数字图像处理
数字图像处理
考试题型：
单选20道，1分/题，总分20分
判断10道，2分/题，总分20分
填空5道，2分/题，总分10分
简答题5道，6分一道，总分30分
计算题2道，10分一道，总分20分绪论
图像：是指用各种观测系统以不同形式和手段观测客观世界而获得的、可以直接或间接作用于人的视觉系统而产生的视知觉的实体。
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地划分成多个等级（层次），也即均匀量化，以此来用二维数字阵列表示其中各个像素的空间位置和每个像素的灰度级数（灰度值）的图像形式称为数字图像。
图像处理：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。
数字图像处理：是指利用计算机技术或其他数字技术，对图像信息进行某些数学运算及各种加工处理，以改善图像的视觉效果和提高图像实用性的技术。
图像分析：通过对图像中不同对象进行分割来对图像中目标进行分类和识别的技术。
图像感知与获取：是指将景物转换成计算机可以接受的数字图像的过程。
模拟图像在空间上是连续的，图像中的景物和背景的亮度值、信号值也是连续的，不分等级的，即连续图像
数字图像在空间上是数字化的，图像中的景物和背景的亮度值、信号值也是数字化的，分等级的，称为数字图像
1.2图像处理的基本特征是什么？
答：系统的输人和输出都是图像是图像处理的基本特征。
采样和量化的原理，采样间隔与图像数据量之间的关系是什么
（采样间隔越大，采样得到的数据量越少）
图像数字化的步骤（简答）
- 采样（Sampling）：
在空间上对图像进行离散化，将连续的图像分割成有限数量的像素点。 - 量化（Quantization）：
将每个采样点的连续强度值转换成有限数量的离散值。 - 编码（Encoding）：
将量化后的离散值转换成二进制代码，以便计算机存储和处理。
1.6在数字技术高度发展的今天，一个数字图像处理系统主要由哪几部分组成？各部分的功用是什么？
图像输入设备：完成获取图像并进行数字化输入功能；
图像处理设备：图像处理分析模块，包括计算机、DSP芯片等硬件设备以及通用或专用软件，用来完成各种各样的目的；
图像输出设备：包括显示输出、打印输出，也可以输出到Internet上的其他设备。
1.7数字图像处理技术研究的基本内容包括哪些？
答：包括图像变换、图像增强、图像恢复、图像压缩编码、图像特征提取、形态学图像处理方法等。彩色图像、多光谱图像和高光谱图像的处理技术沿用了前述的基本图像处理技术，也发展出了一些特有的图像处理技术和方法。
图像的分类
（模拟图像和数字图像）
模拟图像在空间上是连续的，图像中的景物和背景的亮度值、信号值也是连续的，不分等级的，即连续图像
数字图像在空间上是数字化的，图像中的景物和背景的亮度值、信号值也是数字化的，分等级的，称为数字图像
数字图像处理基础
电磁波谱和可见光谱
人眼的亮度视觉特性
- 视觉适应特性
- 同时对比效应
- 马赫带效应
- 视觉错觉
图像的表示
对连续图像的 x、y 坐标的离散化称为图像的采样
对连续图像幅值 f 的 离散化称为图像灰度的量化
均匀采样 均匀量化 非均匀采样和量化
采样后的每一个点作为基本单元（称为像素），然后构成图像阵列，表示图像。
像素是一个理论概念，他没有形状、尺寸，只存在于理论的计算中
空间分辨率和灰度分辨率
空间分辨率和灰度分辨率的概念
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。
灰度分辨率：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。
采样数、空间分辨率、灰度分辨率变化对图像的影响
采样数影响图像尺寸
空间分辨率影响图像清晰度
灰度分辨率影响图像色彩表现
像素间的关系
基于图像显示坐标而言
像素的相邻和邻域
有三种
- 4 邻域相邻
- 4 对角相邻
- 8 邻域相邻
对于图像中位于(x，y)的像素p来说，与其水平相邻、垂直相邻和对角相邻的8个像素称为该像素的8邻域像素，它们的坐标分别为（r-1，y-1）、（r-1， y）、(x-1,y+1)、(x,y-1)、(x,y+1)、(x+1,y-1)、(x+1,y)和(x+1,y+1)。
像素的邻接性与连通性
像素的邻接性有三种
- 4 邻接
- 8 邻接
- m 邻接
设V是一个灰度值集合，且黑白图像的V={1}；256灰度级图像的V为0～255中的任意一个灰度级子集。若像素p和像素q的灰度值均属于V中的元素，或者q在N（p）中，或者q在ND（p）中且集合N4（p）N（q）中没有值为V中元素的像素，则p和q为m邻接。
m邻接与8邻接的区别是什么
两个像素是 8 邻接时，可以通过中间像素建立 m 通路，就不是 m 邻接，不可以就也为 m 邻接。
像素的连通性
定义：
P24
距离的度量
度量函数
度量方式
- 欧氏距离
- 街区距离
- 棋盘距离
2.6 图像的显示
显示分辨率和图像分辨率
彩色模型
位图
调色板
调色板（color table）是单色、16色和256色图像文件所特有的，相对应的调色板大小是2、16和256，调色板以4字节为单位，每4个字节存放一个颜色值，图像的数据是指向调色板的索引。
如果位图是16位、24位和32位色，则图像文件中不保留调色板，即不存在调色板，图像的颜色直接在位图数据中给出。
16位图像（64K图）使用2字节保存颜色值，常见有两种格式：5位红5位绿5位蓝和5位红6位绿5位蓝，即555格式和565格式。555格式只使用了15位，最后一位保留，设为0。
24位图像（16M真彩色图）使用3字节保存颜色值，每一个字节代表一种颜色，按红、绿、蓝排列。
32位图像（4G真彩色，相对24位真彩图而言，加入了一个透明度，即RGBA模式）使用4字节保存颜色值，每一个字节代表一种颜色，除了原来的红、绿、蓝，还有Alpha通道，即透明色。
如果图像带有调色板，则位图数据可以根据需要选择压缩与不压缩，如果选择压缩，则根据BMP图像是16色或256色，采用RLE4或RLE8压缩算法压缩。图像文件格式
BMP
位图文件头
位图信息头
位图调色板
图像的位图数据
BMP文件格式的图像，文件大小怎么计算，主要看我布置的作业
文件大小 = 文件头大小（14字节） + 信息头大小（40字节） + 调色板长度（ColorNum * 4） + 图像数据大小
黑白图像的 ColorNum 为 2
16 色为 16
真彩色为 0
- 文件头大小：通常为14字节。
- 信息头大小：通常为40字节（Windows V3版本）。
- 调色板大小：如果图像是8位或更低的位深度，则需要调色板。调色板大小 = 颜色数 * 4字节。
- 图像数据大小：图像宽度（以像素为单位） * 图像高度（以像素为单位） * 每像素字节数。
二值图像和灰度图像的区别（简答）
（8）亮度：是指消色光的明亮程度，也即灰度。对于有彩色光来说，亮度反映了该颜色的明亮程度。
（9）二值图像：具有两个灰度等级的图像。黑白图像一定是二值图像，但二值图像不一定是黑白图像。
（10）黑白图像：仅具有黑白两个灰度等级的图像。
（11）灰度图像：只有灰度属性没有彩色属性的图像。
第三章 数字图像的基本运算
- 点运算
按照某种灰度变化关系，逐像素地对每个像素灰度进行变换的方法
灰度反转、对数变换 - 直方图运算
直方图均衡、直方图规定化 - 代数运算
点对点的灰度值运算
两幅图像相加相减 - 几何运算
用于使原图像产生大小、形状和位置等变化效果
平移、旋转、镜像、转置
点运算
- 灰度反转
g(x,y) = L - 1 - f(x,y)
直方图运算
代数运算
几何运算
几何运算的概念，哪些属于几何运算，几种几何运算的原理是什么，比如旋转，缩放，转置，镜像等等
直方图的概念及特点，直方图的分布特征与图像对比度之间的关系是什么
直方图用来表示图像中像素值的分布情况，即不同像素值出现的频率或数量。
直方图的横轴表示像素值，纵轴表示像素值出现的频率或数量。
一个具有高对比度的图像可能具有一个直方图中分布在两端的峰值；
而一个低对比度的图像则可能具有一个直方图中分布在中间的峰值
图像增强
图像增强的目的（简答）
图像增强就是指通过某种图像处理方法对退化的某些图像特征，如边缘、轮廓、对比度等进行处理，以改善图像的视觉效果，提高图像的清晰度，或是突出图像中的某些“有用”，压缩其他“无用”信息，将图像转换为更适合人或计算机分析处理的形式。
图像增强可以分为两类：
- 空间域图像增强
空间域可以简单地理解为包含图像像素的空间，空间域法是指空间域中，也就是图像本身，直接对图像进行各种线性或非线性运算，对图像的像素灰度值做增强处理。
空间域法又分为点运算和模板处理两大类。点运算是作用于单个像素邻域的处理方法，包括图像灰度变换、直方图修正、伪彩色增强技术；模板处理是作用于像素领域的处理方法，包括图像平滑、图像锐化等技术。 - 频率域图像增强
频域法则是在图像的变换域中把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。对其进行基于二维傅里叶变换的信号增强。
频域法常用的方法包括低通滤波、高通滤波以及同态滤波等。
如图概括了常用的图像增强的方法：
第四章 空域图像增强
点运算方法
点运算的概念，哪些运算属于点运算（直方图均衡属于点运算，用空域滤波器不属于点运算）
逐像素对图像进行灰度增强的方法
对比度拉伸、窗切片、直方图均衡、直方图规定
对比度拉伸
关于我课件上补充的对比度拉伸变换原理，及matlab实现
窗切片
幂律变换的原理，关于伽马的取值（看看雨课堂的课堂练习题）
基于直方图方法
通过全部或局部地改变图像的对比度进行图像增强的直方图增强处理方法；
当一幅图像的像素占据了所有可能的灰度级范围并呈均匀分布时，则该图像具有比较高的对比度和多变的灰度色调。
图像的直方图增强处理方法，就是一种通过把原始图像的灰度直方图，从相对比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，来进行图像增强的方法。
直方图均衡
所谓直方图均衡，就是把一幅已知灰度概率分布的图像，变换成具有均匀灰度概率分布的新图像；通过扩大其像素的灰度值分布范围和增加对比度，来实现对图像增强的技术和方法。
直方图均衡的基本原理（计算题，参考书上的例题和课堂练习题）
直方图规定化
基于空间平滑滤波
利用模板或掩模对图像的邻域像素进行处理的空间运算方法。
线性平滑滤波方法-邻域平均法
非线性平滑滤波方法-中值滤波法
相关概念
图像噪声是一种空间上不相联系的、离散的、孤立的像素变化现象，其灰度值与它们相邻像素的灰度值有明显不同。
椒盐噪声：把图像中随机出现的黑白亮度值称为椒盐噪声，黑点对应椒，白点对应盐。
脉冲噪声：把图像中随机出现的白亮度值（正脉冲噪声）或黑亮度值（负脉冲噪声）称为脉冲噪声。
高频信号：把图像中变化剧烈的部分，例如边缘和噪声等，称为高频信号。
低频信号：把图像中像素值变化平缓的部分，称为低频信号。
低通滤波：把保留低频信号并滤掉高频信号的处理过程，称为低通滤波。
高通滤波：把保留高频信号并滤掉低频信号的处理过程，称为高通滤波。
邻域平均法
均值滤波的基本原理（简答和计算）
均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，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。
均值滤波器对高斯噪声的滤波结果较好。
原因：高斯噪声是幅值近似正态分布，但分布在每点像素上。因为正态分布的均值为 0，所 以均值滤波可以消除噪声。
均值滤波器对椒盐噪声的滤波结果不好。
原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。因为噪声的均值不为 0，所以均值滤波不能很好地去除噪声点。中值滤波法
中值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的
中值滤波是减少图像中椒盐噪声的有用工具
原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。使用中值滤波时，被污染的点一般不处于中值的位置，即选择适当的点来替代污染点的值，所 以处理效果好基于空间锐化
基于空间锐化滤波的图像增强方法就是一种通过增强和突出图像中景物被模糊了的边缘和轮廓，来提升图像的对比度和视觉效果的方法
基于空间锐化滤波的图像增强方法也简称为图像锐化方法
基于一阶微分算子
- 水平垂直法
- 罗伯特法 基于二阶微分算子
- 拉普拉斯算子
梯度法
一阶导数算子也叫梯度算子
基于一阶差分的图像增强
- Prewitt 算子
- Soble 算子
锐化空域滤波器
拉普拉斯算子锐化法
其他问题
属于图像平滑处理的有哪些方法
邻域平均法，中值滤波法
几种空域滤波器的原理（中值滤波器（计算题），均值滤波器，最大值滤波器，最小值滤波器，逆谐波均值滤波器（Q的取值））
中值滤波器（Median Filter）：
中值滤波器是一种非线性滤波器，它对于去除椒盐噪声特别有效。它的操作是在每个像素点上用一个窗口（通常是方形的，如3x3或5x5）覆盖该像素及其邻近像素，然后取这些像素灰度值的中位数作为中心像素的新值。 计算题示例：如果有一个3x3的窗口，其内的像素值为 [20, 21, 40, 22, 50, 12, 30, 25, 24]，那么将这些数值排序后得到 [12, 20, 21, 22, 24, 25, 30, 40, 50]，中位数是24，因此中心像素的新值将是24。
均值滤波器（Mean Filter）：
均值滤波器是一种线性滤波器，通常用来平滑图像和减少随机噪声。它通过计算滤波窗口内所有像素的平均值来替换中心像素的值。这可以导致图像模糊，因为它均匀地分散了高亮度和低亮度的区域。
最大值滤波器（Max Filter）：
最大值滤波器选择滤波窗口内的最大值作为输出值。这种滤波器可用于强调图像中的明亮区域，例如在检测亮斑或光点时有用。
最小值滤波器（Min Filter）：
最小值滤波器选择滤波窗口内的最小值作为输出值。它与最大值滤波器相反，主要用于强调暗区，或者在某些情况下用来去除亮点噪声。
逆谐波均值滤波器（Inverse Harmonic Mean Filter）：
逆谐波均值滤波器是一种更为复杂的滤波器，它可以用于不同的Q值来调整滤波效果。当Q=0时，滤波器退化为算术平均滤波；当Q=-1时，它类似于中值滤波器的效果，但不是直接选择中值，而是根据公式进行加权平均。这个滤波器可以用来处理多种类型的噪声，包括椒盐噪声。 其数学表达式为：
其中f(x,y)是滤波后的像素值，g(s,t)是窗口S内的原始像素值，而Q是一个可调参数。当Q>0时，滤波器对较大的值更敏感；当Q<0时，对较小的值更敏感。哪些方法可以提高图像的对比度
对比度拉伸、窗切片
去除椒盐噪声效果比较好的方法有哪些
中值滤波法
图像锐化的原理，一阶和二阶的区别
图像锐化的目的是加强图像中景物的细节边缘和轮廓。
一阶微分算子获得的边界是比较粗略的边界，反映的边界信息较少，但是所反映的边界 比较清晰；
二阶微分算子获得的边界是比较细致的边界。反映的边界信息包括了许多的细节 信息，但是所反映的边界不是太清晰。
一阶差分算子用于检测边缘，二阶差分算子用于检测细节。
第五章 频域图像增强
用傅里叶变换把图像从空间域转换到频率域，然后用频率域方法对图像进行处理，处理完后再用傅里叶反变换将图像变换回空间域。
图像傅里叶变换的频谱是一副灰度图像
频率域低通滤波
图像中的噪声和边缘对应傅里叶频谱的高频部分，使用能使低频通过、高频衰减的转移函数，就可以实现低通滤波，达到消除噪声的目的。
- 理想的低通滤波器
振铃现象 - 巴特沃斯低通滤波器
- 高斯低通滤波器
频率域高通滤波
实现图像增强效果
带阻滤波和带通滤波
对某区域的某一频率范围内的频率分量进行抑制或通过
第六章 图像恢复
图像退化模型
逆滤波图像恢复
无约束最小二乘方恢复
逆滤波图像恢复法
无约束图像恢复的病态性
维纳滤波图像恢复
有约束最小二乘方恢复
维纳滤波图像恢复法
原理
有约束图像恢复方法
图像恢复的病态性和奇异性
维纳滤波，参考我课堂上布置的系统
图像噪声与被噪声污染的图像恢复
常见噪声
高斯噪声
瑞利噪声
指数噪声
爱尔兰噪声
均匀噪声
脉冲噪声
噪声复原
- 谐波均值滤波器
- 逆谐波均值滤波器
- 中点滤波
- 自适应中值滤波
自适应滤波器的性能要由于之前讨论过的所有滤波器的性能。
第七章 图像压缩编码
数字图像压缩编码基础
图像编码的基础和依据是像素之间存在的信息相关和信息冗余
信息冗余
编码冗余、像素间冗余、心理视觉冗余
图像编码模型
图像编码系统模型
信道编码器与信道解码器
信源编码器模型与信源解码器模型
信源编码器中，量化器不是有损的，会导致部分信息的损失。
基本的变长编码方法
费诺码
霍夫曼编码
接近最佳的变长编码
算术编码
位平面编码
位平面的格雷码分解码
位平面编码为了保证各平面的相关性，采用什么方法来解决（格雷码）
游程编码
问题
哪些是有损压缩编码，哪些是无损的
无损：
费诺码
霍夫曼编码
接近最佳的变长编码
算术编码
有损：
预测编码
变换编码
矢量量化编码
哈夫曼编码和费诺编码的原理，计算平均编码长度
信息熵反映的是编码所需比特数的下限
第十章 图像特征提取
图像的边缘检测特征及其检测方法
图像边缘特征
图像边缘具有方向和幅度两个特征。
梯度边缘检测
梯度边缘检测算法
P199
垂直于边缘走向的像素灰度值变化比较剧烈
基于梯度边缘检测算法的三种经典边缘检测算子
- Roberts 算子
- Sobel 算子
- Prewitt 算子
几种边缘检测算子中抗噪性能最好的是哪个算子（Sobel）
[- 1 1]检测哪个方向的边缘
水平
matlab的一些常用的命令（单选会考，但不多），将灰度图像转二值图像的命令，读图像的命令等等
bw=im2bw(I,level)
Related notes
- 所属 MOC: 学科知识MOC