，其目的是突出图像中的用信息，

伪彩色图像处理是将黑白图像转化为彩色图像主要目的是提高人眼对图像的细节分辨能力一达到图像增强的目的

3 什么是伪彩色处理？伪彩色处理有哪些方法？

伪彩色增强是把灰度图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。使原图像细节更易辨认，目标更容易识别。

伪彩色增强的方法主要有：1、密度分割法 2、灰度级一彩色变换法3、频率域伪彩色增强法

4简述对图像进行编码压缩的必要性和可行性。

必要性: 图像数据的特点之一是信息量大，图像在显示、传输过程中所需要传递的信息量非常大，不利于数字图像的传输和存储。

可行性：数字图像中存在着冗余。从信息论观点看，描述图像信源的数据由有用数据和冗余数据两部分组成。冗余数据主要有：空间冗余、时间冗余、结构冗余、信息熵冗余（编码冗余）、知识冗余、心理视觉冗余等等。

5有损压缩编码和无损压缩编码的区别在哪里？

无损压缩编码无信息损失，解压缩时能够从压缩数据精确地恢复原始图像（亦称无失真、无损、信息保持）编码。

有损压缩编码不能精确重建原始图像，存在一定程度的失真（有失真或有损）编码。

6造成图像质量退化的典型原因主要有哪些？

成像系统的像差、畸变、带宽有限等造成图像图像失真；

由于成像器件拍摄姿态和扫描非线性引起的图像几何失真；

运动模糊：成像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；

灰度失真：光学系统或成像传感器本身特性不均匀，造成同样亮度景物成像灰度不同；

辐射失真：由于场景能量传输通道中的介质特性如大气湍流效应、大气成分变化引起图像失真；

图像在成像、数字化、采集和处理过程中引入的噪声等。

第四章图像增强

1.图象增强的目的和意义：对图像的某些特征进行强调或尖锐化，以便于显示、观察和进一步分析处理

【图象增强】是指对图像的某

些特征，如边缘、轮廓、对比

度进行强调或尖锐化，以便于

显示、观察或进一步地分析与

处理。

不以图像保真度为原则，

不增加图像数据中的相关信

息。有选择的突出某些对人或

机器分析感兴趣的信息，抑制

一些无用信息，以提高图像的

使用价值。针对图像退化的一

般性质加以修正，改进图像的

平均质量。

2.点运算的特点：针对孤立象元点的运算，人为地改善图像的灰度和对比度

【空间域】：图像平面所在的二维空间；

【空间域增强】：在图像平面上直接针对一个一个像元点进行处理（点运算），或者对一个像元周围的小区域进行处理（局部运算），处理后像元的亮度变化而位置不变

【点运算增强】：点运算是把图像中的每一像元值，按照特定的数学变换模式转换成输出图像的一个新的亮度值。

3.点运算的两个方法包括：灰度变换、直方图变换

点运算变换方法包括：灰度变换法、直方图调整法

【直方图】：直方图是灰度级的函数，描述的是图像中各个灰度级像素的个数。

表示方法：

横坐标：表示灰度级，根据像元的灰度范围，以适当间隔作为单位长；

纵坐标：表示像素统计值，代表每一个灰度级像素数出现的数目，或者该像素占总像素的比例值。

【直方图特点与作用】：直方图代表了图像中亮度值（像元值）的分布情况，但是并不反映

像元的空间位置关系，不同的图像可能具有相同的直方图。可以从图像的直方图的形态大致判断出图像质量的好坏。

【积累直方图】：统计某一灰度值和这一灰度值以下的所有像元的数目

根据积累直方图也可以分析图像的质量：对于偏暗的图像，在灰度小的部分像元数增长快；对于偏亮的图像，在灰度大的部分像元数增长快

积累直方图更重要的利用是在图像增强时作为变换函数。

【灰度变换法】：通过变换函数使图像的灰度值发生变化，调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一

任一像素灰度为r →s=T(r)（线性变换、对数变换、指数变换）→同一像素灰度变为s 【线性变换】：将灰度范围线性扩展

原因：当图象成象时曝光不足或过度, 或由于成象设备的非线性和图象记录设备动态范围太窄等因素，都会产生对比度不足的弊病，使图象中的细节分辨不清。

将原始图像各像元亮度值按线性关系，在0-255的任意指定范围内进行扩大或者缩小，来改变像元值的分布。

当直线与横轴夹角大于45°，图像拉伸（像素值范围扩大）；

当直线与横轴夹角等于45°，图像不变（像素值范围不变）；

当直线与横轴夹角小于45°，图像压缩（像素值范围减小）。

【分段线性变换】：不同范围的像元值采用不同的比例进行扩大和缩小。

在进行变换的整个区间里，取n个间断点，每相邻两个间断点之间是一段线性变换的线段，每段的直线方程不同，可以拉伸，也可以压缩。

通过调整折线拐点的位置及分段直线的斜率可以对任一亮度区间进行扩展或者压缩。

【非线性变换】：当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。

对数变换：对数变换主要用于增强图象暗的部分，即拉伸灰度值低的部分。

指数变换：指数变换主要突出图像亮区的差异，即图像灰度值高的部分。

【直方图均衡化】：将原图象的直方图通过变换函数修正为均匀的直方图，即各种灰度出现的概率是近似均匀的直方图。自动调节图像对比质量，产生唯一结果

图象均衡化处理后，图象的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图象看起来就更清晰了。

直方图均衡化变换函数：可以证明，这个特殊的变换函数就是原图象的积累直方图曲线——统计某一灰度值和这一灰度值以下的所有像元的数目或者占总像元数的比值做出的直方图。

在均衡过程中，原来直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。

在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。修改一幅图象的直方图，使得它与另一幅图象的直方图匹配或具有一种预先规定的函数形状。

目标：突出我们感兴趣的灰度范围，使图象质量改善。它是对直方图均衡化处理的一种有效的扩展。直方图均衡化处理是直方图规定化的一个特例。直方图匹配也叫直方图规定化。

4.空域模板滤波增强的特点：强调与周围相邻像元点的关系，对图像进行平滑或锐化

平滑滤波器：钝化图像、去除噪音

锐化滤波器：边缘增强、边缘提取

【局部增强方法一】：

【平滑】——图象在传输过程中，由于传输信道、采样系统质量较差，或受各种干扰的影响，而造成图象毛糙，此时，就需对图象进行平滑处理。

平滑方法包括：均值滤波、中值滤波

1、均值平滑：

可见均值平滑就是将每个像元点为中心的邻域内各像元亮度的平均

值来代替该像元的亮度值，达到去除噪声平滑图像的目的。

平滑的目的是去除噪音，但是在去除噪音的同时，也钝化了图像的

边缘与尖锐的细节。

平滑的结果与模板的大小直接相关，模板越大，平滑效果越好，但是模板过大，会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需要合理的选择模板大小

2、中值滤波：

将像元点为中心的M×N邻域范围内的灰

度值按大小排序，取中间的值来代替中心像元的

值。它在抑制随机噪声的同时，有效保护边缘锐

度和图像细节。适合去除椒盐噪声。

当领域内的像元数为奇数时，取排序后的中间像元值；当领域内的像元数为偶数时，取排序后的中间两像元的平均值。

中值滤波强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点（暗点）。

其突出优点是在消除噪声的同时，还能防止边缘模糊。

【局部增强方法二】：

【锐化】：在图像的识别中常需要突出边缘和轮廓信息。

图象锐化目的：加强图象轮廓，使图象看起来比较清晰。平滑通过积分使图像边缘模糊，锐化则通过微分使图像边缘突出、清晰。锐化处理可以用空间微分来完成.。

微分算子的响应强度与图像在该点的突变程度有关

图像微分增强了边缘和其他突变(如噪声)而消弱了灰度变化缓慢的区域。

一阶微分和二阶微分的区别:一阶微分处理通常会产生较宽的边缘、二阶微分处理对细节有较强的响应,如细线和孤立点、一阶微分处理一般对灰度阶梯有较强的响应、二阶微分处理对灰度级阶梯变化产生双响应。

大多数应用中,对图像增强来说，一阶微分处理主要用于提取边缘。二阶微分处理比一阶微分好,因为形成细节的能力更强。

基于一阶微分的图像增强：梯度法

【定向边缘检测】：有目的地检测某一方向的边、线或纹理特征时，可以选择特定的方向模板，做卷积运算。

所谓方向模板是一个元素的大小按一定规律取值因而对特定方向敏感的数学矩阵，当它与图象的线性地物匹配时，卷积结果具有较大的值，反之结果具有较小的值，从而能突出线性地物的信息

5.频域增强：傅立叶变换（空域-频域），保留高频或低频

【频率域增强】：高通滤波、低通滤波、同态滤波

【频率】：一幅图像上的亮度分布大致存在着亮度渐变和亮度突变两种情况；把图像中的这种亮度随位置变化的频繁程度表示为一种频率；

【对于亮度突变的地类】：边缘、线性地物及噪声：如沟壑、河溪、湖泊边界、海岸线等。集中在高频区，属于高频率特性

【对于亮度渐变的地类】：粗糙的结构、较大面积的同类作物区：如平原、沙漠、海面等。特征稳定，属于低频率特性

突出主要的大的地类：在频域中可以衰减高频分量而保存低频分量。这就是频域的平滑处理相反，当要突出边缘和线性地物：在频域中衰减低频分量而保存高频分量。这就是频域的锐化处理。

【傅立叶变化】：任何一条复杂的曲线，经傅立叶变换，可以分解成若干条简单曲线

频谱的图像显示：把振幅谱|F(u,v)|作为亮度显示在屏幕上

频谱的频域移中：常用的傅里叶正反变换公式其中心最亮点将分布在四角，这和我们正常的习惯不同，因此，需要把这个图像的零点移到显示的中心。

一般图像能量集中低频区域。变换之后的图像中间部分是低频，最亮，能量大。

【傅立叶变换的物理意义】：一幅图象在付氏变换以前的空间称为空域，而付氏变换后的空间叫频域。傅立叶变换是将图象转换到频率域灰度分布函数（图象的频率分布函数）

【低通滤波(平滑)】：

图像从空间域变换到频率域后，其低频分量对应图像中灰度值变化比较缓慢的区域，高频分量则表征图像中物体的边缘和随机噪声等信息。

低通滤波是指保留低频分量，而通过滤波器函数H(u，v)减弱或抑制高频分量的过程。

低通滤波与空域中的平滑滤波器一样可以消除图像中的随机噪声，减弱边缘效应，起到平滑图像的作用。

常用的频率域低通滤波器H(u,v)有四种:理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、梯形低通滤波器

【理想低通滤波器的缺陷】：理想低通滤波器平滑处理的概念是清楚的，但它在处理中会产生较严重的模糊和振铃现象。由于高频成分包含有大量的边缘信息，因此采用该滤波器在去噪声的同时将会导致边缘信息损失而使图像模糊，同时有振铃效应。正是由于理想低通滤波器存在振铃模糊现象，使其平滑效果下降。

【巴特沃思低通滤波器】又称为最大平坦滤波器：它的特性是连续性衰减，而不像理想滤波器那样陡峭变化。采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。Butterworth低通滤波器振铃现象随着阶数的增加而明显

【指数低通滤波器】：该滤波器在抑制噪声的同时，图像边缘的模糊程度较用Butterworth滤波产生的大些，无明显的振铃效应。指数低通滤波器从通过频率到截止频率之间没有明显的不连续性，而是存在一个平滑的过渡带。指数低通滤波器实用效果比Butterworth低通滤波器稍差，仍无明显的振铃现象。

【梯形低通滤波器】：梯形低通滤波器介于理想低通滤波器和指数滤波器之间，滤波的图像有一定的模糊和振铃效应。

【高通滤波】：图像中的边缘或线条与图像频谱中的高频成分相对应。采用高通滤波器让高频顺利通过，使图像的边缘或线条变得清楚，实现图像的锐化

常用的高通滤波器：理想高通滤波器、Butterworth高通滤波器、指数滤波器、梯形滤波器【理想高通滤波器】：D 0仍为截止频率，当比D0大时全

部通过，否则全部阻止。

【巴特沃思高通滤波器】：Butterworth高通滤波效果较好，

但计算复杂，其优点是有少量低频通过，H(u，v)是渐变的，振铃现象不明显

【指数高通滤波器】：指数高通效果比Butterworth差些，振铃现象不明显；

【提醒高通滤波器】：梯形高通会产生微振铃效应，但计算简单，较常用

四种高通滤波器的比较：

①理想高通有明显振铃，图像的边缘模糊不清。

②Butterworth高通效果较好，振铃不明显，但计算复杂。

③指数高通效果比Butterworth差些，但振铃也不明显。

④梯形高通的效果是微有振铃、但计算简单，故较常用。

【同台滤波】：同态滤波的目的：消除不均匀照度的影响而又不损失图象细节

依据:

反射分量反映图象内容，随图象细节不同在空间上作快速变化。反射分量的频谱落在空间高频区域；

入射分量在空间上通常均具有缓慢变化的性质。入射分量的频谱落在空间低频区域.

这样同态滤波函数就可以分别作用在这两个分量上。

同态滤波方法就是利用上式的形式将图像中的照明分量和反射分量分开。这样同态滤波函数就可以分别作用在这两个分量上。

6.假彩色合成方法对于分量图像的要求：信息量最大，相关性最小

【彩色增强技术的定义】：利用人眼的视觉特性，将灰度图像变成彩色图像，或着改变彩色图像已有的彩色分布，改善图像的可分辨性。

【彩色增强相关方法】：伪彩色增强Pseudo-color（单波段）、假彩色增强False-color（多波段）、彩色变换

【彩色合成相关原理】：三基色原理：红、绿、蓝，其中任何一色都不能由三基色中另外两种基色合成。以三基色中两种以上色光按一定比例混合，产生其它色彩。

彩色合成方法：加色法

【伪彩色增强】：将一个波段或者单一的黑白图像变换成彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异。

常用方法：方法1：密度分割法；方法2：灰度变换法

方法1：密度分割法(Intensity Slicing)：将单一波段或经过处理的单一分量图象，针对其象元灰度值的大小进行分割，并给每个灰度区间赋予不同颜色（红、绿、蓝）的方法。

密度分割中的彩色是人为赋予的，与地物的真实色彩毫无关系，因此称为伪彩色。

密度分割法相关处理技术：

①线性分割：对所研究的亮度范围进行均匀分割

②非线性分割：对所研究范围进行非均匀分割，感兴趣的亮度范围细分，不感兴趣的亮度范围粗分

③根据实际情况确定分割级数和分割点：根据研究区域直方图峰点和谷点的数目及具体值来确定分割级数和分割点

方法2：灰度变换法（color transformation）：将原图像f(x,y)中每一个像元的灰度值分别经过红、绿、蓝三种独立变换，变成三基色分量图像IR(x,y) 、IG(x,y)、IB(x,y) ，然后用它们分别去合成一幅彩色图像。

【伪彩色增强对于遥感图像处理的意义】：区分出地物的类别

【真彩色合成】：当三幅影像的工作波段分别为红、绿、蓝时，对应分别赋予红色、绿色、蓝色，合成后的影像十分接近自然界的色彩，称为真彩色合成。

【假彩色合成】：各工作波段被赋予的颜色，与波段所代表的真实颜色不同，合成色不是地物真实的颜色，因此这种合成叫做假彩色合成。

【假彩色增强】：对多个波段的遥感图像，根据加色法原理，选择某三个波段分别赋予红、绿、蓝三种原色，合成彩色图像

由于三原色的选择与原波段所代表的真实颜色不同，生成的合成色不是地物真实的颜色，因此这种合成叫做假彩色合成

数字图像处理复习重点整理

《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

数字图像处理 作业1汇总

数字图像处理 报告标题：01 报告编号： 课程编号： 学生姓名： 截止日期： 上交日期：

摘要 （1）编写函数计算灰度图像的均方误差（MSE）、信噪比（SNR）、峰值信噪比（PSNR）、平均绝对误差（MAE）；（2）编写函数对灰度图像经行降采样，直接消除像素以及消除像素前进行简单平滑滤波；（3）编写函数对图像进行放大，分别使用像素直接复制和双线性插值的方法：（4）编写函数用题目给出的量化步骤Q去量化灰度图像，并给出相应的MSE和直方图；（5）编写函数对灰度图像执行直方图均衡化，显示均衡前后的直方图。同时，熟悉使用MATLAB，并且熟练操作对图像进行各种修改变换等。 KEY WORD :MATLAB MSE、PSNR 直方图量化

技术探讨 数字图像处理是基于Matlab来实现的，由于Matlab 独特的功能和对矩阵，图像，函数灵活的处理，因而用于图像的处理相当的方便。 task1 均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）。可以使用使用for循环语句，分别计算图像MSE/SNR/PSNR/MAE，具体的计算公式见附录代码，下面只附运算原理代码 均方误差（MSE）： sum=sum+(a(i,j)-b(i,j))^2; MSE=sum/(M*N) 信噪比（SNR）： sum2=sum2+a(i,j)^2; SNR=10*log10(sum2/MSE) 峰值信噪比（PSNR）： sum=sum+(a(i,j)-b(i,j))^2; PSNR=10*log10(255^2/MSE) 平均绝对误差（MAE）： sum=sum+a(i,j)+b(i,j); MAE=sum/(M*N) 在每次对同一个图像处理时它们的均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）都会有所不同，因为它是原图像与加噪后的图像比较，而电脑的每次操作都会对加噪过得图像有影响。 task3 按比例缩小灰度图像 （1）直接消除像素点： I1=g(1:m:end,1:m:end);I1 为缩小后的图像，g为原图。 （2）先平滑滤波再消除像素点： 滤波函数，g=imfilter(I,w,'corr','replicate'); task4 对图像的放大运用了pixel repetition法以及双线性插值法： 它有三种插值法：即最近邻插值（pixel repetition）、双线性插值、双三次插值(缩放倍数为0.5) ;缩放与放大由给定的参数来确定。 ;缩放与放大由给定的参数来确定。而缩小则同样适用I1=g(1:m:end,1:m:end); 而放大的代码为“J=imresize(I,m,'nearest');%使用pixel repetition法”和“J=imresize(I,m,'bilinear');%使用双线性插值法” 放大倍数更改m值即可 task4 对图像的量化，使用“J=histeq(I,x); ”，x为可变的量化步长 task5 灰度图像的量化和直方图均衡化直接调用函数。“J=histeq(I)”“imhist(I,64)”

数字图像处理期末作业1

上海电力学院 实验报告 实验课程名称：数字图像处理 实验项目名称：实验7 细胞面积计算与个数统计 班级： 2009073 姓名：杨祯 学号： 20092006

一、实验目的 1、熟悉Visual C++开发环境和Windows编程模型。 2、掌握设备无关位图的数据格式。 3、学会使用DIBAPI函数访问设备无关位图。 4、结合实例学习如何在应用程序中添加图像处理算法。 5、运用所学的图像处理方法对细胞图像进行细胞面积计算与个数统计。 二、实验原理 在填充孔洞以后的细胞图像中出现粘连，可以通过较为复杂的算法将粘连细胞分割开来。这里采取如下简单方法进行细胞计数和面积计算. (1)对填充孔洞后后细胞图像进行标记处理，初步计算出细胞的个数； (2)计算不同标记区域的像素数，并用区域的像素数代表其面积； (3)若某个标记区域像素数大于1000，则认为该标记区域为两个粘连在一起的细胞，原细胞数量增加1；若某个标记区域像素数小于70，则视为噪声，原细胞数量减1。 三、实验步骤 1、在资源浏览方式下，选择Menu节点，点击IDR_MAINFRAME，增加操作按钮，见下图，如在菜单“细胞计数”中添加“统计个数和面积”按钮。 2、对该按钮进行编辑，如图：

ID设为ID_CELLCOUNT E，标题设为“统计个数和面积”。 3、（1）按下快捷键CTRL+W，弹出向导对话框，利用向导在CCellCounView类中添加 响应函数—腐蚀OnCellcount，如图： 1、注意类名 2、选择ID 4、点击按钮 3、双击COMMAND 添加函数后的结果 (2)点击Edit Code按钮后，在CCellCountView.cpp文件中便添加了OnCellcount ()函数，此 时需要在该函数中添加实现代码，具体如下： void CCellCountView::OnCellcount() { CCellCountDoc* pDoc=GetDocument(); if( pDoc->m_hDIB!=NULL ) {

成都理工大学数字图像处理复习资料

成都理工大学数字图像处理复习资料 本页仅作为文档封面，使用时可以删除 This document is for reference only-rar21year.March

遥感与数字图像处理基础知识 一、名词解释： 数字影像：物体光辐射能量的数字记录形式或像片影像经采样量化后的二维数字灰度序列图像采样：将空间上连续的图像变换成离散点的操作称为采样 灰度量化：将像素灰度转换成离散的整数值的过程叫量化 像素：将地面信息离散化而形成的格网单元 二、填空题： 1、光学图像是一个连续的光密度函数。 2、数字图像是一个离散的光密度函数。 3、通过成像方式获取的图像是连续的，无法直接进行计算机处理。此外，有些遥感图像是通过摄影方式获取的，保存在胶片上。只有对这些获取的图像（或模拟图像）进行数字化后，才能产生数字图像。数字化包括两个过程：采样和量化。 4、一般来说，采样间距越大，图像数据量小，质量差；反之亦然。 5、一幅数字图像为8位量化，量化后的像素灰度级取值范围是0——255的整数。设该数字图像为600行600列，则图像所需要的存储空间为__ 360000______字节。 6、设有图像文件为200行，200列，8位量化，共7个波段，则该图像文件的大小为280000bit。 三、不定项选择题：(单项或多项选择) 1、数字图像的_____4___。 ①空间坐标是离散的，灰度是连续的②灰度是离散的，空间坐标是连续的 ③两者都是连续的④两者都是离散的 2、采样是对图像___2_____。 ①取地类的样本②空间坐标离散化③灰度离散化 3、量化是对图像____2____。 ①空间坐标离散化②灰度离散化③以上两者。 4、图像灰度量化用6比特编码时，量化等级为____2____。 ①32个②64个③128个④256个

数字图像处理部分作业答案

3.数字化图像的数据量与哪些因素有关？ 答：数字化前需要决定影像大小（行数M、列数N）和灰度级数G的取值。一般数字图像灰度级数G为2的整数幂。那么一幅大小为M*N，灰度级数为G的图像所需的存储空间M*N*g(bit),称为图像的数据量 6.什么是灰度直方图？它有哪些应用？从灰度直方图你能获得图像的哪些信息？ 答：灰度直方图反映的是一幅图像中各灰度级像素出项的频率之间的关系。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。 应用：通过变换图像的灰度直方图可以，使图像更清晰，达到图像增强的目的。 获得的信息：灰度范围，灰度级的分布，整幅图像的平均亮度。但不能反映图像像素的位置。 2. 写出将具有双峰直方图的两个峰分别从23和155移到16和255的图像线性变换。 答：将a=23,b=155 ;c=16,d=255代入公式： 得 1，二维傅里叶变换有哪些性质？二维傅里叶变换的可分离性有何意义？ 周期性，线性，可分离性，比例性质，位移性质，对称性质，共轭对称性，差分，积分，卷积，能量。 意义：分离性表明：二维离散傅立叶变换和反变换可用两组一维离散傅立叶变换和反变换来完成。 8.何谓图像平滑？试述均值滤波的基本原理。 答：为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。 均值滤波是一种局部空间域处理的算法，就是对含有噪声的原始图像f(x,y)的每个像素点取一个领域S，计算S中所有像素的灰度级平均值，作为空间域平均处理后图像g(x,y)像素值。 9.何谓中值滤波？有何特点？ 答：中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。 它对脉冲干扰及椒盐噪声的的图像却不太合适。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。但它对点、线等细节较多 6图像几何校正的一般包括哪两步？像素灰度内插有哪三种方法？各有何特点？ 答：1）建立失真图像和标准图像的函数关系式，根据函数关系进行几何校正。 2）最近邻插值，双线性插值，三次卷积法 3）最近邻插值：这种插值方法运算量小，但频域特性不好。 3、若f(1,1)=4，f(1,2)=7，f(2,1)=5，f(2,2)=6,分别按最近邻元法、双线性插值法确定点(1.2,1.6)的灰度值。 最近邻元法：点(1.2,1.6)离(1,2)最近,所以其灰度值为7.双线性法：f(i+u,j+v)=(1-u)(1-v)f(i,j)+(1-u)vf(i,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1) 将i=1,j=1,u=0.2,v=0.6代入,求得：f(i+u,j+v)=5.76。四舍五入取整后，得该点其灰度值为6

《数字图像处理》期末大作业(1)

《数字图像处理》期末大作业 大作业题目及要求： 一、题目： 本门课程的考核以作品形式进行。作品必须用Matlab完成。并提交相关文档。 二、作品要求： 1、用Matlab设计实现图形化界面，调用后台函数完成设计，函数可以调用Matlab工具箱中的函数，也可以自己编写函数。设计完成后，点击GUI图形界面上的菜单或者按钮，进行必要的交互式操作后，最终能显示运行结果。 2、要求实现以下功能：每个功能的演示窗口标题必须体现完成该功能的小组成员的学号和姓名。 1）对于打开的图像可以显示其灰度直方图，实现直方图均衡化。 2）实现灰度图像的对比度增强，要求实现线性变换和非线性变换（包括对数变换和指数变换）。

3）实现图像的缩放变换、旋转变换等。 4）图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理。 5）采用robert算子，prewitt算子，sobel算子，拉普拉斯算子对图像进行边缘提取。 6）读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标。 3、认真完成期末大作业报告的撰写，对各个算法的原理和实验结果务必进行仔细分析讨论。报告采用A4纸打印并装订成册。

附录：报告模板 《数字图像处理》 期末大作业 班级：计算机 小组编号：第9组 组长：王迪 小组成员：吴佳达

浙江万里学院计算机与信息学院 2014年12月

目录（自动生成） 1 绘制灰度直方图，实现直方图均衡化 (5) 1.1 算法原理 (5) 1.2 算法设计 (5) 1.3 实验结果及对比分析 (5) 2 灰度图像的对比度增强 (5) 2.1 算法原理 (5) 2.2 算法设计 (5) 2.3 实验结果及分析 (5) 3 图像的几何变换 (5) 3.1 算法原理 (5) 3.2 算法设计 (5) 3.3 实验结果及分析 (5) 4 图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理 (5) 4.1 算法原理 (5) 4.2 算法设计 (6) 4.3 实验结果及分析 (6) 5 采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取 (6) 5.1 算法原理 (6) 5.2 算法设计 (6) 5.3 实验结果及分析 (6) 6 读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标 (6) 6.1 算法原理 (6) 6.2 算法设计 (6) 6.3 实验结果及分析 (6) 7 小结（感受和体会） (6)

数字图像处理期末复习题2教学总结

第六章图像的锐化处理 一.填空题 1. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。垂直方向的微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 2. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Roberts交叉微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 3. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Sobel 微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 4. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Priwitt微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 5. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Laplacian微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 6. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Wallis 微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 7. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。水平方向的微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 8. 图像微分______________了边缘和其他突变的信息。（填“增强”或“削弱”） 9. 图像微分______________了灰度变化缓慢的信息。（填“增强”或“削弱”） 10. 图像微分算子______________用在边缘检测中。（填“能”或“不能”） 四.简答题 1. 图像中的细节特征大致有哪些？一般细节反映在图像中的什么地方？ 2. 一阶微分算子与二阶微分算子在提取图像的细节信息时，有什么异同？ 3. 简述水平方向的微分算子的作用模板和处理过程。 4. 简述垂直方向的微分算子的作用模板和处理过程。 5. 已知Laplacian微分算子的作用模板为：，请写出两种变形的Laplacian算子。解答: 1. 图像的细节是指画面中的灰度变化情况，包含了图像的孤立点、细线、画面突变等。孤 立点大都是图像的噪声点，画面突变一般体现在目标物的边缘灰度部分。 2. 一阶微分算子获得的边界是比较粗略的边界，反映的边界信息较少，但是所反映的边界 比较清晰；二阶微分算子获得的边界是比较细致的边界。反映的边界信息包括了许多的细节 信息，但是所反映的边界不是太清晰。 五.应用题 1. 已知Roberts算子的作用模板为：，Sobel算子的作用模板为： 。 设图像为：

数字图像处理大作业.doc

-------------精选文档 ----------------- 1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请 给出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。 解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1 像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I);%对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100)% 阈值为 100 I1(i,j)=255; else I1(i,j)=0;%进行二值化

-------------精选文档 ----------------- end end end figure; imshow(I1); Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c%找出每两个条纹之间的距离

2.现有 8 个待编码的符号 m0,,m7, 它们的概率分别为 0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3.请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。

数字图像处理知识点

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；

数字图像处理期末考题

数字图像处理 一、填空题 1、数字图像的格式有很多种，除GIF格式外，还有jpg 格式、tif 格式。 2、图像数据中存在的有时间冗余、空间冗余、结构冗余、信息熵冗余、知识 冗余、视觉冗余。 3、在时域上采样相当于在频域上进行___延拓。 4、二维傅里叶变换的性质___分离性、线性、周期性与共轨对称性、__位 移性、尺度变换、旋转性、平均值、卷积。（不考） 5、图像中每个基本单元叫做图像元素；在早期用picture表示图像时就称为 像素。 6、在图象处理中认为线性平滑空间滤波器的模板越大,则对噪声的压制越 好 ;但使图像边缘和细节信息损失越多; 反之, 则对噪声的压制不好 ,但对图像的细节等信息保持好。模板越平,则对噪声的压制越好 ,但对图像细节的保持越差;反之,则对噪声的压制不好,但对图像细节和边缘保持较好。 7、哈达玛变换矩阵包括___+1 和___—1 两种矩阵元素。（不要） 8、对数变换的数学表达式是t = Clog ( 1 + | s | ) 。 9、傅里叶快速算法利用了核函数的___周期性和__对称性。（不要） 10、直方图均衡化的优点是能自动地增强整个图像的对比度。（不要） 二、选择题 ( d )1.一幅灰度级均匀分布的图象，其灰度范围在[0，255]，则该图象的信息量为： a. 0 .255 c ( c )2.采用模板［-1 1］主要检测____方向的边缘。 a.水平 b.45 c.垂直 ( c )3. 下列算法中属于图象平滑处理的是： a.梯度锐化 b.直方图均衡 c. 中值滤波增强 ( b )4.图象与灰度直方图间的对应关系是： a.一一对应 b.多对一 c.一对多 d.都不对 ( a )5.对一幅图像采样后，512*512的数字图像与256*256的数字图像相比较具有的细节。 a.较多 b.较少 c.相同 d.都不对 ( b )6.下列算法中属于点处理的是： a.梯度锐化 b.二值化 c.傅立叶变换 d.中值滤波 ( d )7.二值图象中分支点的连接数为： .1 c ( a )8.对一幅100100像元的图象，若每像元用８bit表示其灰度值，经霍夫曼编码后压缩图象的数据量为40000bit，则图象的压缩比为： :1 :1 c.4:1 :2 ( d )9.下列算法中属于局部处理的是： a.灰度线性变换 b.二值化 c.傅立叶变换 d.中值滤波 ( b )10.下列图象边缘检测算子中抗噪性能最好的是： a.梯度算子算子算子d. Laplacian算子

数字图像处理作业 1

数字图像处理作业 1 1.基本问题 a.什么是数字图像处理，英语全称是什么？ 数字图像处理：对图像进行一些列的操作，以达到预期目的的技术，可分为模拟图像处理和数字图像处理两种方式。英文全称：Image Processing b.数字图像处理与什么领域的发展密切相关？ 数字图像处理与数字计算机的发展，医学，遥感，通信，文档处理和工业自动化等许多领域的发展密切相关。 c.人类主要通过什么来感知获取信息的？ 主要通过人的视觉、味觉、嗅觉、触觉、听觉以及激光、量子通信、现代计算机网络、卫星通信、遥感技术、数码摄影、摄像等来获取信息。 d.数字图像处理技术与哪些学科领域密切相关？ 与数学、物理学、生理学、心理学、电子学、计算机科学等学科密切相关 e.数字图像处理在哪些领域得到广泛应用？ 数字图像处理的应用越来越广泛，已渗透到工程、工业、医疗保健、航空航天、军事、科研、安全保卫等各个领域。 f.数字图像处理起源于什么年代？ 20世纪20年代 g.现代大规模的图像处理需要具备哪些计算机能力？ 需要具备图像处理、图像分析、图像理解计算机能力 h.根据人的视觉特点，图像可分为哪两种图像？ 分为可见图像和不可见图像。 i.根据光的波段，图像可分为哪几种图像？ 分为单波段、多波段和超波段图像。 j.图像数字与模拟图像的本质区别是什么？ 区别： 模拟图像：空间坐标和明暗程度都是连续变化的、计算机无法直接处理。 数字图像：空间的坐标和灰度都不连续、用离散的数字表示，能被计算机处理。 2.通过互联网，查下数字图像处理有哪些应用？选一个应用范例即可。具体描绘如何通过数字图像处理技术来实现其应用。要有图像范例说明。 数字图像处理主要应用领域有：生物医学，遥感领域，工业方面，军事公安领域，通信领域，交通领域等。我就生物医学领域做一个简单介绍。 自伦琴1895年发现X射线以来，在医学领域可以用图像的形式揭示更多有用的医学信息医学的诊断方式也发生了巨大的变化。随着科学技术的不断发展，现代医学已越来越离不开医学图像的信息处理，医学图像在临床诊断、教学科研等方面有重要的作用。目前的医学图像主要包括CT (计算机断层扫描) 图像、MRI( 核磁共振)图像、B超扫描图像、数字X 光机图像、X 射线透视图像、各种电子内窥镜图像、显微镜下病理切片图像等。 医学图像处理跨计算机、数学、图形学、医学等多学科研究领域，医学图像处理技术包括图像变换、图像压缩、图像增强、图像平滑、边缘锐化、图像分割、图像识别、图像融合等等。在此联系数字图像处理的相关理论知识和步骤设计规划系统采集和处理的具体流程同时充分考虑到图像采集设备的拍摄效果以及最终处理结果的准确性。下面是关于人体微血管显微图像的采集实例。

数字图像处理大作业

1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请给 出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。 解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I); %对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100) %阈值为100 I1(i,j)=255; else I1(i,j)=0; %进行二值化 end end end figure; imshow(I1);

Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c %找出每两个条纹之间的距离

2. 现有8个待编码的符号m0,……,m7,它们的概率分别为0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3. 请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。

数字图像处理要点

数字图像处理考试要点 第二章 1、在实际采样过程中，采样点间隔的选取很关键。应满足采样定 理（二维采样定理：Nyguist准则）：采样频率大于信号中最高 频率的2倍。 2、量化分为等间隔量化、非等间隔量化，非等间隔量化包括对数 量化、Max量化、锥形量化。 3、图像质量评估方法与标准分两类：主观评价、客观测量 噪声的定义：不可预测，只能用概率统计方法来认识的随机误差。图像噪声：妨碍人们视觉器官对所接收的信源信息理解的因素。 第三章 4、一般人的眼睛可以感知的电磁波的波长在400～760nm之间， 可见光的波长范围为380nm~780nm。 5、瞳孔——光圈，透明体(晶状体)——透镜 6、眼球是由一系列曲率半径和折光指数都不相同的折光体所组 成的折光系统。 7、6米以外直至无限远处的物体发出或反射出的光线到眼的折光 系统时近于平行，可在视网膜上形成清晰的像。 8、但人眼不是无条件的看清任何远处的物体，因为：1）光线过 弱，不足以兴奋感光细胞；2）距离过大，小到视网膜分辨能 力的限度以下。 9、比6米近的物体，折射后的成像位置在主焦点，即视网膜位置

之后，尚未聚焦，物像是模糊的。 10、人眼视觉模型 11、人从亮处进入暗室，最初看不清楚东西，经过一段时间，恢复 了在暗处的视力，这称为暗适应；相反，从暗处到亮处是明适应。 12、人眼对蓝光的灵敏度远远低于对红光和绿光的灵敏度，对波长 为550nm左右的黄绿色最为敏感。红（700nm），绿（546.1nm），蓝（435.8nm） 13、从人的主观感觉角度，颜色包含三个要素：色调、饱和度、明 亮度。 14、颜色模型是用来精确标定和生成各种颜色的一套规则和定义， 某种颜色模型所标定的所有颜色就构成了一个颜色空间。15、对于人来说，可以通过色调、饱和度、亮度来定义颜色（HSL 颜色模型）；对于显示设备来说，可以用红、绿、蓝磷光体的发光量来描述颜色（RGB颜色模型）；对于打印设备来说，可以用青色、品红、黄色和黑色颜料的用量来指定颜色（CMYK颜色模型）。 16、理论上，青色、品红和黄色三种基本色素等量混合能得到黑色。 但实际上，因为所有打印油墨都会包含一些杂质，这三种油墨

数字图像处理期末复习

遥感与数字图像处理基础知识 一、名词解释： 数字影像图像采样灰度量化像素 数字影像：数字影像又称数字图像，即数字化的影像。基本上是一个二维矩阵，每个点称为像元。像元空间坐标和灰度值均已离散化，且灰度值随其点位坐标而异。 图像采样：指将在空间上连续的图像转换成离散的采样点集的操作。 灰度量化：将各个像素所含的明暗信息离散化后，用数字来表示。 像素：像素是A/D转换中的取样点，是计算机图像处理的最小单元 二、填空题： 1、光学图像是一个连续的光密度函数。 2、数字图像是一个_离散的光密度_函数。 3、通过成像方式获取的图像是连续的，无法直接进行计算机处理。此外，有些遥感图像是通过摄影方式获取的，保存在胶片上。只有对这些获取的图像（或模拟图像）进行数字化后，才能产生数字图像。数字化包括两个过程：___采样___和__量化___。 4、一般来说，采样间距越大，图像数据量____小____，质量____低_____；反之亦然。 5、一幅数字图像为8位量化，量化后的像素灰度级取值范围是________的整数。设该数字图像为600行600列，则图像所需要的存储空间为________字节。 6、设有图像文件为200行，200列，8位量化，共7个波段，则该图像文件的大小为________。 三、不定项选择题：(单项或多项选择) 1、数字图像的________。 ①空间坐标是离散的，灰度是连续的②灰度是离散的，空间坐标是连续的 ③两者都是连续的④两者都是离散的 2、采样是对图像________。 ①取地类的样本②空间坐标离散化③灰度离散化 3、量化是对图像________。 ①空间坐标离散化②灰度离散化③以上两者。 4、图像灰度量化用6比特编码时，量化等级为________。 ①32个②64个③128个④256个 5、数字图像的优点包括________。 ①便于计算机处理与分析②不会因为保存、运输而造成图像信息的损失 ③空间坐标和灰度是连续的

数字图像处理大作业

大作业指导书 题目：数字图像处理 院（系）：物联网工程学院 专业: 计算机 班级：计算机1401-1406 指导老师： 学号： 姓名： 设计时间： 2016-2017学年 1学期

摘要 (3) 一、简介 (3) 二、斑点数据模型 .参数估计与解释 (4) 三、水平集框架 (5) 1.能量泛函映射 (5) 2.水平集传播模型 (6) 3.随机评估方法 (7) 四、实验结果 (8) 五、总结 (11)

基于水平集方法和G0模型的SAR图像分割 Abstract（摘要） 这篇文章提出了一种分割SAR图像的方法，探索利用SAR数据中的统计特性将图像分区域。我们假设为SAR图像分割分配参数，并与水平集模型相结合。分布属于G分布中的一种，处于数据建模的目的，它们已经成功的被用于振幅SAR图像中不同区域的建模。这种统计数据模型是驱动能量泛函执行区域映射的基础，被引用到水平集传播数值方案中，将SAR 图像分为均匀、异构和极其异构区域。此外，我们引入了一个基于随机距离和模型的评估过程，用于量化我们方法的鲁棒性和准确性。实验结果表明，我们的算法对合成和真实SAR 数据都具有准确性。+ 简介 1、Induction（简介） 合成孔径雷达系统是一种成像装置，采用相干照明比如激光和超声波，并会受到斑点噪声的影响。在SAR图像处理过程中，返回的是斑点噪声和雷达切面建模在一起的结果。这个积性模型（文献[1]）因包含大量的真实SAR数据，并且在获取过程中斑点噪声被建模为固有的一部分而被广泛应用。因此，SAR图像应用区域边界和目标检测变得更加困难，可能需要斑点去除。因此，斑点去除是必需的，有效的方法可以在文献[2][3][4][5][6][7][8][9][10]中找到。 对于SAR图像分割，水平集方法构成一类基于哈密顿-雅克比公式的重要算法。水平集方法允许有效的分割标准公式，从文献[12]中讨论的传播函数项可以得到。经典方法有着昂贵的计算成本，但现在的水平集的实现配置了有趣的低成本的替换。 水平集方法的一个重要方面，比如传播模型，可以用来设计SAR图像的分割算法。这个传播函数能够依据伽马和伽马平方根法则将斑点统计进行整合，函数已经被广泛地应用于SAR图像中的均质区域分割。Ayed等基于伽马分布任意建模，设计方案将SAR图像分成多个均质区域。尽管多区分割问题已经解决，该方案人需要一定数量的区域作为输入。Shuai 和Sun在文献[16]中提出对这个方法进行了改进，他们使用了一个有效的传播前收敛判断。Marques等引入了一个类似于含有斑点噪声图像中目标检测的框架，将基于本地区域的斑点噪声统计融合进去。这些作者采用伽马平方根对均质区域进行建模并用一个自适应窗口方案检测本地的同质性。 最近，新的SAR数据模型比如K，G，显示出了优势。经典法则受限于均质区域特性的描述，而最近的法则展现出了在数据建模中更有吸引力的特性。法则允许同构、异构和高度异构幅度SAR数据的建模。这个分布族提供了一组参数，可以描述SAR图像中的不同区域。分布的参数信息，可以被广泛的应用于设计SAR图像处理和分类技术。在文献[21]中，Mejail 等人介绍了SAR监督数据分类器，它基于其参数映射并实现了有趣的结果。Gambini等人在文献[22]中使用这个分布的一个参数来量化SAR数据的粗糙度，通过活动轮廓和B样条差值来检测边缘。然而，这种技术需要一个初始分割步骤，并受拓扑限制。一般来说，活动轮廓方法不能解决不连续区域分割的问题。 本文介绍了一种新的水平集算法来实现SAR图像中均质、异构和极其异构区域分割的目标。由于分布能够描述SAR图像的同质性和规模，我们的方法采用分布对斑点数据进行建模。这些分布参数基于每一个域点进行估计，通过这些信息，我们可以在水平集分割框架内得到一个能量泛函来驱动向前传播(front propagation)。该泛函以最大化不同区域平均能量间的差异作为结束。最终水平集阶段以能量带作为依据得到SAR图像的分割结果。

数字图像处理技术作业解答

选择题答案： 1：bc ，2：adhij ，3：abde ，4：ahikl ，becfj ，dg ，mno ，5：ad ，（第一章） 1（6）：acd ，2：abd ，3：abd ，4：abc ，5：bc ，6：acd ，7：abce ，8：c 9：acd ，10：bd ，11：ac ，12：b ，13：abcde ，14：bd ，（第二章） 1：（20）ad ，2：ade ，3：abd ，4：abcd ，（第四章） 1：（24）abcde ，2：abcde ，3：abce ，4：abd ，5：ab （第五章） 1：abc ，2：abcd ，3：acde ，4：abcde ，5：bcde ，6：acdefhj ，7：bc （第六章） 1：acd ，2：acdef ，3：c ，4：abcef ，5：acde ，6：ade ，7：ad （第七章） 1：abcdfi （第十章） 1：bcfg ，2：bcd ，3：abcd ，4：abc ，5：abcd ，6：abc ，7：abd(第十二章) 1：acd(第十六章) 第二章： 2.1：1400/72*25.4=49 3.89毫米 2.2：几何结构如下图所示： h 12M 照片中物体的高度h=12/95*50=6.316mm 像素点个数=6.316/25.4*4000=995 2.5：二值图像的每个像素需要占用1bit ，所以该幅图像占用比特数为4000*3000=1.2*107bit 。 2.6：8位深度占用的存储空间为3*8*640*480=7.3728*106bit 10位深度占用的存储空间为3*10*640*480=9.216*106bit 12位深度占用的存储空间为3*12*640*480=1.10592*107bit 14位深度占用的存储空间为3*14*640*480=1.29024*107bit 第四章： 1. 灰度直方图图形化显示时的纵横坐标分别是什么？ 答：灰度直方图图形化显示时的横坐标表示灰度值，纵坐标表示像素个数或者像素个数百分比。 2. 假设有一个包含强度值从0~255的8位灰度图像的直方图信息，请描述如何利用该 直方图信息计算图像像素的平均值，最小值，最大值和中间值。 答：假设直方图信息存储在h0,h1,h2,h3,……,h255中，其中hi 中存储的是灰度值为i 的 像素在图像中的个数。 则图像像素的总个数为： ∑=255 i hi 图像像素灰度值之和为： ∑=255 )*(i hi i

数字图像处理期末复习试题3

1、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，每个小块区域称为像素（pixel）。 数字图像处理：指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术. 2、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。 3、灰度直方图：指反映一幅图像各灰度级像元出现的频率。 4、中值滤波：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。 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) 三、简答题( 每小题10分,本题共30 分 )： 1. 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 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： 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。 2. 简述JPEG的压缩过程，并说明压缩的有关步骤中分别减少了哪种冗余？ 答：分块－＞颜色空间转换－＞零偏置转换－＞DCT变换－＞量化－＞符号编码。颜色空间转换，减少了心理视觉冗余；零偏置转换，减少了编码冗余；量化减少了心理视觉冗余；符号编码由于是霍夫曼编码加行程编码，因此即减少了编码冗余（霍夫曼编码）又减少了像素冗余（行程编码）。 ＪＰＥＧ2000的过程：图像分片、直流电平（DC）位移，分量变换，离散小波变换、量化，熵编码。3、Canny边缘检测器 答：Canny边缘检测器是使用函数edge的最有效边缘检测器。该方法总结如下：1、图像使用带有指定标准偏差σ的高斯滤波器来平滑，从而可以减少噪声。2、在每一点处计算局部梯度g（x,y）=[G2x+G2y]1/2 和边缘方向α（x,y）=arctan（Gy/Gx）。边缘点定义为梯度方向上其强度局部最大的点。3、第2条中确定的边缘点会导致梯度幅度图像中出现脊。然后，算法追踪所有脊的顶部，并将所有不在脊的顶部的像素设为零，以便在输出中给出一条细线，这就是众所周知的非最大值抑制处理。脊像素使用两个阈值T1和T2做阈值处理，其中T1