数字图像处理(2)(共6页)

1、PAGE PAGE 81.取样(qyng)、量化、数字化的概念1.取样：空间坐标(zubio)离散化2.量化：幅值离散(lsn)化3.数字化：模拟图像经离散化得用数字表示的图像。数字化包括采样和量化。2.奈奎斯特取样定理在进行模拟/数字信号的转换过程中，当 HYPERLINK /view/82683.htm t /view/_blank 采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max2fmax)，采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的510倍；定理意义：取样定理指出了要使取样信号能不失真地描述原信号，其采样频率必须大于或

2、等于信号所含有最高截止频率的2倍3.量化的分类：1.步长均匀性：均匀和非均匀。2.对称性：对称和非对称3.采样点相关性：无记忆和有记忆。4.采样点数分：标量和矢量。4.常见的图像输入设备：数码电视摄像机、数码照相机、扫描仪5.能量集中性能从好到差KLT、DCT、SLT、DFT、WHT、HRT2.运算量从小到大HRT、WHT、SLT、DCT、DFT、KLT3.综合考虑，在图像编码中选取DCT为变换矩阵6.噪声类型与特点1.椒盐: 位置随机，幅值基本相同2.高斯：位置一定，幅值随机。 7.图像锐化代表算法及效果微分类型代表算法边界细节一阶微分Sobel、RobertsPriwitt粗略但清晰较少二

3、阶微分Laplacian、WallisLOG细致但不清晰丰富8.图像分割：根据某种均匀性的原则将图像分成若干个有意义的部分，使每部分都符合某种一致性的要求。而任意两个相邻部分的合并都会破坏这种一致性 9.图像分割方法：1.像素点的跳变性-基于边界的分割：依据各个像素点的灰度不连续性进行分割。2.像素点的相似性-基于区域的分割：依据同一区域具有相似的灰度这一特性，寻求不同区域之边界10.图像退化因素：1.光学系统的像差与成像衍射2.A/D过程损失部分细节3.成像系统的非线性畸变4.环境随机噪声5.成像过程的相对运动6.射线辐射、大气湍流等造成的照片畸变7.遥感仪器的不稳定引起的照片几何失真11.

4、3、三种最常见的有约束的图像恢复方法及其条件1.能量约束恢复:当Q为线性运算时，即Q=I 2.平滑约束恢复:当Q取平滑运算，Q=C（3）均方误差最小滤波（维纳滤波） 当12.图像分析的目的、图像特征种类：目的：给出某一具体的图像中与其他图像相区别的特征。特征：纹理、形状、颜色及时间序列13.图像的形态运算包括:膨胀(扩张)、腐蚀(侵蚀)、开启、闭合14.图像纹理:图像中灰度和颜色的变化，反复出现的纹理基元和客观存在的排列规则.纹理分析方法:灰度共生矩阵15.图像形状的体现形式:1.图像经过分割处理后的区域2.图像经过边缘抽取后的边界3.图像区域的骨架。形状分析方法:1.二值化处理2.由中轴变换

5、抽取骨架16.图像数据冗余度概念，压缩编码的分类（1）对于描述一幅图像所需要的最少信息之外的多余信息，称为冗余度。一般图像中都含有冗余度，去除图像里的冗余度便完成了数据压缩（2）图像压缩技术分两种：1）冗余度压缩又称为无损压缩或无失真压缩。2）熵压缩又称为有损压缩或有失真压缩17.JPEG压缩步骤:1.数据组织与系统框图2.正向离散余弦变换3.量化4.Z字形编排5.直流系数的编码6.交流系数的编码7.熵编码1.离散傅里叶变换(binhun)频谱的特点1.从分布上看，频谱中心处于屏幕(pngm)中心，从中心向四周呈辐射状分布；离中心越远，频率越高，能量越小;2.中心点即直流分量(fn ling)

6、点对应着图像的平均亮度；低频区域对应图像的实体细节；高频区域对应图像的边缘轮廓。离散余弦变换（DCT）频谱的特点DCT具有很强的能量集中在频谱的低频部分的特性，而且当信号具有接近马尔可夫过程的统计特性时，DCT的去相关性接近于具有最优去相关性的K-L变换的性能。2、灰度直方图的概念及特点灰度直方图是灰度级的函数，描述的是图像中该灰度级的像素个数。即：横坐标表示灰度级，纵坐标表示图像中该灰度级出现的个数。1.所有的空间信息全部丢失。2.每一灰度级的像素个数可直接得到3.直方图均衡化：直方图均衡化是对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减，将直方图的分布变成均匀分布，从

7、而达到清晰图像的目的。直方图指定化（规格化）：把已知直方图的图像变为期望直方图的图像。4.图像平滑代表算法以及效果（均值、中值滤波的原理和作用)噪声特点方法处理后图像椒盐分布随机幅值一定均值抑制噪声，边缘明显模糊中值滤除噪声，边缘仅有少许模糊高斯分布固定幅值不定均值滤除噪声，边缘明显模糊中值噪声无法去除，边缘也无模糊中值滤波原理：利用中值滤波模板对图像进行扫描，把模板中的像素进行由小d到大的重新排列，取排列中间位置上的像素的灰度值替代模板中心待处理像素灰度值。这种方法称为中值滤波。作用：中值滤波的优点是在消除噪声的同时，还能保护边界不被模糊 。均值滤波原理：在图像上，对待处理的像素给定一个模板

8、，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。5.区域生长法的原理：从生长点开始，搜索其邻域，把符合接收规则的点或子区归并进来，形成新的生长点，直到当前区域不能再合并为止6.什么是盲目去卷积恢复？盲目解卷积算法主要针对失真（包括模糊和噪声）毫无所知的情况下进行的复原操作。一般处理方法是把图像分为若干块，假设点扩展函数H(u,v)的值为某常数，逐块求得原图像的傅立叶变换，从而复原图像。因为H(u,v)未知，故称为盲目解卷积7.帧内预测的原理与工作过程（对DPCM的原理和过程进行分析）(计算题）原理：对预测差值编码以消除空间冗余度即差分脉冲编码调制DPCM，原理

9、框图如下：8. 变换编码能实现压缩的原理原理：通过变换去除一部分不重要的参数，达到压缩的目的。其依据是图像数据经过变换后，出现能量集中的情况，则变换后可只选少量重要的系数进行编码，以达到压缩的目的。9.帧间预测的原理与应用原理：帧间预测编码取不同帧的像素作为预测像素，求其差值，再对差值进行编码。可消除帧与帧之间的时间冗余度。应用：运动估计ME、运动补偿MC10.退化模型的框图(kungt)及描述1.退化(tuhu)现象的物理模型:A非线性退化(tuhu)：主要因为成像系统的非线性B空间模糊退化：物理图像系统中衍射引起C.运动模糊D.噪声模糊2.图像退化模型：原始图像g(x,y)经过一个退化过程

10、H（退化算子或退化系统）的作用，再和噪声n(x,y)进行叠加，形成退化图像f(x,y)f(x,y)=Hg(x,y)+n(x,y)H(x,y)+g(x,y)n(x,y)f(x,y)3.连续退化模型在不考虑噪声影响时，系统输出由其输入和点扩展函数唯一确定。即退化图像f(x,y)是原图像g(x,y)和引起退化的图像系统之点扩展函数h(x,y)的卷积。点扩展函数简称PSF4.离散退化模型表示成矩阵形式 f=Hg+n其中f,g,n都是MN*1的向量，H是MN*MN的维向量。11.彩色增强的分类与原理图像增强是一类对图像降质进行改善的方法，它们有选择性地突出图像的边缘、轮廓、对比度等特征，以便于显示、观察

11、或进一步分析与处理。1.真彩色增强2.伪彩色增强：由于人眼分辨不同彩色的能力比分别不同的灰度级的能力强，因此，把人眼无法区别的灰度变化，施以不同的彩色来提高识别率，这便是伪彩色增强的基本依据。3.假彩色：假彩色是指将一幅彩色图像映射为另一幅彩色图像，从而达到增强对比度的目的。12.边界搜索跟踪的原理边界跟踪：是指从灰度图像中的一个边缘点出发，依次搜索并连接相邻边缘点，从而逐步检测出边界的方法。1.确定作为搜索起点的边缘点（通常采用梯度值最大的点）2.采取一种合适的数据结构和搜索机理，在已经发现的边界点基础上确定新的边界点。3.确定搜索终结的准则或终止条件14、门限化分割的原理:门限化法：适用于

12、对象与背景占据不同灰度级范围原理：选取一个适当的灰度级门限，然后将每个像素灰度和它进行比较，超过门限的重新分配以最大灰度，低于门限的分配以最小灰度。这样可组成一幅新的二值图像，并将对象从背景中分离出来15.差分、梯度、拉普拉斯边缘检测的原理1.差分边缘检测：处在边缘两侧的点，图像灰度将发生急剧的变化，因此具有较大的差分值，当差分方向与边界方向垂直时，具有最大的差分值。差分是灰度变化的有方向性的运算2.梯度边缘检测：梯度是各向同性的运算，它既可以检测出边缘，又和施加运算的方向无关3.拉普拉斯边缘检测：各向同性的运算，对灰度突变敏感用于边缘检测时，为避免出现负值，常取其绝对值5、什么是图像的几何畸

13、变？由于成像系统的非线性，成像后的图像与原景物相比，产生比例失调，被描述的景物间产生扭曲视觉效果不好.在对图像进行定量分析时提取的形状、距离、面积等数据也不准确4、图像形状的体现形式有哪些？形状分析有哪些方法？ 图像的形状可由三种方式给出：1.图像经过分割处理后的区域2.图像经过边缘抽取后的边界3.图像区域的骨架。常用的方法是在图像分割后，做二值化处理。对于分割后的区域，也可由中轴变换抽取其骨架，作为区域的形状特征.图像(t xin)预处理：包括图像增强、平滑抑噪、边缘锐化、图像复原1.灰度线性变换的原理(yunl)（对具体方法的分析）（计算(j sun)）P(r)ab255gf255ba25

14、5gbgasP(s)255gbga结果分析：处理之前：图像主要像素处于a,b。看作是对象区域。 处理之后：a,b展宽为【a,b】，对象区域被拉伸，灰度差增大，是对比度提高；灰度层次增多，是清晰度提高，总体上增强了视觉效果。2.计算：如何进行直方图规格化例:已知 原图（K） 0 1 2 3 4 5 6 7 原图P（K） 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02 目标L 0 1 2 3 4 5 6 7 目标P（L） 0.125 0.125 0.125 0.125 0.125 0.125 0.125 0.125求K、L之间的转换关系（若F（L-1）F(K)=F(

15、L)则K变换成L）和规格化处理后的直方图。（1）求原图灰度级分布函数F(k)原图k0 1 2 3 4 5 6 7原图p(k)0.190.250.210.160.080.060.03 0.02F(k)0.19 0.44 0.65 0.81 0.89 0.95 0.98 1（2）求目标图灰度级分布函数F(l)目标l0 1 2 3 4 5 6 7目标p(l)0.125 0.125 0.125 0.125 0.125 0.125 0.125 0.125F(l)0.125 0.25 0.375 0.5 0.625 0.75 0.875 1（3）k，l之间的对应关系K01234567L13567777（4

16、）求实际得到的直方图Q(l)p(k)0.190.250.210.160.080.060.03 0.02l0 1 2 3 4 5 6 7Q(l)0 0.19 0 0.25 0 0.210.160.19分析：原图(yun t)直方图分布不合理，原图低、中灰度区分布多，高灰度区分布少；处理之后，灰度分布均匀。3.图像平滑模板与锐化模板的应用(yngyng)（具体模板的计算）（平滑(pnghu)模板应用计算）示例：已知图像子块如下（A为噪声点），应用H模板对A、B、C、D四点进行运算，通过结果分析出该模板的功能和类型。分析：（1）对于噪声A，处理前后FA=20降为FA=3，噪声幅度下降，噪声被抑制。

17、（2）对于边缘：第二列、第三列有灰度突变，体现为边缘。处理前后，突变由6个灰度级降为2个灰度级，灰度突变减弱，边缘被模糊。综上，平滑模板。计算：初始生长点为9，接收准则为可并入的点的灰度与区域灰度均值之差 生长过程如下： 5行程编码的原理及应用（具体计算，包括数据压缩比）原理：通过改变图像的描述方式，来实现压缩。将一行中颜色值相同的相邻像素用一个计数值和该颜色值来代替。计算 ：例：图像子块如图(a)所示，现采用Z字形扫描如图(b)进行RLE编码，写出扫描结果，并计算出数据压缩比。扫描结果：（6,120） （7,130） （3,145） （4,150） （5,168）数据量为：5*（3+8）bi

18、t压缩比为：Cr=25*8bit/5*(3+8)bit6.哈夫曼编码的原理及应用（具体计算，包括熵、编码平均长度、编码效率）原理：（1）首先求出图像中灰度分布的灰度直方图；（2）根据该直方图，对其按照分布概率从小到大的顺序进行排列；（3）每一次从中选择出两个概率为最小的节点相加，形成一个新的节点，构造一个称为“Huffman树”的二叉树；（4）对这个二叉树进行编码，就获得了Huffman编码码字。计算：例：图像子块如图所示，现采用Huffman编码，画出编码过程，写出编码结果，并计算出编码效率。解：令A=120 B=130 C=145 D=150 E=168 则 P(A)=6/25 P(B)=7/25 P(C)=3/25 P(D)=4/25 P(E)=5/25 1.预测(yc)器根据存储的前若干个样值对当前值进行预测，得到预测值2.待