数字图象处理Word文档下载推荐.docx

数字图象处理Word文档下载推荐.docx

《数字图象处理Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《数字图象处理Word文档下载推荐.docx（10页珍藏版）》请在冰豆网上搜索。

6、采用模板【-1，1】主要检测方向的边缘：

A、水平B、45°

C、垂直D、135°

7、对一幅100×

100像元的图像，若每像元用8bit表示其灰度值，经霍夫曼编码后压缩图像的数据量为40000bit，则图像的压缩比为：

A

A、2:

1B、3:

1C、4:

1D、1:

2

8、图像灰度方差说明了图像哪一个属性：

A、平均灰度B、图像对比度C、图像整体亮度D、图像细节

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、傅里叶变换D、中值滤波

10、将灰度图像转换成二值图像的命令是：

A、ind2grayB、ind2rgbC、im2bwD、ind2bw

11、下列图像边缘检测算子中抗噪性能最好的是：

A、梯度算子B、Prewitt算子C、Roberts算子D、Laplacian算子

12、二值图像中分支点的连接数为：

A、0B、1C、2D、3

二、填空题

1、图像锐化除了在空间域进行外，也可在频率域进行。

2、一个基本的数字图像处理系统由图像输入、图像存储、图像输出、图像通信、图像处理与分析五个模块组成。

3、图像处理中常用的两种邻域是4-邻域和8-邻域。

4、直方图修正法包括直方图均衡和直方图规定化等。

5、MPEG4标准主要编码技术有DCT变换、小波变换等。

6、图像增强按增强处理所在空间不同分为空间域和频域两个方法。

7、常用的彩色增强方法有真彩色增强技术、假彩色增强技术和伪彩色增强三种。

8、对于彩色图像，通常用以区分颜色的特性是色调、饱和度、亮度。

9、多年来建立了许多纹理分析法，这些方法大体可分为统计分析法和结构分析法两大类。

10、依据图像的保真度，图像压缩可分为无损压缩和有损压缩。

11、存储一幅大小为1024×

1024，256个灰度级的图像，需要8Mbit。

12、低通滤波法是使高频成分收到抑制而让低频成分顺利通过，从而实现图像平滑。

13、一般来说，采样间距越大，图像数据量少，质量差；

反之亦然。

14、图像压缩系统是有编码器和解码器两个截然不同的结构块组成的。

15、若将一幅灰度图像中的对应直方图中偶数项的像素灰度均用相应的对应直方图中奇数项的像素灰度代替（设灰度级为256），所得到的图像将亮度增加，对比度减少。

16、图像数字化过程包括三个步骤：

采样、量化和扫描。

17、数据压缩技术应用了数据固有的冗余度和不相干性，将一个大的数据文件转换成较小的文件。

18、基本的形态学运算是腐蚀和膨胀。

先腐蚀后膨胀的过程为开运算，先膨胀后腐蚀的过程为闭预算。

19、在RGB彩色空间的原点上，三个基色均没有亮度，即原点为黑色，三基色都达到最高亮度时则表现为白色。

20、数字图像是图像的数字表示，像素是其最小的单位。

21、灰度图像是指每个像素的信息由一个量化的灰度级来描述的图像，没有彩色信息。

22、彩色图像是指每个像素的信息由RGB三原色构成的图像，其中RGB是由不同的灰度级来描述的。

23、图像的数字化包括了空间离散化即采样和明暗表示数据的离散化即量化。

24、分辨率是指映射到图像平面上的单个像素的景物元素的尺寸。

25、直方图均衡化方法的基本思想是：

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，从而达到清晰图像的目的。

因为灰度分布可在直方图中描述，所以该图像增强方法是基于图像的灰度直方图。

26、图像锐化的目的是加强图像中景物的细节边缘和轮廓。

27、因为图像分割的结果图像为二值图像，所以通常又称图像分割为图像的二值化处理。

28、在彩色图像处理中，常使用HSI模型，它适于做图像处理的原因有:

1、在HIS模型中亮度分量与色度分量是分开的；

2、色调与饱和度的概念与人的感知联系紧密。

29、亮度鉴别实验表明，韦伯比越大，则亮度鉴别能力越差。

30、直方图均衡化适用于增强直方图呈尖峰分布的图像。

31、对于拉普拉斯算子运算过程中图像出现负值的情况，写出一种标定方法：

三、名词解释

1、数字图像与数字图象处理。

答：

数字图像是将一幅画面在空间上分割成离散的点（或像元），各点的灰度值经量化用离散的整数来表示，形成计算机能处理的形式。

数字图像处理就是指用数字计算机及其他相关的数字技术，对数字图像施加某种或某些运算和处理，从而达到某种预期的处理的目的。

2、图像锐化与量化。

把采样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化，即采样点亮度的离散化。

图像的锐化处理主要是用于增强图像中的轮廓边缘、细节以及灰度跳变部分，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。

3、图像分割与复原。

图像分割就是指把图像分成各具特性的区域并提供出感兴趣目标的技术和过程。

图像复原是改善给定的图像质量并尽可能的恢复原图像。

4、灰度直方图与灰度共生矩阵。

灰度直方图是表示一幅图像灰度分布情况的统计图表。

由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。

灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。

灰度直方图是对图像上单个象素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。

5、图像编码（失真与无失真编码）。

图像编码：

在满足一定质量（信噪比）的条件下，用尽可能少的比特数表示图像的信源编码。

用以压缩图像数据，传输图像和提取特征等。

无失真编码是指压缩图像经解压可以恢复原图像，没有任何信息损失的编码技术。

6、像素邻域、四连通和八连通。

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）。

八连通：

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-联通的。

四、简答题

1、小波变换与子波变换主要思想与过程。

小波变换：

以某些特殊函数为基将数据过程或数据系列变换为级数系列以发现它的类似频谱的特征，从而实现数据处理。

小波变换是空间（时间）和频率的局部变换，因而能有效地从信号中提取信息。

通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析。

小波变换是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间一频率窗口，是进行信号时频分析和处理的理想工具。

它的主要特点是通过变换能够充分突出问题某些方面的特征，因此，小波变换在许多领域都得到了成功的应用，特别是小波变换的离散数字算法已被广泛用于许多问题的变换研究中。

2、韦伯定理与韦伯比。

韦柏定律，即感觉的差别阈限随原来刺激量的变化而变化，而且表现为一定的规律性，用公式来表示，就是△I/I=K，其中为I原刺激量，为△I此时的差别阀限，K为常数，又称为韦伯率。

韦伯分数为不同感觉通道的辨别能力的指标。

韦伯分数越小，辨别就越灵敏。

主观亮度感觉与客观亮度的对数成线性关系，并称之为韦伯-费赫涅尔定律。

3、图像编码原理、过程和条件。

虽然表示图像需要大量的数据，但图像数据是高度相关的，或者说存在冗余信息，去掉这些冗余信息后可以有效压缩图像，同时又不会损害图像的有效信息。

4、图像锐化、平滑、复原的联系与区别。

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。

图像复原和图像增强主要区别：

图像增强主要是一个主观过程，而图像复原主要是一个客观过程；

图像增强不考虑图像是如何退化的，而图像复原需知道图像退化的机制和过程等先验知识。

5、离散余弦变化特点、性质。

离散余弦变换（英语：

DCTforDiscreteCosineTransform）是与傅里叶变换相关的一种变换，它类似于离散傅里叶变换（DFTforDiscreteFourierTransform），但是只使用实数。

离散余弦变换相当于一个长度大概是它两倍的离散傅里叶变换，这个离散傅里叶变换是对一个实偶函数进行的（因为一个实偶函数的傅里叶变换仍然是一个实偶函数），在有些变形里面需要将输入或者输出的位置移动半个单位（DCT有8种标准类型，其中4种是常见的）。

离散余弦变换，尤其是它的第二种类型，经常被信号处理和图像处理使用，用于对信号和图像（包括静止图像和运动图像）进行有损数据压缩。

这是由于离散余弦变换具有很强的"

能量集中"

特性:

大多数的自然信号（包括声音和图像）的能量都集中在离散余弦变换后的低频部分，而且当信号具有接近马尔可夫过程（Markovprocesses）的统计特性时，离散余弦变换的去相关性接近于K-L变换（Karhunen-Loè

ve变换——它具有最优的去相关性）的性能。

在静止图像编码标准JPEG中，在运动图像编码标准MJPEG和MPEG的各个标准中都使用了离散余弦变换。

6、直方图均衡化的过程。

直方图均衡化方法的基本思想是：

因为灰度分布可在直方图中描述，所以该图像增强方法是基于图像的灰度直方图。

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。

图像均衡化处理后，图像的直方图是平直的，即个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，图像看起来就更清晰了。

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64（64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，s1≈3／7，s2≈5／7，s3≈6／7