数字图像期末复习重点剖析

1.数字图像处理的应用领域：通信：图象传输，电视电话等。宇宙探测：星体图片处理。 遥感：地形、地质、矿藏探查，森林、水利、海洋、农业等资源调查，自然灾害预测，环境污染的监测，气象云图。 生物医学：CT，X射线成象，B超，红外图象，显微图象。 工业生产： 产品质量检测，生产过程控制，CAD，CAM。 军事： 军事目标侦察，制导系统，警戒系统，自动火器控制，反伪装等。公安： 现场照片，指纹，手迹，印章，人像等处理和鉴别。 档案： 过期的文字、图片档案的修复和处理。机器人视觉 娱乐： 电影特技，动画，广告，MTV等2. 简单的图像成像模型： 一幅图像可定义成一个二维函数f(x,y)。由于幅值f实质上反映了图像源的辐射能量，所以f(x,y)一定是非零且有限的，也即有： 0f(x,y)A0 图像是由于光照射在景物上，并经其反射或透射作用于人眼的结果。所以：f(x,y)可由两个分量来表征，一是照射到观察景物的光的总量，二是景物反射或透射的光的总量. 设i(x,y)表示照射到观察景物表面(x,y)处的白光强度，r(x,y)表示观察景物表面(x,y)处的平均反射(或透射)系数，则有： f(x,y)=i(x,y)r(x,y) 其中： 0 i(x,y) 线阶梯）.-10 015.罗伯特交叉梯度算子(一阶）：-10 01 Soble算子（一阶）：-1-2-1000121 -1-2-1000121 水平 垂直第二章1.人感受一个物体的颜色由物体反射光的性质决定。2.没有颜色的光为单色光。从黑到白的单色光的度量值范围称为灰度级。3.描述彩色光源的三个基本量:：发光强度、光通量、亮度。4.要求看到一个物体的电磁波的波长必须小于等于物体的尺寸。5.简单的图像形成模型 f(x,y)=i(x,y) r(x,y) 0i(x,y), 0r(x,y)线阶梯）.1图像锐化与图像平滑有何区别与联系？答：图象锐化是用于增强边缘，导致高频分量增强，会使图象清晰；图象平滑用于去噪，对图象高频分量即图象边缘会有影响。都属于图象增强，改善图象效果。1. 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。2. 简述均值滤波器对椒盐噪声的滤波原理，并进行效果分析。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。均值滤波器对椒盐噪声的滤波结果不好。原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。3. 中值滤波器对椒盐噪声的滤波效果如何？试分析其中的原因。中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。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。中值滤波器对椒盐噪声的滤波效果较好。原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。使用中值滤波时，被污染的点一般不处于中值的位置，即选择适当的点来替代污染点的值，所以处理效果好。4. 使用中值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？中值滤波器对椒盐噪声的滤波效果较好，对高斯噪声的处理效果不好。中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。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。使用中值滤波时，被污染的点一般不处于中值的位置，即选择适当的点来替代污染点的值，所以处理效果好。高斯噪声是幅值近似正态分布，但分布在每点像素上。找不到干净的点来替代被污染的点，故处理效果不好。5. 使用均值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？均值滤波器对高斯噪声的滤波结果较好，对椒盐噪声的滤波结果不好。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。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。椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。编程：最近邻域内插：A=imread(flower.bmp);n=3;t1,t2,l=size(A);imshow(A);x=t1*n;y=t2*n;for i=1:x for j=1:y x1=round(i/n); y1=round(j/n); if(x11) x1=1; end if(y11) y1=1; end B(i,j,:)=A(x1,y1,:); endendfigure;imshow(B);双线性内插：A=imread(flower.bmp);n=3;t1,t2,l=size(A);imshow(A);x=t1*n;y=t2*n;for i=1:x for j=1:y x1=floor(i/n); y1=floor(j/n); if(x11)x1=1; end if(y1=t1)x1=t1-1; end if(y1=t2)y1=t2-1; end a=A(x1+1,y1)-A(x1,y1); b=A(x1,y1+1)-A(x1,y1); c=A(x1+1,y1+1)+A(x1,y1)-A(x1+1,y1)-A(x1,y1+1); d=A(x1,y1); xx=i/n-x1; yy=j/n-y1; B(i,j,:)=a*xx+b*yy+c*xx*yy+d; endendfigure;imshow(B);根据二维离散傅立叶变换公式计算傅立叶谱：A=imread(fft2.bmp);A=double(A)m,n=size(A);B=zeros(m,n);for u=1:mfor v=1:n for x=1:m for y=1:n B(u,v)= B(u,v)+A(x,y)*exp(-j*2*3.14*(u-1)*(x-1)/m+(v-1)*(y-1)/n); end end B(u,v)=B(u,v)/(m*n); endendfigure;imshow(uint8(real(B),);利用拉普拉斯算子实现数字图像的锐化的算法：a=imread(moon.bmp);imshow(a);x,y=size(a);a=double(a);figure;mo=0,1,0;1,-4,1;0,1,0; %模板for i=2:x-1for j=2:y-1 B(i,j)=a(i-1,j-1)*mo(1,1)+a(i-1,j)*mo(1,2)+a(i-1,j+1)*mo(1,3). +a(i,j-1)*mo(2,1)+a(i,