数字图像处理第一章1、1解释术语(2) 数字图像:为了便于用计算机对图像进行处理,通过将二维连续(模拟)图像在空间上离散化,也即采样,并同时将二维连续图像的幅值等间隔的划分成多个等级(层次)也即均匀量化,以此来用二维数字阵列并表示其中各个像素的空间位置与每个像素的灰度级数的图像形式称为数字图像。
(3)图像处理:就是指对图像信息进行加工以满足人的视觉或应用需求的行为。
1、7 包括图像变化、图像增强、图像恢复、图像压缩编码、图像的特征提取、形态学图像处理方法等。
彩色图像、多光谱图像与高光谱图像的处理技术沿用了前述的基本图像处理技术,也发展除了一些特有的图像处理技术与方法。
1、8基本思路就是,或简单地突出图像中感兴趣的特征,或想方法显现图像中那些模糊了的细节,以使图像更清晰地被显示或更适合于人或及其的处理与分析。
1、9基本思路就是,从图像退化的数学或概率模型出发,研究改进图像的外观,从而使恢复以后的图像尽可能地反映原始图像的本来面目,从而获得与景物真实面貌相像的图像。
1、10基本思路就是,,在不损失图像质量或少损失图像质量的前提下,尽可能的减少图像的存储量,以满足图像存储与实时传输的应用需求。
1、11基本思路就是,通过数学方法与图像变换算法对图像的某种变换,以便简化图像进一步处理过程,或在进一步的图像处理中获得更好的处理效果。
1、12基本目的就是,找出便于区分与描述一幅图像中背景与目标的方法,以方便图像中感兴趣的目标的提取与描述。
第二章2、1解释下列术语(18)空间分辨率:定义为单位距离内可分辨的最少黑白线对的数目,用于表示图像中可分辨的最小细节,主要取决于采样间隔值的大小。
(19)灰度分辨率:就是指在灰度级别中可分辨的最小变化,通常把灰度级数L称为图像的灰度级分辨率。
(20)像素的4邻域:对于图像中位于(x,y)的像素p来说,与其水平相邻与垂直相邻的4个像素称为该像素的4邻域像素,她们的坐标分别为(x-1,y)(x,y-1)(x,y+1)(x+1,y)。
(21)像素的8邻域:对于图像中位于(x,y)的像素p来说,与其水平相邻与垂直相邻的8个像素称为该像素的8邻域像素,她们的坐标分别为(x-1,y-1)(x-1,y)(x-1,y+1)(x,y-1)(x,y+1)(x+1,y-1)(x+1,y)(x+1,y+1)。
(28)欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的欧氏距离定义为:D e(p,q)=[(x-u)2+(y-v)2]1/2(29)街区距离:欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的街区距离定义为:D4(p,q)=|x-u|+|y-v|。
(30)棋盘距离:欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的欧氏距离定义为:D8(p,q)=max(|x-u|,|y-v|)。
(33)调色板:就是指在16色或者256色显示系统中,将图像中出现最频繁的16种或者256种颜色组成的一个颜色表,并将她们分别编号为0~15或0~255,这样就使每一个4位或者8位的颜色编号或者颜色表中的24位颜色值相对应。
这种4位或者8位的颜色编号称为颜色的索引号,由颜色索引号及对应的24位颜色值组成的表称为颜色查找表,即调色板。
2、7对图像进行描述的数据信息一般应至少包括:(1)图像的大小,也即图像的宽与高(2)表示每个像素需要的位数,当其值为1时说明就是黑白图像,当其值为4时说明就是16色或16灰度级图像,当其值为8时说明就是256色或256灰度级图像,当其值为24就是说明就是真彩色图像。
同时,根据每个像素的位数与调色板的信息,可进一步指出就是16色彩色图像还就是16灰度级图像;就是256色彩色图像还就是256灰度级图像。
(3)图像的调色板信息。
(4)图像的位图数据信息。
对图像信息的描述一般用某种格式的图像文件描述,比如BMP等。
在用图像文件描述图像信息时,相应的要给出图像文件的格式信息、图像文件就是否压缩及其压缩格式信息等。
不同格式的图像文件有各自的约定。
2、15 由于存储一副M*N的灰度级为l的数字图像所需的位数为:M*N*k,其中l=2k。
二值图像、16级灰度级图像与256灰度级图像的k值分别为1、4、8,也即存储一个像素需要的位数分别为1位、4位、8位。
所以,一副200*300的二值图像所需的存储空间为200*300*1/8=7、5KB;衣服200*300的16灰度级图像所需的存储空间为200*300*4/8=30KB;一副200*300的256灰度级图像所需的存储空间为200*300*8/8=60KB。
第三章3、5 功率谱表示的意义就是什么答:功率谱的定义为频谱的平方,反应了离散信号的能量在频率域上的分布情况。
对于二维数组数字图像来说,由于傅里叶频谱的低频主要集中在二维频谱图的中心,所以图像的功率谱反应了该图像中低频能量到高频能量的分布情况,以及低频能量聚集于频谱图的中心的程度。
后者反应了该图像中低频信号的图像功率与图像总功率的比率关系。
3、6 进行图像傅里叶变换的目的何在？答:总体上说来,其目的有以下3方面:（1）简化计算,也即傅里叶变换可将空间域中复杂的卷积运算转化为频率域中简单的乘积运算;（2）对于某些在空间域中难以处理或处理起来比较复杂的问题,利用傅里叶变换把用空间域表示的图像映射到频率域,在利用频率域滤波或频域分析方法对其进行处理与分析,然后再把频域中处理与分析的结果变换回空间域,从而可达到简化处理与简化的目的（3）特殊目的的应用需求,比如通过某些频率域的处理方法,实现对图像的增强,特征提取,数据压缩,纹理分析,水印嵌入等,从而实现在空间域难以达到的效果。
3、7 对于M*N 的图像f(x,y),其基函数大小就是多少？基图像大小就是多少答:对于M*N的图像f(x,y),其二维离散傅里叶反变换式子为:f(x,y)=∑M-1u=0∑N-1V=0F(u,v)exp[j2π(ux/M+uy/N)](x,y=0,1…N-1)分析上式可知,对于每个特定的x 与y,u有M个可能的取值,v有N个可能的取值,也即(u,v)共有M*N个特定的取值,所以其基矩阵的大小为M*N,也即及图像由M*N块组成。
当(x,y)取遍所有可能的值(x=0,1,2…、m-1;y=0,1…n-1)时,就可得到由(M*N)*(M*N)块组成的基图像,所以其基图像大小为M平方*N平方。
3、8 简述二维离散傅里叶变换可分离性的意义答:根据二维离散傅里叶变换的可分离性,在计算二维离散傅里叶变换时,可先对图像像素矩阵的所有列分别进行列变换,然后再对变换结果的所有行分别进行行变换,这样就可以利用一维离散傅里叶变换算法串行计算二维离散傅里叶变换,这在某种程度上就简化了计算的过程3、9 答:因为一副M*N的图像的灰度平均值可表示为:f=1/N2∑N-1x=0∑N-1y=0f(x,y)由二维离散傅里叶变换公式又有:F(0,0)=1/N ∑N-1x=0∑N-1y=0f(x,y)比较这两个公式可知,一副图像的灰度平均值与该图像的傅里叶变换之间的联系可表示为:F=1/NF(0,0) 、3、10答:傅里叶频谱的低频主要取决于图像在平坦的区域中灰度的总体分布,而高频主要取决于图像的边缘与噪声等细节。
按照图像空间域与频率域的对应关系,空域中的强相关性,即由于图像中存在大量的平坦区域,使得图像中的相邻或相近像素一般趋向于取相同的灰度值,反映在频率域中,就就是图像的能量主要集中于低频部分。
根据傅里叶频谱的周期性与平移性,当把傅里叶频谱图的原点从(0,0)平移至(M/2,N/2)时,图像的低频分量就主要集中在以(M/2,N/2)为坐标原点的中心区域。
具有这种特点的图像二维频谱图,就比较清楚的展现了图像中低频信号在图像总能量中所占的比率,以及低频信号向高频信号过渡的变化情况,既具有可视化的特点,又便于频率域低通滤波与高频滤波实现。
3、11直接对f(x,y)进行傅立叶变换所得的傅立叶频谱即为F(u,v),其坐标原点位于(0,0),图像的低频分量主要集中在频谱图的四个角区域。
对(-1)(x+y)f(x,y)进行傅立叶变换所得的频谱图即为F(u-M/2,v-N/2),其坐标原点位于(M/2,N/2),图像的低频分量主要集中频谱图的中心区域。
因为当u0=M/2与v0=N/2时,有f(x,y)exp[j2π(u0x/M+v0y/N)]=(-1)(x+y)f(x,y)根据二维离散傅立叶变换的平移性f(x,y)exp[j2π(u0x/M+v0y/N)] F(u-u0,v-v0)所以,对(-1)(x+y)f(x,y)进行傅立叶变换后所得频谱图的坐标原点位于(M/2,N/2),图像的低频分量就集中在频谱图的中心区域。
第四章4、1解释下列术语(1)空间域图像增强:就是指在平面中对图像的像素灰度值直接进行处理的图像增强方法。
(2)频率域图像增强:就是指利用傅立叶变换等先将图像从空间域变换到频率域,然后利用图像的幅频特性在频率域对图像再进行某种滤波处理,处理后再利用傅立叶反变换等将图像变换回空间域来实现图像增强的方法。
(6)归一化直方图:设图像f(x,y)的第k级归一化灰度值为r k,图像f(x,y)中具有诡异会灰度值r k的像素个数为n k,图像f(x,y)中的总像素个数为n,则图像f(x,y)的归一化直方图由p(r k)=n k/n给出。
其中,0<r k<1(k=0,…L-1)。
(7)图像锐化:就是一种突出与加强图像中景物的边缘与轮廓的技术。
(9)图像的噪声:在图像上出现的一些随机的、离散的与鼓励的不惜条的像素点称为图像的噪声。
图像的噪声在视觉上通常与它们相邻的像素明显不同,表现形式为在较黑区域上的随机白点或较白区域上的随机黑点,明显会影响图像的视觉效果。
4、2直方图均衡的基本思想就就是把一幅具有任意灰度概率分布的图像,变换成一幅接近俊宇的概率分布的新图像。
步骤如下:1、计算原图的归一化灰度级别及其分布概率。
2、根据直方图均衡化公示求变换函数的各灰度等级值。
3、将所得变换函数的各灰度等级值转化成标准的灰度级别值,从而得到均衡化后的新图像的灰度级别值。
4、根据相关关系求新图像的各灰度级别值的像素数码。
5、求新图像各灰度级别的分布概率。
6、画出均衡化后的新图像的直方图。
4、4解:(1)根据直方图均衡化公式球变换函数的各个灰度等级值S0=T(r0)=∑0j=0n j/n=p r(r0)=0、354S1=T(r1)=∑1j=0n j/n=p r(r0)+p r(r1)=0、354+0、251S2=T(r2)=∑2j=0n j/n= 0、354+0、251+0、129=0、734同理有S3=0、824 S4=0、892 S5=0、960 S6=0、997 S7=1、00(2)将所得的变换函数的灰度等级值转化为标准的灰度级别值根据8个灰度级别的十进制数值:0 0、143 0、286 0、792 0、571 0、721 0、857 1分析可得S0=2/7 S1=4/7 S2=5/7 S3=S4=6/7 S5= S6= S7=1(3)求新图像的各灰度级别的像素个数（4）画出原图像与均衡化后新图像的直方图原图像与均衡化后新图像的直方图如图示4、7点运算就是一种逐像素点对图像进行变换的增强方法,典型的方法就是对比度拉伸灰度变换的方法。