《数字图像处理知识点汇总.doc》由会员分享，可在线阅读，更多相关《数字图像处理知识点汇总.doc（13页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、1. 什么是图像“图是物体投射或反射光的分布，“像 是人的视觉系统对图的承受在大脑中形成的印象或反映。图像是客观和主观的结合。2. 数字图像是指由被称作象素的小块区域组成的二维矩阵。将物理图象行列划分后，每个小块区域称为像素pixel。对于单色即灰度图像而言，每个像素包括两个属性：位置和灰度。灰度又称为亮度，灰度用一个数值来表示，通常数值范围在0到255之间，即可用一个字节来表示。0表示黑、255表示白。3. 彩色图象可以用红、绿、蓝三元组的二维矩阵来表示。通常，三元组的每个数值也是在0到255之间，0表示相应的基色在该象素中没有，而255那么代表相应的基色在该象素中取得最大值，这种情况下每个
2、象素可用三个字节来表示。4. 数字图像处理就是利用计算机系统对数字图像进展各种目的的处理。5. 对连续图像f(x,y)进展数字化需要在空间域和值域进展离散化。空间上通过图像抽样进展空间离散，得到像素。像素亮度需要通过灰度级量化实现灰度值离散。数字图像常用矩阵来表示。6. 从计算机处理的角度可以由高到低将数字图像分为三个层次，分别为图像处理、图像分析和图像理解。这三个层次覆盖了图像处理的所有应用领域。(1). 图像处理指对图像进展各种加工，以改善图像的视觉效果；强调图像之间进展的变换。图像处理是一个从图像到图像的过程。(2). 图像分析指对图像中感兴趣的目标进展提取和分割，获得目标的客观信息特点
3、或性质，建立对图像的描述；图像分析以观察者为中心研究客观世界，它是一个从图像到数据的过程。(3). 图像理解指研究图像中各目标的性质和它们之间的相互联系，得出对图像内容含义的理解及原来客观场景的解释；图像理解以客观世界为中心，借助知识、经历来推理、认识客观世界，属于高层操作符号运算。7. 图像处理、图像分析和图像理解是处在三个抽象程度和数据量各有特点的不同层次上。图像处理是比拟低层的操作， 它主要在图像像素级上进展处理， 处理的数据量非常大。图像分析那么进入了中层，分割和特征提取把原来以像素描述的图像转变成比拟简洁的非图像形式的描述。图像理解主要是高层操作， 根本上是对从描述抽象出来的符号进展
4、运算，其处理过程和方法与人类的思维推理有许多类似之处。8. 数字图像处理的历史与数字计算机的开展密切相关，它必须依靠数字计算机及数据存储、显示和传输等相关技术的开展。9. 成像需要能量源。物体通过反射能量源的能量或者影响透射的能量来形成在一定空间范围内的能量差异形成图像。最主要的能量形式是电磁能谱，其他主要的能源包括声波、超声波和电子用于电子显微镜等。电磁能谱包括很宽的频谱范围，包括伽马射线、X射线、紫外线、可见光、红外线、微波、无线电波等。伽马射线成像的主要用途包括医学和天文观测。X光片、血管照相术，头部CT切片都属于X射线在医学诊断上的应用。紫外光的应用多种多样，如平板印刷技术、工业检测、
5、显微镜方法、激光、生物图像、天文观测。10. 数字图象处理系统由图象数字化设备、 图象处理计算机和图象输出设备组成。11. 数字图像处理的主要研究内容很多，如图像变换、图像压缩编码、图像增强和复原、图像分割、图像描述、图像识别、图像隐藏等。12. 图像变换指采用各种图像变换方法对图像进展间接处理，有利于减少计算量并进一步获得更有效的处理。13. 图像压缩编码技术可以减少描述图像的数据量，以便节约图像存储的空间，减少图像的传输和处理时间。图像压缩有无损压缩和有损压缩两种方式。14. 图像的增强和复原的目的是为了改善图像的视觉效果，如去除图像噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，
6、突出图像中感兴趣的局部。图像复原要求对图像降质的原因有所了解，根据图像降质过程建立“退化模型，然后采用滤波的方法重建或恢复原来的图像。15. 图像分割是数字图像处理中的关键技术之一。图像分割将图像中有意义的特征提取出来物体的边缘、区域，它是进展进一步图像识别、分析和图像理解的根底。虽然目前已研究出了不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。16. 图像描述是图像分析和理解的必要前提，它是用一组数量或符号描述子来表征图像中被描述物体的某些特征。17. 图像识别是人工智能的一个重要领域，是图像处理的最高境界。一副完整的图像经预处理、分割和描述提取有效特征之后，进而由计
7、算机系统对图像加以判决分类。18. 图像隐藏是指媒体信息的相互隐藏，包括数字水印、图像的信息伪装等内容。19. 人眼有许多视觉现象影响对图像的感觉。人眼的主要视觉现象包括：对亮度的适应能力、同时比照度、比照灵敏度、马赫带现象、空间错觉、主观轮廓。20. 人眼对亮度的适应能力：人眼的适应亮度范围很宽1010，同时识别亮度范围很有限的：适应的范围宽，同时识别范围窄，光强客观是存在的，主观感觉是以光强的对数成线性关系正比的。21. 人眼同时比照度。由于人眼对亮度有适应能力，因此很难判别亮度绝对值，所以即使一样亮度，但假设背景亮度不同，人眼的主观感觉的亮度亦不一致。22. 人眼的比照灵敏度，人眼刚能分
8、辨光强出差异I 与 背景光强I的比值I/I，在相当范围内为0.0250层，但当很大或很小时比值加大。23. Mach带(马赫带现象)。人眼在观察均匀黑区与白区形成边界时，与实际情况不一致，即在亮度变化部位附近有暗区更暗，亮区更亮的感觉。这一更黑和更亮的带叫Mach带。主观感觉相当于增加了一个分量，相当于原图进展了二阶导数操作。24. Matlab是一个交互式的系统，其开发环境是MATLAB语言的根底和核心局部，全部功能都能在开发环境中实现。25. Matlab提供大量的矩阵及其它运算函数，方便地进展一些很复杂的计算，而且运算效率极高。Matlab命令和数学中的符号、公式非常接近，可读性强，容易
9、掌握。26. Matlab根据各专门领域中的特殊需要提供了许多可选的工具箱，已有涉及数学、控制、通信、信号处理、图像处理、经济、地理等多种学科的20多种Matlab工具箱投入应用。27. Matlab通常使用命令驱动方式，当单行命令输入时，Matlab立即处理并显示结果，同时将运行说明和命令存入历史命令窗口。28. Matlab语句的磁盘文件称作M文件，因为这些文件名的末尾是.M形式。M文件有两种类型：(1)命令Script文件；(2)函数function文件。29. 命令Script文件，特点如下：(1)最简单的M文件，它是一系列命令、语句的简单组合；(2)没有输入和输出参数；(3)顺序执行
10、文件后变量是全局变量，保存在工作空间中;(4)可以直接运行。命令文件的三种运行方式：(1)将所有命令复制粘贴到命令行窗口，按回车执行。(2)在M文件编辑器中选择“Debug，再选“Run运行，或直接按“F5运行程序。(3)在命令行中键入文件名，再回车，注意不要加扩展名“.m 。30. M文件命名时不要用纯数字，这样会导致错误的结果。假设有一个名为“的M文件，运行后的结果只能是1。31. 函数Function文件函数文件的特点如下：(1)以function为引导；(2)可以承受输入、输出参数；(3)内部变量为局部变量，运行完被释放。(4)不能直接运行，必须调用。32. Matlab提供了许多函数
11、用于生成常用矩阵，如zeros(.)函数用于生成全0矩阵，ones(.)函数用于生成全1矩阵、eye()函数用于生成单位矩阵、rand(.)函数生成元素均匀分布的随机矩阵、rann(.)函数生成元素正态分布的随机矩阵。33. Matlab有很多常用命令，如clear用于工作空间中去除所有变量；clc用于去除命令窗口中显示内容；clf用于去除图形窗口内容；who用于列出当前工作空间中的变量；whos用于列出当前工作空间中的变量及信息。34. Matlab是一种基于向量数组而不是标量的高级程序语言，因而Matlab从本质上就提供了对图像的支持。数字图像实际上是一组有序离散的数据，使用Matlab可
12、以对这些离散数据形成的矩阵进展一次性的处理。35. Matlab对图像的处理功能主要集中在它的图像处理工具箱Image Processing Toolbox中。 图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进展诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、数学形态学处理等图像处理操作。36. Matlab的工具箱Image Processing Toolbox是专门用于图像处理的。Matlab有许多其它工具箱也可以用于图像处理，如Image Acquisition Toolbox、Signal Processing Toolbox、Wavelet Toolbox
13、、Statistics Toolbox、Bioinformatics Toolbox、Matlab Compiler、Matlab COM builder。37. Matlab的图像处理工具箱支持4种图像类型，它们是：真彩色图像RGB images、索引色图像index images、灰度图像intensity images、二值图像binary images。此外，Matlab还支持由多帧图像组成的图像序列。38. 真彩色图像用 R、G、B 3个分量表示1个像素的颜色，所以对1个尺寸为mn的真彩色图像来说，其数据构造就是一个mn3的多维数组。如果要读取图像中(100，50)处的像素值，可以查
14、看三元组(100,50,13)。真彩色图像可用双精度存储，此时亮度值的范围是0,1。常用的存储方法是用无符号整型存储，亮度值的范围为0,255。39. 索引图像是把像素值直接作为RGB调色板下标的图像。Matlab中的索引色图像包含2个构造，一个是调色板map；另外一个是图像数据矩阵X。调色板是一个有3列和假设干行的色彩映像矩阵，矩阵的每行都代表一种色彩，通过3个分别代表红、绿、蓝颜色强度的双精度数，形成一种特定的颜色。图像数据可以是uint8或是双精度的。需要注意的是Matlab中的调色板的色彩强度是0,1中的浮点数，0代表最暗，1代表最亮。索引图像数据矩阵X的元素类型可以是double双精
15、度的，也可以是uint8整数类的。假设调色板矩阵有p行颜色，当采用double类时，图像取值有效范围为1，p，而当用uint8时，图像取值有效范围为0,p-1.40. 灰度图像。存储灰度图像只需要一个数据矩阵，数据类型可以是double也可以是uint8。显示时会使用一个默认的调色板来显示图像。41. 二值图像。与灰度图像一样，二值图像只需一个数据矩阵，每个像素只有2个灰度值。可以采用uint8或double类型存储，工具箱中以二值图像作为返回结果的函数都使用uint8类型。42. 图像序列(不能用于RGB图) 。图像处理工具箱支持将多帧图像连接成图像序列。可以使用Matlab的cat函数将分
16、散的图像合并成图像序列，前提是各图像的尺寸必须一样，如果是索引色图像，调色板也必须是一样的。43. 比方要将A1、A2、A3、A4、A5五幅图像合并成一个图像序列A，Matlab语句为 A=cat (1，A1，A2，A3，A4，A5), 1维，纵向排列 A=cat (2，A1，A2，A3，A4，A5)，2维，横向排列 A=cat (3，A1，A2，A3，A4，A5)，3维，竖向排列44. 图像序列也可以产生一个四维的数组，图像帧的序号在图像的长、宽、颜色深度之后构成第四维。45. Matlab中有一些函数用于图像文件的读写和信息查询，如imread用于读取图形文件格式的图像；imwrite用于
17、写入图形文件格式的图像；imfinfo用于获取图像的信息；loadsave可以以Mat文件加载或保存矩阵数据；imshow用于显示加载到Matlab中的图像。46. 利用函数imread可以完成图形图像文件的读取操作，其语法如下，一般图像文件读取格式：A=imread(filename, fmt)；索引图像文件读取X, map=imread(filename, fmt)。47. imread函数可以从任何Matlab 支持的图形文件中以特定的位宽读取图像。通常情况下，读取的大多数图像均为8bit。当这些图像加载到内存中时，Matlab就将其存储在类uint8中。 48. 对于索引图像来说，即使
18、图像阵列的本身为uint8或uint16，imread函数仍然将颜色映像表读取并存储到一个双精度的浮点类型的阵列中。49. 利用imwrite函数可以完成图形图像文件的写入操作，其语法为:imwrite(A, filename, fmt), imwrite(X, map, filename, fmt)。Matlab 缺省的保存数据格式为uint8数据格式。在Matlab中使用的许多图像都是8bit，并且大多数的图像文件并不需要双精度的浮点数据。50. Matlab提供了imfinfo函数用于从图像文件中查询其信息。所获取的信息依文件类型的不同而不同，但至少包含下面的内容：文件名、文件格式、文件
19、格式的版本号、文件修改时间、文件的字节大小、图像的宽度像素、图像的长度像素、图像类型即该图像是RGB(真彩)图像、灰度图像还是索引图像。51. Matlab函数imshow用于显示图像。其语法格式如下(1)灰度图像imshow(I)、imshow(I, n)、imshow(I, low high)，其中n为灰度级数目，缺省值为256。low high为图像数据的值域。(2)；二值图像:imshow(BW)(3)索引图像:imshow(X, map); (4)真彩色图像:imshow(RGB)。52. 索引图像的每一个像素都直接映射为调色板的一个入口。如果调色板包含的颜色数目多于图像颜色数目，那
20、么额外的颜色都将被忽略；如果调色板包含的颜色数目少于图像颜色数目，那么超出调色板颜色范围的图像像素都将被设置为调色板中的最后一个颜色。53. 一幅灰度图像是一个数据矩阵 I，其中数据均代表了在一定范围内的颜色灰度值。Matlab 把灰度图像用数据矩阵的形式进展存储，每个元素那么表示了图像中的每个像素。矩阵元素可以是doudle、uint8整数类型。多数情况下，灰度图像很少和颜色映像表一起保存，但在显示灰度图像时，Matlab 仍然在后台使用系统预定义的缺省灰度颜色映像表。54. 很多情况下需要进展图像类型转换。例如，对于索引图像进展滤波时，必须把它转换为RGB图像，否那么光对图像的下标进展滤波
21、，得到的结果是毫无意义的。图像类型之间的转换关系如下列图所示。55. 函数imshow可用于直接显示磁盘上的图像文件。通常调用imread函数装载图像，将数据存储为Matlab工作平台中的一个或多个变量，然后再显示图像。但是，如果不希望在显示图像之前装载图像，那么可以使用以下命令格式直接进展图像文件的显示， imshow filename，其中，filename为要显示的图像文件的文件名。56. 用函数subplot(m,n,k)可以用于把图像窗口分为多个子图区域，把多幅图像显示在一个图像窗口中。例如用语句subplot(m,n,k); imshow，可以在第m行n 列第k个子图显示图像。57
22、. 在图像的形成、传输和变换过程中，由于多种因素的影响，会造成图像品质下降，归纳起来，图像质量退化的原因有:(1)比照度问题，比照度局部或全部偏低,影响图像视觉; (2)噪声干扰问题，使图像蒙受干扰和破坏; (3)清晰度下降问题，使图像模糊不清,甚至严重失真。58. 如果不考虑图像降质的原因，只将图像中感兴趣的特征(如边缘、轮廓、比照度等)进展强调或有选择的突出，同时衰减其它不需要的特征，以便于显示、观察或分析，此种图像处理称为图像增强Image Enhancement，它是为了解决图像由于噪声、模糊退化和比照度降低等三类问题,获得最好的视觉效果。59. 图像增强可能为了人类视觉的需要, 使图
23、像的内容更突出，更容易被获取，并不关心和原始图像是否一致，甚至人为地畸变原始图像,以到达视觉增强的效果。例如,伪彩色图像增强：将不同灰度的图像赋以不同的彩色,以增强人类的视觉感知,在医学图像处理中经常采用；又如，假彩色增强：不同波段获取的图像赋以不同的彩色,用在对多波段遥感图像的假彩色显示等。60. 图像增强的特点表达在如下三点：(1)图像增强并不能增加原始图像的信息，其结果只能增强对某种信息的区分能力，使这些特征更加易于检测或识别。而这种处理肯定会损失一些其它信息。(2)图像增强是基于问题的技术，增强后的图像质量好坏主要依靠人的主观感觉来评定，难以定量描述。同时，要获得一个满意的增强结果，往
24、往靠人-机交互。(3)图像增强的首要目标是使处理后的图像更适合于特定应用。61. 图像增强的处理方法根据处理所在的域，分为空间域方法和频率域方法两类。空间域方法直接以图像中的像素操作为根底，是在图像空间运算的。62. 空间域方法中，输出图像 g(x,y)任意像素(x,y)的灰度值为输入图像f (x,y )事先定义的(x,y)邻域内所有像素灰度值的某种函数，即g(x,y)= Tf(x,y)。像素(x,y)的邻域(neighborhood)是以x,y像素为中心的正方形或矩形子图像，也可以定义为圆形或其他形状的邻域但矩形邻域操作方便，多被采用。如果邻域尺寸为1*1，即只考虑当前像素本身，那么相应方法
25、属于灰度变换。假设尺寸大于1*1，那么属于空间域方法。所以空间域方法包括两类：灰度变换强度映射、点处理和空间域滤波。63. 空间域滤波方法通常利用所谓的模板运算来实现。模板又称滤波器、核、掩模、窗口等，是一个小的二维阵列。模板的系数值决定了增强处理的性质，如平滑、锐化等。64. 灰度变换的关键是根据要解决的图象增强问题，选择适宜的灰度变换函数 Tr。根据灰度变换函数 Tr选择方法的不同，灰度变换分为两类直接灰度变换和直方图处理。直接灰度变化包括图像反转、对数变换、幂次变换、分段线性变换等。直方图处理类方法包括直方图均衡化、直方图匹配、局部直方图等。65. 空间域滤波是一种基于模板的处理，根据处
26、理的感官效果分为平滑空间滤波器包括线性平滑滤波器、统计排序滤波器等和锐化空间滤波器如基于二阶微分的拉普拉斯算子、基于一阶微分的梯度法。这类算法的关键是寻找一个适宜的模板又称滤波核。66. 频率域方法在图像的某种变换域内，对图像的变换值进展处理。如先对图像进展二维傅立叶变换，转换到频率域，再对图像的频谱进展某种修正滤波，最后将修正后的变换值逆变换到空间域，从而获得增强后的图像。67. 频率域方法的快速运算利用了卷积定理: 如果原始图像是f(x,y)，处理后的图像是g(x,y)，而h(x,y)是滤波器的单位冲激响应，那么，空间域滤波处理过程可由下式表示：。如果G(u,v), H(u,v), F(u
27、,v)分别是g(x,y)，h(x,y)和 f(x,y)的傅里叶变换，由傅里叶变换的卷积定理可知: 。68. 直接亮度变换中的图像反转适用于增强嵌入图像暗色区域的白色或灰色细节，特别是当黑色面积占主导地位时。69. 直接亮度变换中的对数变换常用于图像的动态范围压缩。与增强比照度相反，有时原图的动态范围太大，超出某些显示设备的允许动态范围，这时如直接使用原图，那么一局部细节可能丧失。70. 幂律变换的根本形式为：其中c和g为正的常数。71. 伽马校正：习惯上，幂次等式中的指数是指伽马值。由于很多图像获取、打印和显示装置根据幂次规律进展响应，为了准确显示原始图像需要做校正以修正幂次响应现象，这种校正
28、称做伽马校正。72. Matlab提供了函数imadjust()用于实现亮度变换，支持反转、幂次等变换。语法g = imadjust(f, low_in, high_in, low_out, high_out, gamma)。73. 如果将图像中像素灰度级看成是一个随机变量，那么其取值分布情况就反映了图像的统计特性，这一特性可用灰度直方图(Histogram)来描述。灰度级范围为0, L-1的数字图象的灰度级的离散函数，式中，rk是第k级灰度值，nk是图像中灰度值为rk的像素的个数，k=0,1, L-1。它表示图像中具有某种灰度级的像素的个数。 通常为了处理方便，上述函数需要归一化为，表示图像
29、灰度级rk发生的概率估计值。该函数通常以直方图的形式展示，该图称为灰度直方图。有时也把未归一化的函数的图示也称为直方图。谈到直方图概念时，是否指的是归一化的直方图可通过上下文判定。74. 四个根本图像类型：暗、亮、低比照度、高比照度，它们的灰度直方图反映出了以下信息：( 1)暗色图像中，直方图的组成成分集中在灰度级低(暗)的一侧；2类似地，明亮图像的直方图那么倾向于灰度级高的一侧；(3)低比照度图像的直方图窄而集中于灰度级的中部。对于黑白图像，这意味着暗淡，好似灰度被冲淡了一样。(4)在高比照度的图像中，直方图的成分覆盖了灰度级很宽的范围，而且，像素的分布较为均匀，只有少量垂线比其他的高许多。
30、75. 假设一幅图像其像素占有全部可能的灰度级并且分布均匀，那么这样的图像有高动态范围、比照度和多变的灰度色调。最终效果将是现一幅灰度细节丰富且动态范围较大的图像。76. 所谓直方图均衡化，是指寻找一个灰度变换函数使变换后的图像的像素值占有全部的灰度级并且分布均匀，从而得到一幅灰度级丰富且动态范围大的图像即高比照度图像。77. 如果随机变量的概率密度函数为，而随机变量是 的函数，即=T()， 的概率密度可由求出,即：，其中， s0,1.78. 理论上，利用亮度变换函数，可以实现直方图均衡。数字图像灰度级是离散值，所示实践中灰度直方图均衡化实现方法如下：1计算输入图像的归一化直方图。2直方图均衡
31、化灰度变换函数的离散形式；3经上式变换后的sk取值为小数，在实际中还要对其取整并重新量化，即79. Matlab工具箱函数imhist()用于计算和显示图象的直方图；histeq() 实现直方图均衡处理。代码用例I=imread(pout.tif); Ieq=histeq(I,256);80. 直方图均衡化能产生灰度级丰富且动态范围大的图像即高比照度图像，而且这种增强实现是完全“自动化，即，直方图均衡化处理基于从图像中提取的统计信息，来“自动选择灰度变换函数，不需要更多的参数说明。81. 直方图均衡变换有展开输人图像直方图的一般趋势。因为直方图是近似的概率密度函数，所以用离散灰度级作变换一般得
32、不到完全平坦的结果。变换后的灰度级会减少，这种现象叫做“简并现象。由于上述原因，数字图像的直方图均衡只是近似的。82. 有时希望处理后的输出图像具有指定的灰度直方图形状，以便能对图像中某种灰度级加以增强，即有选择性的增强某个灰度值范围内的比照度。这种用于使处理后的图像具有指定灰度直方图的增强方法，叫做直方图匹配或直方图规定化处理。83. 直方图匹配的根本过程。(1)计算原始图像的直方图pr(rk) ;(2)对输入图象直方图均衡化，建立输入图像每一灰度级rk与sk的映射关系, ; (3)对目标直方图pz(z) 作均衡化处理，计算zq与vq的映射关系；(4)选择适当的vq和sk点对，使vq与sk最
33、接近。(4)由逆变换函数,建立rk与zk之间的映射关系。84. 线性空间滤波，一般来说，对于一个尺寸为m*n的模板，假设m=2a+1，n=2b+1，这里a、b为非负整数，使模板的长和宽都为奇数。在大小为M*N的图像f上，用上述滤波器模板进展线性滤波卷积运算，像素x,y处的运算结果可由下式给出。85. 模板(卷积)运算，主要步骤为：(1)将模板在图中漫游，并将模板中心与图中某个象素位置重合；(2)将模板上系数与模板下对应象素相乘；(3)将所有乘积相加；(4)将和模板的输出响应赋给图中对应模板中心位置的象素。注意: 定义模板时一定指明模板中心。86. 在模板或卷积的加权运算中，当在图像上移动模板卷
34、积核至图像的边界时，在原图像中不能找到与卷积核中的加权系数相对应的全部9个像素，即卷积核悬挂在图像缓冲区的边界上，这种现象在图像的上下左右四个边界上均会出现。图像边界的处理方法：(1) 忽略图像边界数据。就是将模板中心点的移动范围限制在距离图像边缘不小于a和b个像素处。这种做法将使处理后的图像比原始图像稍小，但滤波后的图像中的所有像素点都能由整个模板处理。2在图像四周复制原图像边界像素的值，或补上必需数量的像素灰度值为零的行和列，从而使卷积核悬挂在原图像四周时可以进展正常的计算。该方法可以保持处理后的图像与原始图像尺寸大小相等，但是补在靠近图像边缘的局部会给处理后的图像边缘带来不良影响，这种影
35、响随着掩模尺寸的增加而增大。87. 平滑滤波器用于模糊处理和减小噪声。由于典型的随机噪声由灰度级的锋利变化组成，因此，常见的平滑处理应用就是减噪。然而，由于图像边缘(几乎总是一幅图像希望有的特性)也是由图像灰度锋利变化带来的特性，所以平滑滤波处理存在着边缘模糊的负面效应。88. 平滑滤波器能减弱或消除图像的高频分量，因为高频分量对应图像中的区域边缘等灰度值变化较大、较快的局部，滤波器将这些分量滤除，从而使图像平滑。89. 典型平滑线性滤波器有均值滤波器、加权均值滤波器等。90. 均值滤波器averaging filter。邻域平均滤波器的输出(响应)是包含在滤波掩模邻域内像素的简单平均值。因此
36、，这些滤波器也称为均值滤波器，是一种低通滤波器。91. 加权均值滤波器在模板中引入了加权系数，以区分邻域中不同位置像素对输出像素值的影响，常称其为加权模板。92. 统计滤波器是属于非线性的空间滤波器，它的响应基于滤波器模板包围的图像区域中像素的排序，然后由统计排序结果断定的值代替中心像素的值。统计滤波器中最常见的例子就是中值滤波器，它是将像素邻域内灰度的中值代替该像素的值。中值滤波器对处理脉冲噪声(也称为椒盐噪声，以黑白点叠加在图像上)非常有效。但是对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波。93. 中值滤波就是用一个含有奇数点的移动窗口，将窗口中心点的值用窗口内各点的中值代
37、替。94. 锐化处理的主要目的是突出灰度的过渡局部，增强图像中的细节。空间域像素邻域平均法可以使图像变模糊，而均值处理与积分相类似，锐化处理可以用空间微分差分来完成。95. 微分差分算子的响应强度与图像在该点灰度的突变程度有关，图像微分增强了边缘和其他突变(如噪声)并削弱了灰度变化缓慢的区域。然而由于边缘和轮廓在一幅图像中常常具有任意方向，而差分运算是有方向性的，因此和差分方向一致的边缘和轮廓便检测不出来，因而希望采用一些各向同性的检测算子，它们对任意方向的边缘和轮廓都有一样的检测能力。96. 要注意的是，能够进展锐化处理的图像必须有较高的信噪比，否那么，图像锐化后，信噪比会更低，因为锐化会提
38、升噪声强度。一般是先去噪，再锐化操作。97. 一阶微分与二阶微分锐化比拟：(1)一阶微分处理通常会产生较宽的边缘；二阶微分处理对细节有较强的响应，如细线和孤立点；2一阶微分处理一般对灰度阶梯有较强的响应；二阶微分处理对灰度级阶梯变化产生双响应。(3)二阶微分在图像中灰度值变化相似时，对线的响应要比对阶梯强，且点比线响应强。(4)大多数应用中，对图像增强来说，二阶微分处理比一阶微分好一些，因为形成增强细节的能力好一些。由于这一原因及实现和扩展都简单，对图像增强多应用二阶微分处理。98. 拉普拉斯算子是常用的二阶微分边缘增强算子，它是偏导数运算的线性组合运算，而且是一种各向同性旋转不变性的线性运算
39、。图像处理中的拉普拉斯算子为。99. 将原始图像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。所以，使用拉普拉斯变换对图像锐化增强的根本方法可表示为下式：100. 反锐化掩蔽：从原图像中减去其反锐化平滑过的图像，得到图像g(x,y) 对应下式k=1的情形。高频提升滤波对应下式(k1的情形)。101. 基于一阶微分的图像锐化。梯度的数值就是f (x, y)在其最大变化率方向上的单位距离所增加的量。 尽管梯度向量的分量本身是线性算子，但由于用到了平方和开放运算，梯度的模显然不是线性的，却是各向同性的。 一般把梯度矢量的模值称为梯度，尽管这样说在严格意义上并
40、不正确。102. 二维离散傅里叶变换的主要相关matlab函数，(1)函数fft2实现快速傅里叶变换；格式1：F = fft2(f)；格式2：F = fft2(f, P, Q)。(2)函数ifft2实现快速傅里叶逆变换；格式： f = ifft2(F); (3)函数fftshift将变换的原点移动到频率矩形中心；格式：Fc = fftshift(F); (3)函数ifftshift为fftshift函数的逆操作，格式：F = ifftshift(Fc)。103. 图像的傅里叶变换域，即频域里边，频域的中心邻域对应图像中慢变化局部，较高的频率开场对应图像中变化较快的局部如：物体的边缘、线条等。1
41、04. 使用离散傅里叶变换DFT进展滤波操作，图像及其变换均视为周期性的。假设周期关于函数的非零局部持续时间很靠近，那么对周期函数执行卷积运算会导致相邻周期间的干扰，称为折叠误差干扰。通过使用零填充函数的方法防止折叠误差干扰。105. 使用离散傅里叶变换DFT滤波编程实现的根本步骤。(1) 使用函数paddedsize获得填充参数, 如PQ = paddedsize(size(f)；(2) 得到使用填充的傅里叶变换，如F = fft2(f, PQ(1), PQ(2)；(3) 根据处理目标生成频域滤波器模板H；(4)将变换乘以滤波函数：G = H.*F。(5).获得G逆傅里叶变换的实部，如g =
42、 real(ifft2(G)；(6)将g左上部的矩形修剪为原始大小，如g = g(1:size(f, 1), 1:size(f,2)。106. 频域滤波器的分类：(1)频域平滑滤波器，包括理想低通滤波器、巴特沃斯低通滤波器、高斯低通滤波器;(2)频域锐化滤波器，包括理想高通滤波器、巴特沃斯高通滤波器、高斯高通滤波器、频域拉普拉斯算子、高频提升滤波；(3)同态滤波器。107. 振铃现象。理想滤波器、巴特沃斯滤波器都有振铃线性。高斯滤波没有振铃现象。108. Butterworth 低通滤波器有两个参数：阶n和截止频率D0。其表达式为。阶n越大，越接近理想滤波器，阶n越小接近1，那么越接近高斯滤波
43、器。109. 高频强调滤波通过给高通滤波器加上一个偏移量并乘以一个大于1的常数得到。110. 同态滤波。一幅图像f(x,y)能够用它的入射光分量和反射光分量来表示，其关系式如下 f(x,y)=i(x,y)r(x,y)。i(x,y) 称为照度场，r(x,y)为反射系数场。图像中的照明分量往往具有变化缓慢的特征，而反射分量那么倾向于剧烈变化，特别在不同物体的交界处。由于这种持征，图像的自然对数的傅里叶变换的低频分量与照明分量相联系，而其高频分量那么与反射分量相联系。同态滤波方法利用取对数变换将图像中的照明分量和反射分量分开，从而可设计频域滤波器，使其对这两局部具有不同的滤波效果。111. 图像在形
44、成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法得不完善，导致图像质量下降，称为图像退化。引起图像退化的原因如成像系统的散焦、成像设备与物体的相对运动、成像器材的固有缺陷、外部干扰。112. 图像复原是试图利用退化过程的先验知识使已退化的图像恢复本来面目,即根据退化的原因,分析引起退化的环境因素,建立相应的数学模型,并沿着使图像降质的逆过程恢复图像.目的在于消除或减轻在图像获取以及传输过程中造成的图像品质下降,恢复图像的本来面目.因此,复原技术就是把退化模型化,并采用相反的过程进展处理,以便复原出原图像。总结来说，图像复原可以看作图像退化的逆过程，是将图像退化的过程加以估
45、计，建立退化的数学模型后，补偿退化过程造成的失真。113. 在图像退化确知的情况下，图像退化的逆过程是有可能进展的。但实际情况经常是退化过程并不知晓，这种复原称为盲目复原。114. 图像增强和图像复原的比照。图像增强图像复原技术特点 不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出增强，而衰减其不需要的特征。 要考虑图像降质的原因，建立“降质模型。 改善后的图像不一定要去逼近原图像。 要建立评价复原好坏的客观标准。主观过程客观过程主要目的提高图像的可懂度提高图像的逼真度方法空间域法和频率域法。空间滤波复原；空间域法主要是对图像的灰度进展处理；频率域法主要是滤波。 频域削减周期噪声；11
46、5. 噪声参数的估计。(1)典型的周期噪声参数是通过检测图像的傅里叶谱来进展估计的。(a)周期噪声趋向于产生频率尖峰，这些尖峰甚至通过视觉分析也经常可以检测到。(b)另一种方法是尽可能直接从图像中推断噪声分量的周期性，但这仅仅在非常简单的情况下才是可能的。(c)当噪声尖峰格外显著或可以使用关于干扰的频率分量一般位置的某些知识时，自动分析是可能的。(2)噪声PDF的参数一般可以从传感器的技术说明中得到,但对于特殊的成像装置常常有必要去估计这些参数。(3)当只有传感器产生的图像可用时,常可以从合理的恒定灰度值的一小局部图像估计PDF的参数。116. 当仅有加性噪声存在时,可以选择空间滤波方法降低噪
47、声，实现图像复原。这一特殊情况下,图像的增强和复原几乎一样。常用消除噪声的滤波器类型：1均值滤波器，如算术均值滤波器、几何均值滤波器、谐波均值滤波器、逆谐波均值滤波器等；(2)统计排序滤波器，如中值滤波器、最大值滤波器、最小值滤波器、中点滤波器、修正后的阿尔法均值滤波器；(3)自适应滤波器，包括自适应局部噪声消除滤波器、自适应中值滤波器等。117. 几何均值滤波器所到达的平滑度可以与算术均值滤波器相比。但几何均值滤波器在滤波过程中，与算术均值滤波器相比，会丧失更少的图像细节。118. 谐波均值滤波器善于处理高斯噪声等。谐波均值滤波器对于“盐噪声效果好，但不适用于“胡椒噪声。119. 对于逆谐波
48、均值滤波器，当Q值为正时适于消除胡椒噪声，当Q值为负时适于消除盐噪声。当Q=0时逆谐波均值滤波器退化为算术均值滤波器；当Q=-1时逆谐波均值滤波器退化为谐波均值滤波器。120. 算术和几何适合处理高斯或均匀等随机噪声。谐波更适于处理脉冲噪声,但必须知道是暗噪声还是亮噪声,以便选择Q值符号。121. 在一样尺寸下，中值滤波器比起均值滤波器引起的模糊少。对单极或双极脉冲噪声非常有效。122. 最大值滤波器用于发现图像中的最亮点，可以有效过滤“胡椒噪声因为“胡椒噪声是非常低的值。123. 最小值滤波器用于发现图像中的最暗点，可以有效过滤“盐噪声因为“盐噪声是非常高的值。124. 中点滤波器结合了顺序统计和求平均，对于高斯和均匀随机分布这类噪声有最好的效果。125. 自适应、局部噪声消除滤波器根据像素邻域的局部方差与图像总体方差的比值，把像素的新取值在原图像像素和局部均值结果之间自适应