名词解释77384

1、名词解释：1 灰度直方图：灰度直方图（histogram）是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每种灰度出现的频率。它是多种空间域处理技术的基础。直方图操作能够有效用于图像增强；提供有用的图像统计资料，其在软件中易于计算，适用于商用硬件设备。 灰度直方图性质：1）表征了图像的一维信息。只反映图像中像素不同灰度值出现的次数（或频数）而未反映像素所在位置。2）与图像之间的关系是多对一的映射关系。一幅图像唯一确定出与之对应的直方图，但不同图像可能有相同的直方图。3）子图直方图之和为整图的直方图。2 线性移不变系统：一个系统，如果满足线性叠加原理，则称为线性系统， 一个系统

2、，如果系统特征T·不受输入序列移位（序列到来的早晚）的影响，则系统称为移不变系统。由于很多情况下序号对应于时间的顺序，这时也把“移不变”说成是“时不变”。既满足线性，又满足移不变条件的系统是线性移不变系统。这是一种最常用、也最容易理论分析的系统。这里约定：此后如不加说明，所说的系统均指线性移不变/时不变系统，简称LSI/LTI系统。3 图像分割：为后续工作有效进行而将图像划分为若干个有意义的区域的技术称为图像分割(Image Segmentation) 而目前广为人们所接受的是通过集合所进行的定义： 令集合R代表整个图像区域，对R的图像分割可以看做是将R分成N个满足以下条件的非空子集

3、R1，R2，R3，RN； （1）在分割结果中，每个区域的像素有着相同的特性 （2）在分割结果中，不同子区域具有不同的特性，并且它们没有公共特性 （3）分割的所有子区域的并集就是原来的图像 （4）各个子集是连通的区域4 数字图像处理：数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指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过程。一般来讲,对图像进行处理(或加工、分析)的主要目的有三个方面: (1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。 (2)提取图像中所包含的某些特征或特殊信

4、息,这些被提取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是模式识 别或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。 (3)图像数据的变换、编码和压缩,以便于图像的存储和传输。5 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)。1.数字图像：数字图像是将一幅画面在空间上分割成离散的点（或像元），各点（或像元）的灰度值

5、经量化用离散的整数来表示，形成计算机能处理的形式。2. 图像锐化：图像锐化是增强图象的边缘或轮廓。3. 灰度共生矩阵：从图象灰度为i的像元出发，沿某一方向、距离为d的像元灰度为j同时出现的概率P(i,j,d)，这样构成的矩阵称灰 度共生矩阵。4. 细化：细化是提取线宽为一个像元大小的中心线的操作。5.无失真编码：无失真编码是指压缩图象经解压可以恢复原图象，没有任何信息损失的编码技术。8-连通的定义；图像增强；图像复原；图像锐化；边缘检测；图像识别1、数字图像: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）。2、8-连通的定义:-对于具

6、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、 灰度直方图灰度直方图是指反映一幅图像各灰度级像元出现的频率。4、中值滤波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。   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,

7、y-1)简答题：1 什么是正交变换？用于图像处理的正交变换有哪些？各有何作用？。在图像处理中，图像变换主要目的是将图像的能量尽量集中在少量系数上，从而最大限度地去除原始图像数据中的相关性！正交变换有去除相关性和能量集中的性质。变换编码不是直接对空域图像信号编码，而是首先将空域图像信号映射变换到另一个正交矢量空间(变换域或频域)，产生一批变换系数，然后对这些变换系数，进行编码处理。变换编码不是直接对空域图像信号编码，而是首先将空域图像信号映射变换到另一个正交矢量空间(变换域或频域)，产生一批变换系数，然后对这些变换系数，进行编码处理。数字图像信号经过正交变换为什么能够压缩数据量呢？先让我们看一个

8、最简单的时域三角函数 的例子，当t从到改变时， 是一个正弦波。假如将其变换到频域表示，只需幅值A和频率f两个参数就足够了，可见 在时域描述，数据之间的相关性大，数据冗余度大；而转换到频域描述，数据相关性大大减少，数据冗余量减少，参数独立，数据量减少。变换编码技术已有近30年的历史，技术上比较成熟，理论也比较完备，广泛应用于各种图像数据压缩，诸如单色图像、彩色图像、静止图像、运动图像，以及多媒体计算机技术中的电视帧内图像压缩和帧间图像压缩等。正交变换的种类很多，如傅立叶（Fouries）变换、沃尔什（Walsh）变换、哈尔（Haar）变换、斜（slant）变换、余弦变换、正弦变换、K-L（Kar

9、hunen - Loeve）变换等。2 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

10、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=100      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：      S017，s 137，s257，s367，    s467，s51，s6l，s71。      可见，新

11、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=l7，s1=37，s2=57，s3=67，s4=l。因为由rO=0经变换映射到sO=17，所以有n0=790个象素取sO这个灰度值；由rl=37映射到sl=37，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=57这一灰度值；由于r3和r4均映射到s3=67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。3 图像编

12、码压缩方法有哪几类？列举出几个有损和无损的压缩方法。画出编解码的系统结构图。图像压缩可以是有损数据压缩也可以是无损数据压缩。对于如绘制的技术图、图表或者漫画优先使用无损压缩，这是因为有损压缩方法，尤其是在低的位速条件下将会带来压缩失真。如医疗图像或者用于存档的扫描图像等这些有价值的内容的压缩也尽量选择无损压缩方法。有损方法非常适合于自然的图像，例如一些应用中图像的微小损失是可以接受的（有时是无法感知的），这样就可以大幅度地减小位速。 无损图像压缩方法有： 行程长度编码 熵编码法 如 LZW 这样的自适应字典算法 有损压缩方法有： 将色彩空间化减到图像中常用的颜色。所选择的颜色定义在压缩图像头的

13、调色板中，图像中的每个像素都用调色板中颜色索引表示。这种方法可以与 抖动(en:dithering)一起使用以模糊颜色边界。 色度抽样，这利用了人眼对于亮度变化的敏感性远大于颜色变化，这样就可以将图像中的颜色信息减少一半甚至更多。 变换编码，这是最常用的方法。首先使用如离散余弦变换（DCT）或者小波变换这样的傅立叶相关变换，然后进行量化和用熵编码法压缩。 分形压缩（en:Fractal compression）。（1）边缘检测边缘检测是大多数图像处理必不可少的一步，提供了物体形状的重要信息。数学形态学运算用于边缘检测，存在着结构元素单一的问题。它对与结构元素同方向的边缘敏感，而与其不同方向的边

14、缘（或噪声）会被平滑掉，即边缘的方向可以由结构元素的形状确定。但如果采用对称的结构元素，又会减弱对图像边缘的方向敏感性。所以在边缘检测中，可以考虑用多方位的形态结构元素，运用不同的结构元素的逻辑组合检测出不同方向的边缘。（2）图像分割基于数学形态学的图像分割算法是利用数学形态学变换，把复杂目标X分割成一系列互不相交的简单子集X1，X2，XN。对目标X的分割过程可按下面的方法完成：首先求出X的最大内接“圆”X1，然后将X1从X中减去，再求X-X1的最大内接“圆”X2，依此类推，直到最后得到的集合为空集为止。数学形态学用于图像分割的缺点是对边界噪声敏感。为了改善这一问题，刘志敏等人提出了基于图像最

15、大内切圆的数学形态学形状描述图像分割算法和基于目标最小闭包结构元素的数学形态学形状描述图像分割算法，并使用该算法对二值图像进行了分割，取得了较好的效果。（3）形态骨架提取形态骨架描述了物体的形状和方向信息。它具有平移不变性、逆扩张性和等幂性等性质，是一种有效的形状描述方法。二值图像A的形态骨架可以通过选定合适的结构元素B，对A进行连续腐蚀和开启运算来求取，形态骨架函数完整简洁地表达了形态骨架的所有信息，因此，根据形态骨架函数的模式匹配能够实现对不同形状物体的识别。算法具有位移不变性，因而使识别更具稳健性。（4）噪声滤除对图像中的噪声进行滤除是图像预处理中不可缺少的操作。将开启和闭合运算结合起来

16、可构成形态学噪声滤除器。滤除噪声就是进行形态学平滑。实际中常用开启运算消除与结构元素相比尺寸较小的亮细节，而保持图像整体灰度值和大的亮区域基本不变；用闭合运算消除与结构元素相比尺寸较小的暗细节，而保持图像整体灰度值和大的暗区域基本不变。将这两种操作综合起来可达到滤除亮区和暗区中各类噪声的效果。同样的，结构元素的选取也是个重要问题。1.简述线性位移不变系统逆滤波恢复图像原理。  设退化图象为g(x,g)，其傅立叶变换为G(u,v),若已知逆滤波器为1/H(u,v)则对G(u,v)作逆滤波得F(u,v)=G(u,v)/H(u,v)     

17、;    （2分）对上式作逆傅立叶变换得逆滤波恢复图象f(x,y)f(x,y)=IDFTF(u,v)          以上就是逆滤波恢复图象的原理。  （2分）若存在噪声，为避免H(u,v)=0,可采用两种方法处理。（0.5分）在H(u,v)=0时,人为设置1/H(u,v)的值；使1/H(u,v)具有低同性质。即  H-1(u,v)=1/H(u,v)   当DD0  H-1(u,v)=0   &

18、#160;     当D>D0        (0.5分)2.图像锐化与图像平滑有何区别与联系？     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。3.伪彩色增强与假彩色增强有何异同点？      伪彩色增强是对一幅灰度图象经过三种变换得到三幅图象，进行彩色合成得到一幅彩色图像；假彩色

19、增强则是对一幅彩色图像进行处理得到与原图象不同的彩色图像；主要差异在于处理对象不同。（4分）相同点是利用人眼对彩色的分辨能力高于灰度分辨能力的特点，将目标用人眼敏感的颜色表示。（1分）4.梯度法与Laplacian算子检测边缘的异同点？   梯度算子和Laplacian检测边缘对应的模板分别为 -1 -11  1 1    1-41      1   （梯度算子）   

20、;              （Laplacian算子）      （2分）梯度算子是利用阶跃边缘灰度变化的一阶导数特性，认为极大值点对应于边缘点；而Laplacian算子检测边缘是利用阶跃边缘灰度变化的二阶导数特性，认为边缘点是零交叉点。（2分）   相同点都能用于检测边缘，且都对噪声敏感。（1分）1、逆滤波时，为什么在图像存在噪声时，不能采用全滤波？试采用逆滤波原理说明，并给出正确的处理方法。

21、复原由退化函数退化的图像最直接的方法是直接逆滤波。在该方法中，用退化函数除退化图像的傅立叶变换来计算原始图像的傅立叶变换。由上式可以看到，即使我们知道退化函数，也可能无法准确复原未退化的图像。因为噪声是一个随机函数，其傅氏变换未知。当退化为0或非常小的值，N(u,v)/H(u,v)之比很容易决定的值。一种解决该问题的方法实现值滤波的频率时期接近原点值。2、当在白天进入一个黑暗剧场时，在能看清并找到空座位时需要适应一段时间，试述发生这种现象的视觉原理。答：人的视觉绝对不能同时在整个亮度适应范围工作，它是利用改变其亮度适应级来完成亮度适应的。即所谓的亮度适应范围。同整个亮度适应范围相比，能同时鉴别

22、的光强度级的总范围很小。因此，白天进入黑暗剧场时，人的视觉系统需要改变亮度适应级，因此，需要适应一段时间，亮度适应级才能被改变。4、将高频加强和直方图均衡相结合是得到边缘锐化和对比度增强的有效方法。上述两个操作的先后顺序对结果有影响吗？为什么？答：有影响，应先进行高频加强，再进行直方图均衡化。高频加强是针对通过高通滤波后的图像整体偏暗，因此通过提高平均灰度的亮度，使图像的视觉鉴别能力提高。再通过直方图均衡化将图像的窄带动态范围变为宽带动态范围，从而达到提高对比度的效果。若先进行直方图均衡化，再进行高频加强，对于图像亮度呈现较强的两极现象时，例如多数像素主要分布在极暗区域，而少数像素存在于极亮区

23、域时，先直方图均衡化会导致图像被漂白，再进行高频加强，获得的图像边缘不突出，图像的对比度较差。5 请画出退化的一般模型，说出几种复原滤波器并进行简单比较。6 图像增强时，平滑和锐化有哪些实现方法，各列举出几个模板和滤波器。7、简述Canny边缘检测器。8某仓库白天采用视频监控，当有人出现时，立即报警。请写出图像处理的大致实现步骤。9在人脸识别、指纹识别、汽车牌照识别等技术中，需要以下过程： 图像采集-图像预处理特征提取-模式识别（1）你熟悉哪一种识别技术？（2）在该技术中，写出图像预处理需要按顺序实现的算法。数字图像：图像的数字表示或经过采样和量化的图像，像素就是离散单元，量化的灰度就是数字量

24、值。颜色的表观特征：明度（Luminance）：颜色明亮的程度；一幅灰度图像只有明度特征，而彩色图像还具有色调和饱和度两个色度特征；色调（Hue）：反映颜色的类别饱和度（Saturation）：表示颜色接近光谱色的程度。任何一种颜色都可以看着是某种光谱色与白色混合的结果，光谱色所占的比例越大，颜色接近光谱色的程度就越高，颜色的饱和度就愈高。饱和度高，颜色就深而艳。空间分辨率（Spatial Resolution)灰度分辨率（Gray Resolution) 数字图像的表示当一幅图像的x和y坐标及幅值f都为连续量时，称该图像为连续图像。为了把连续图像转换成计算机可以接受的数字形式，必须先对连续的

25、图像进行空间和幅值的离散化处理。 图像的采样： 对图像的连续空间坐标x和y的离散化。 图像灰度级的量化： 对图像函数的幅值f的离散化。2.4 空间分辨率和灰度级分辨率 空间分辨率和灰度级分辨率1、空间分辨率 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。2、灰度分辨率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。显示分辨率是指显示屏上能够显示的数字图像的最大像素行数和最大像素列数，取决于显示器上所能够显示的像素点之间的距离。图像分辨率反映了数字化图像中可分辨的最小细节，也即图像的空间分辨率。在这里将图像分辨率看成是图像阵列的大小。同一显示器

26、（或显示分辨率相同的不同显示器）显示的图像大小只与被显示的图像（阵列）的空间分辨率大小有关，与显示器的显示分辨率无关。换句话说，具有不同空间分辨率的数字图像在同一显示器上的显示分辨率相同。当同一幅图像（或图像分辨率相同的不同图像）显示在两个不同显示分辨率的显示器上时，显示的图像的外观尺寸与显示器的显示分辨率有关：显示分辨率越高，显示出的图像的外观尺寸越小；显示分辨率越低，显示出的图像的外观尺寸越大。光分辨率是指显示系统在每个像素位置产生正确的亮度或光密度的精度，部分地依赖于控制每个像素亮度的比特数。灰度分辨率是指在灰度级别中可分辨的最小变化,一般把灰度级数L称为数字图像的灰度级分辨率。3、傅里

27、叶变换在图像处理中的应用.2.4 图像的傅里叶频谱特性分析基本思路是:先用(-1)(x+y)乘以图像得(-1)(x+y)f(x,y)；然后对其进行傅里叶正变换得到原点在(M/2,N/2)之处的F(u,v)；接着根据图像的频率特性，利用有关的低通频率滤波器，或高通频率滤波器等，对其进行滤波处理；再将处理的结果进行傅里叶反变换；最后给反变换的结果再乘以(-1)(x+y)就可得到最终的结果。典型的应用：去除图像噪声、图像数据压缩、图像识别、图像重构和图像描述等。3.4 离散余弦变换Discrete Cosine Transform，简写为DCT 函数的偶对称性使DCT只有实数域变换结果，不再涉及复数

28、运算，运算简单，费时少； 又保持了变换域的频率特性； 与人类视觉系统特性相适应；得到了更加广泛的应用。小波变换具有良好的局部时频聚焦特性，而被称为“数学显微镜”。小波变换(Wavelet Transform)n 傅立叶变换的不足： 用傅立叶变换提取信号的频谱需要利用信号的全部时域信息。 傅立叶变换没有反映出随着时间的变化信号频率成分的变化情况。 傅立叶变换的积分作用平滑了非平稳信号的突变成分。因此，图像增强的目的，就是改善图像质量，获得更适合于人眼观察、或者对后续计算机处理、分析过程更有利的图像。图像增强并不以图像保真为准则，而是有选择地突出某些对人或计算机分析有意义的信息，抑制无用信息，提高图像的使用价值。(一) 直方图均衡化直方图均衡化是将原图像的直方图通过变换函数修正为均匀的直方图，然后按均衡直方图修正原图像。图像