武汉大学数字图像处置考试温习重点.docx

武汉大学数字图像处置考试温习重点.docx

《武汉大学数字图像处置考试温习重点.docx》由会员分享，可在线阅读，更多相关《武汉大学数字图像处置考试温习重点.docx（17页珍藏版）》请在冰豆网上搜索。

武汉大学数字图像处置考试温习重点

第一章

大体概念：

“图”是物体投射或反射光的散布，“像”是人的视觉系统对图的同意在大脑中形成的印象或反映。

模拟图像

数字图像：

由被称作象素的小块区域组成的二维矩阵。

数字图像处置：

数字图像处置确实是利用计算机系统对数字图像进行各类目的的处置。

数字图像处置框架：

图像变换图像编码紧缩图像增强图像恢复重建图像分割图像明白得识别运算机视觉

图像的表示：

图像的数学描述f（x,y,z,λ,t）

简化的二维函数f（x,y）

二维矩阵A[m,n]

分类：

按研究对象:

二值图像灰度图像彩色及多光谱图像图像序列分析双目图象分析

按应用方式分:

图像紧缩与编码图像增强图像恢复图像重建边缘检测与分割图像测量与分析图像识别与明白得

数字图像处置系统：

数字图像处置特点：

精度高再现性好通用性灵活性高

第二章

视觉的动态范围：

1.将真实世界场景中较高的动态范围映射到显示或输出设备较低的动态范围区间，要求能够维持场景的亮度序列和整体视觉成效；

2.模拟感知特性，取得和真实场景一致的局部对照的视觉响应。

亮度适应能力：

敞亮->较暗慢慢能够看清物体暗光适应（20~30s）o

较暗->敞亮慢慢能够看清物体亮光适应（1~2s）

持续图象数学表达式:

g=f（x,y,t）

彩色图像的一样表达：

静止单色图象的数学表示：

I=f（x,y）＝i（x,y）•r（x,y）

其中,i（x,y）表示照射分量，0≤i（x,y）＜∞；

r（x,y）表示反射分量,0≤r（x,y）≤1。

持续图像（离散化）数字图像

图像数字化：

将一幅持续的画面转化成离散的点集的进程。

图像的数字化包括采样和量化两个进程

采样：

图像在空间上的离散化称为采样。

采样距离采样孔径采样方式采样维持

量化：

量化是将各个像素所含的明暗信息离散化后，用数字来表示。

量化可分为均匀量化和非均匀量化。

数字图像的描述：

矩阵坐标系

二值图像：

二值图像（黑白图像）。

指图像的每一个像素只能是黑或白，没有中间的过渡，故又称为２值图像。

灰度图像：

指每一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。

彩色图像：

指每一个像素的信息由RGB三原色组成的图像，其中RBG是由不同的灰度级来描述的。

n

运动图像：

运动图像{}

采样距离越大，所得图像象素数越少，图像空间分辨率低，质量越差，数据量小n

量化品级越多，所得图像层次越丰硕，图像灰度分辨率越高，质量越好，但数据量大

图像数字化设备：

采样孔图像扫描机构光传感器量化器输出存储装置

性能：

像素大小图像大小线性度动态范围噪声水平

图像灰度直方图：

性质：

每一灰度级的像素个数可直接取得；

所有的空间信息全数丢失；

不能反映图像象素的位置关系一幅图像对应唯一的灰度直方图，可是多幅影像能够对应同一个直方图；

一幅图像分成多个区域，多个区域的直方图之和为原图像的直方图。

应用：

评判图像是不是量化适当；

确信图像二值化的阈值；

简单计算；

图像信息熵统计。

图像直方图：

概念：

一个灰度级别在范围[0，L-1]的数字图象的直方图是一个离散函数。

p（rk）=nk/n

n是图象的像素总数

nk是图象中第k个灰度级的像素总数

rk是第k个灰度级，k=0,1,2,…,L-1

概念2：

p（rk）=nk（k=0,1,2,…,L-1）

算法形式：

单幅图像->单幅图像n

多幅图像->单幅图像n

单（或多）幅图像->数字或符号

图像数据结构与文件格式：

组合方式比特面方式分层结构树结构多重图像数据存储

数字图像类型：

静态图像：

矢量图栅格图像

视频、序列图像等

术语：

像素点样点

分辨率图像分辨率屏幕分辨率打印机分辨率扫描仪分辨率（每英寸样点数）

BMP图像：

每一行的字节数必需是4的整数倍，若是不是，那么需要补齐。

n

BMP文件的数据寄存是从下到上，从左到右的。

第三章

图像变换：

将图像从空域变换到其它域如频域的数学变换。

正交变换特点：

变换域中图像能量要紧集中散布在低频成份上，边缘、线信息反映在高频成份上。

n

点源狄拉克函数

特性：

偶函数位移性可分性采样性

傅里叶变换：

一维持续傅立叶变换：

二维持续傅里叶变换：

一维离散傅里叶变换：

f（x）=f（x0+xdeltax）

二维离散傅里叶变换：

特性：

可分离性周期与共轭对称平移性旋转特性

线性与相似性均值性卷积与相关

可分离性：

二维DFT可分离为两次一维DFT

离散傅里叶变换的显示：

值域紧缩

傅里叶变换应用：

图像滤波图像紧缩卷积运算

第四章图像增强

图像增强：

图像增强是采纳一系列技术去改善图像的视觉成效,或将图像转换成一种更适合于人或机械进行分析和处置的形式。

图像增强的目的要紧包括：

①排除噪声，改善图像的视觉成效；②突出边缘，有利于识别和处置。

分类：

空间域增强是直接对图像各像素进行处置；

频率域增强是将图像经傅立叶变换后的频谱成份进行处置，然后逆傅立叶变换取得所需的图像。

空间域：

点运算：

灰度变换：

调整图像的灰度动态范围或图像对照度。

线性变换：

分段线性变换：

对数变换：

灰度散布与人的视觉特性相匹配。

指数变换：

直方图修正法：

直方图均衡化：

P72例1

图像的空间域滑腻：

局部滑腻法：

可用邻域内各像素的灰度平均值代替该像素原先的灰度值，实现图像的滑腻。

超限像素滑腻法：

灰度最相近的K个邻点平均法

最大均匀性滑腻

有选择保边缘滑腻法

空间低通滤波法

多幅图像平均法滤波

中值滤波

图像的空间域锐化：

图像锐化确实是增强图像的边缘或轮廓。

梯度锐化法：

梯度算子：

Roberts梯度算子Prewitt梯度算子Sobel梯度算子

第一种输出形式:

g（x,y）=grad（x,y）

Laplacian增强算子

高通滤波法

频率域：

频率域增强：

假定原图像为f（x，y），经傅立叶变换为F（u，v）。

频率域增强确实是选择适合的滤波器H（u,v）对F（u,v）的频谱成份进行处置，然后经逆傅立叶变换取得增强的图像g（x,y）。

频率域滑腻：

由于噪声要紧集中在高频部份，为去除噪声改善图像质量，滤波器采纳低通滤波器H（u,v）来抑制高频成份，通太低频成份，然后再进行逆傅立叶变换取得滤波图像，就可达到滑腻图像的目的。

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

频率于锐化：

图像的边缘、细节要紧位于高频部份，而图像的模糊是由于高频成份比较弱产生的。

频率域锐化确实是为了排除模糊，突出边缘。

因此采纳高通滤波器让高频成份通过，使低频成份减弱，再经逆傅立叶变换取得边缘锐化的图像。

理想高通滤波器

巴特沃斯高通滤波器

指数滤波器

梯形滤波器

彩色增强技术：

彩色增强技术是利用人眼的视觉特性，将灰度图像变成彩色图像或改变彩色图像已有彩色的散布，改善图像的可分辨性。

彩色增强方式可分为伪彩色增强和假彩色增强两类。

伪彩色增强：

是把黑白图像的各个不同灰度级依照线性或非线性的映射函数变换成不同的彩色，取得一幅彩色图像的技术

密度分割法：

是把灰度图像的灰度级从0（黑）到M0（白）分成N个区间Ii（i=1，2，…，N）,给每一个区间Ii指定一种彩色Ci，从而把一幅灰度图像变成一幅伪彩色图像。

空间域灰度级一彩色变换:

依照色度学原理，将原图像f（x,y）的灰度范围分段，通过红、绿、蓝三种不同变换TR（•）、TG（•）和TB（•），变成三基色分量IR（x,y）、IG（x,y）、IB（x,y），然后用它们别离作为红、绿、蓝分量合成颜色，以合成一幅彩色图像。

频率域伪彩色增强

彩色增强技术：

假彩色增强：

假彩色增强是对一幅自然彩色图像或同一景物的多光谱图像，通过映射函数变换成新的三基色分量，彩色合成使感爱好目标呈现出与原图像中不同的、奇异的彩色。

图像运算：

算术运算逻辑运算

第五章图像的恢复与重建

图像的退化：

图像的退化是指图像在形成、传输和记录进程中，由于成像系统、传输介质和设备的不完善，使图像的质量变坏。

找退化缘故→成立退化模型→反向推演→恢复图像

图象退化的缘故：

（1）摄影时照相机镜头的移动；

（2）放大镜凸透变形；

（3）成像系统的性能等。

图像恢复和图像增强的区别：

图像增强不考虑图像是如何退化的，而是试图采纳各类技术来增强图像的视觉成效。

因此，图像增强能够不顾增强后的图像是不是失真，只要看得舒畅就行。

是一个主观进程。

而图像恢复就完全不同，需明白图像退化的机制和进程等先验知识，据此找出一种相应的逆处置方式，从而取得恢复的图像。

是一个客观进程。

若是图像已退化，应先作恢复处置，再作增强处置。

二者的目的都是为了改善图像的质量。

二维线性不变系统：

线性位移不变系统的输出等于系统的输入和系统脉冲响应（点扩散函数）的卷积。

假设受加性噪声n（x，y）的干扰，那么退化图像可表示为

g（x，y）=f（x，y）*h（x，y）+n（x，y）

图像的退化：

白噪声：

图象平面上不同点的噪声是不相关的，其谱密度为常数。

不相关时，噪声是加性的。

代数恢复方式：

图像恢复的目的是在假设具有有关g、H和n的某些知识的情形下，寻求估量原图像f的某些方式。

无约束恢复

约束最小二乘恢复

频率域恢复方式：

逆滤波恢复法去除由匀速运动引发的模糊

图像的几何校正：

即将存在几何失真的图像校正成无几何失真的图像。

图像在获取进程中，由于成像系统本身具有非线性、拍照角度等因素的阻碍，会使取得的图像产生几何失真。

系统失真是有规律的、能预测的；非系统失真具有随机的。

方式：

一、图像空间坐标变换

直接法

间接法：

像素灰度内插方式：

最近邻元法双线性内插法三次内插法

确信个像素的灰度值

图像重建：

投射模型发射模型反射模型

运算机断层扫描的二位重建三维形状的恢复（Voxel法、分块的平面近似法）

第六章图像编码与紧缩

一幅图像存在数据冗余和主观视觉冗余。

第一代紧缩编码：

像素编码预测编码变换编码其他编码

第二代紧缩编码：

子带编码分层编码分型编码模型编码

图像紧缩技术：

无损紧缩：

霍夫曼编码行程编码算术编码

有损紧缩：

预测编码变换编码其他编码

保真度：

检测图像系统的一种量度。

统计编码的方式：

冗余：

尽管表示图像需要大量的数据，但图像数据是高度相关的，或说存在冗余。

空间冗余、时间冗余、视觉冗余、信息熵冗余、结构冗余和知识冗余。

去除冗余的方式：

利用二维DCT减少空间域冗余度。

利用运动补偿减少时刻域冗余度。

o

利用视觉加权量化减少图像“灰度域”冗余度。

o

利用熵编码减少图像“频率域”上统计特性冗余度。

哈夫曼编码：

大体原理：

为了达到大的紧缩率，提出了一种方式确实是将在图像中显现频度大的像素值,给一个比较短的编码，将显现频度小的像数值,给一个比较长的编码。

哈夫曼树：

概率大的为0，概率小的为1.

图像编码的国际标准简介：

JPEG算法：

顺序编码累进编码无失真编码分层编码

第七章图像分割

图象分割将图象划分为假设干互不相交的小区域的过程。

连通的概念是指集合中任意两个点之间都存在着完全属于该集合的连通途径。

边缘分割技术：

边缘：

边缘可概念为在局部区域内图象的不同。

灰度级突变：

阶跃边缘脉冲状边缘阶跃脉冲状边缘

边缘检测：

当物体与背景有明显对照度时，物体的边界处于图象梯度最高的点上，通过跟踪图象中具有最高梯度的点的方式取得物体的边界，能够实现图象分割。

先滑腻。

梯度算子：

Prewitt算子Sobel算子方向算子（Laplacian算子）Marr算子Canny算子沈俊边缘检测方式曲线拟合法

边缘连接

边缘跟踪：

边缘点：

在亮度显著转变的位置上的点．n

边缘段：

对应于边缘点坐标及其方位．n

边缘检测器：

从图像中抽取边缘集合的算法．n

轮廓：

边缘列表或一条表示边缘列表的拟合曲线．n

边缘连接：

从无序边缘表形成有序边缘表的进程．n

边缘跟踪：

一个用来确信轮廊的图像搜索进程．

光栅跟踪全向跟踪

区域分割：

简单图像：

一、基于灰度二、基于灰度直方图3、基于图像邻域特性

复杂图像：

自动多阈值分割技术分块分割再归并

第八章二值图像处置与形状分析

二值图像：

假定二值图像大小为m*n，其中物体像素值为1，背景像素值为0；

获取：

图像阈值

4邻点（4-neighbors）:

有公共边关系的两个像素．

8邻点（8-neighbors）:

两个像素至少共享一个顶角

4邻域：

一个像素的4个4邻点

8邻域：

一个像素的8个8邻点

一个像素与其4邻点互为4邻接o

一个像素与其8邻点互为8邻接o

4连通（4-connected）:

一个像素与其4邻点的关系o

8连通（4-connected）:

一个像素与其8邻点的关系

途径:

从像素到像素的一个像素序列。

前景：

图像中值为1的全数像素的集合，用S表示。

连通性:

已知像素，若是存在一条从p到q的途径，且途径上的全数像素都包括在S中，那么称p与q是连通的。

连通成份:

一个像素集合S，若是S内的每一个像素与集合内其它像素连通，那么称该集合为一个连通成份。

对物体和背景应利用不同的连通.若是对S使用8连通,那么对`S应利用4连通。

欧拉数：

连通成份数-空洞数

可删除性：

删除后不改变连接性，像素的可删除性可用像素的连接数来检测。

像素p的连接数Nc（p）为与p连接的连接成份数。

孤立点：

B（p）=1的像素p，在4-/8-邻接的情形下，当其4-/8-邻接的像素满是0时，像素p叫做孤立点。

孤立点的连接数Nc（p）=0。

n

内部点：

B（p）=1的像素p，在4-/8-邻接的情形下，当其4-/8-邻接的像素满是1时，叫做内部点。

内部点的连接数Nc（p）=0。

n

边界点:

在B（p）=1的像素中，把除孤立点和内部点之外的点叫做边界点。

在边界点上，1≤Nc（p）≤4。

Nc（p）＝１的１像素为可删除点或端点；Nc（p）＝２的１像素为连接点；Nc（p）＝３的１像素为分支点；Nc（p）＝４的１像素为交叉点。

距离：

欧氏距离。

de[（i,j）,（h,k）]=[（i-h）2+（j-k）2]1/2n

街区距离，4－邻距离。

d4[（i,j）,（h,k）]=|ih|+|j-k|n

棋盘距离，8－邻距离。

d8[（i,j）,（h,k）]=max（|ih|,|j-k|）

它的等距离线呈八角形。

d8[（i,j）,（h,k）]=max{|i-h|,|j-k|,[2（|ih|+|j-k|+1）/3]}

连接成份的变形处置：

标记：

对属于同一个１像素连接成份的所有像素分派相同的编号，对不同的连接成份分派不同的编号的操作，叫做连接成份的标记。

膨胀和收缩：

膨胀：

把连接成份的边界扩大一层的处置。

收缩：

把连接成份的边界点去掉从而缩小一层的处置。

线图形化：

把图像转换为线划图。

形状特点提取与分析：

图像面积：

中心：

周长:

在区域的边界像素中，设某像素与其上下左右像素间的距离为1，与斜方向像素间的距离为。

周长确实是这些像素间距离的总和。

将边界的像素总和作为周长。

圆形度：

测量区域形状经常使用的量。

当区域为圆形时，R最大（R=1）;若是是细长的区域,R那么变小。

R=4π（面积）/（周长）^2

直径：

两个像素间的最长距离。

密集度:

密集度=面积/周长^2圆最密集

体态比：

最小外接矩形的长宽比。

投影：

截口长度

区域外部形状特点提取与分析：

八链码周长1/根号2

第九章影像纹理分析

纹理：

一种反映一个区域中像素灰度级的空间散布的属性。

局部区域内呈现不规那么性，而在整体上表现出某种规律性。

人工纹理自然纹理

特性：

局部不规律，整体具有必然规律性的特性n

大体单元的重复性粗糙性方向性

灰度共生矩阵：

0度45度90度135度

特点：

角二阶矩（能量）。

反映了图像灰度散布均匀程度和纹理粗细度。

因为它是灰度共生矩阵各元素的平方和，又称为能量。

其值大时纹理粗，能量大；反之其值小时纹理细，能量小。

对照度（惯性矩）。

可明白得为图像的清楚度。

纹理的沟纹深，其值大，成效清楚；反之其值小那么沟纹浅，成效模糊。

n

相关。

用来衡量灰度共生矩阵元素在行或列方向上的相似程度。

例如水平方向纹理，在θ=0方向上的其值大于其他方向上的其值。

n

熵。

图像信息量的量度。

无纹理那么其值为0；满纹理那么其值最大。

n逆差矩。