数字图像处理期末复习资料
1、 数字图像处理的概念，应用领域？
数字图像处理：是通过计算机对数字图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 传统领域：医学、空间应用、地理学、生物学、军事„„ 最新领域：数码相机(DC)、数码摄像机(DV)、指纹识别、人脸识别、互联网、视频、多媒体、基于内容的图像检索、视频检索、多媒体检索、游戏、电影特技、虚拟现实、电子商务等、数字图像处理的应用领域无处不在 2、 影响图像清晰度的因素？
主要因素：亮度、对比度、尺寸大小、细微层次、颜色饱和度。 3、 数字图像系统的基本组成及举例？ 主要由三大部分组成：
图像数字化设备：包括数码相机、数码摄像机、带照相和/或摄像功能的手机等；图像处理设备：包括计算机和存储系统；
图像输出设备：包括打印机，也可以输出到Internet上的其它设备 4、 四领域、对角领域、八领域、连通？
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)。（上，下，左，右） D邻域定义：像素p(x,y)的D邻域是：对角上的点(x+1,y+1)；(x+1,y-1)；(x-1,y+1)；(x-1,y-1)。（四个顶角）
八邻域定义：像素p(x,y)的8邻域是：4邻域的点＋D邻域的点。
连通性：是描述区域和边界的重要概念 ，两个像素连通的两个必要条件是： （1）两个像素的位置相邻（2）两个像素的灰度值满足特定的相似性准则（或者相等），对于具有值V的像素p和q，如果q在集合N4(p)中，则称这两个像素是4 连通的 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连通的。
5、 图像的直方图与图像的亮度、对比度的关系？ 直方图：是图像的灰度—像素数统计图，即对于每个灰度值，统计在图像中具有该灰度值的像素个数，并绘制成图形，称为灰度直方图（简称直方图）。 6、 归一化直方图？
希望一幅图像的像素占有全部可能的灰度级且分布均匀，能够具有高对比度。 使用的方法是灰度级变换：s = T(r)基本思想是把原始图的直方图变换为均匀分 布的形式，这样就增加了像素灰度值的动态范围从而达到增强图像整体对比度的效果。 7、 频谱与图像空间特征的关系？
低频对应着图像的慢变化分量，如图像的平滑部分；高频对应图像中变化越来越快的灰度级，如边缘或噪声等尖锐部分。低通（平滑）滤波器、高通（锐化）滤波器。 8、 图像退化的概念、原因？
退化：成像过程中的“退化”，是指由于成像系统各种 因素的影响，使得图像质量降低。
引起图像退化的原因：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、外部干扰等。
9、 图像复原的概念及步骤？
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计，建立退化的数学模型后，补偿退化过程造成的失真。在图像退化确知的情况下，图像退化的逆过程是有可能进行的。
f(x,y)表示一幅输入图像、H表示退化函数、n(x, y ) 表示外加噪声、g(x,y)是f(x,y)产生的一幅退化图像 、给定H, n(x, y )和g(x,y)就可以获得关于原始图像的近似估计：
10、 图像复原与图像增强的关系？
首先，图像增强与图像复原的目的相同，都是改善图像质量，但是，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。
其次，图像增强被认为是一种对比度拉伸，提供给用户喜欢接受的图像；而图像复原技术追求恢复原始图像的最优估值。
此外，图像的增强和复原技术都可以使用空间域或频率域滤波器实现，但是，图像复原较图像增强存在较大的盲目性和不确定性。 11、 图像增强？
图像增强：是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法；目的：对图像进行加工，以得到对具体应用来说视觉效果更 “好”，更“有用”的图像，就是说，提高图像的可懂度。方法有两大类：空间域图像增强和频率域图像增强。 12、 频率域滤波的步骤？
13、 图像压缩算法分类？
消除冗余数据，从数学角度看，将原始图像转化为从统计角度看尽可能不相关的数据集。一般分为两类：无损压缩：在压缩和解压缩过程中没有信息损失有损压缩：能取得较高的压缩率，但压缩后不能通过解压缩恢复原状 其它：如根据需要，既可进行无损，也可进行有损压缩的技术；准无损技术
14、 数字图像数据冗余的基本类型？
数据是用来表示信息的。如果不同的方法为表示给定量的信息使用了不同的数据量，那么使用较多数据量的方法中，有些数据必然是代表了无用的信息，或者是重复地表示了其它数据已表示的信息，这就是数据冗余的概念。
三种基本的数据冗余：编码冗余、像素间冗余、心理视觉冗余
15、 数字图像压缩的基本模型？
16、 图像分割算法一般基于亮度值的两个特征，间断检测利用了其中的哪些特征？
图像分割算法是基于亮度值的不连续性和相似性，不连续性是基于亮度的不连续变化分割图像，如图像的边缘，根据制定的准则将图像分割为相似的区域，如阈值处理、区域生长、区域分离和聚合 。
17、 检测边缘的PREWITE、SOBEL梯度算子及对应的模板？
Prewitt梯度算子——3x3的梯度模板：∇f≈|Gx|+|Gy|=|(z7+z8+z9) -(z1+z2+z3)| + |(z3+z6+z9) -(z1+z4+z7)|
Sobel梯度算子——3x3的梯度模板：权值2用于通过增加中心点的重要性而实现某种程度的平滑效果∇f≈|Gx|+|Gy|=|(z7+2z8+z9) -(z1+2z2+z3)| + |(z3+2z6+z9)-(z1+2z4+z7)|
