合肥工业大学研究生数字图像处理冈萨雷斯第二版考试范围及重点知识整理.doc

l 试题类型 单项选择题：101=10分 填空题：201=20分； 简答题：55=25分； 计算题：25分； 应用题：20分l 考试形式：开卷，you need a textbook! l 数字图像处理基础 图像的线性变换 图像采样； 图像的邻域；l 图像变换 傅立叶变换，余弦变换，K-L变换，小波变换等试题一.小波变换和傅里叶变换的特征差异：一个能描述局部特征，一个不能解：小波分析是傅立叶分析思想的发展与延拓，它自产生以来，就一直与傅立叶分析密切相关，他的存在性证明，小波基的构造以及结果分析都依赖于傅立叶分析，二者是相辅相成的，两者主要的不同点： 1、傅立叶变换实质是把能量有限信号f(t)分解到以exp(jt)为正交基的空间上去；小波变换的实质是把能量有限信号f(t)分解到W-j和V-j所构成的空间上去的。 2、傅立叶变换用到的基本函数只有sin(t),cos(t),exp(jt)，具有唯一性；小波分 析用到的函数（即小波函数）则具有多样性，同一个工程问题用不同的小波函数进行分析有时结果相差甚远。小波函数的选用是小波分析运用到实际中的一个难点问题（也是小波分析研究的一个热点问题），目前往往是通过经验或不断地试验（对结果进行对照分析）来选择小波函数。 3、在频域分析中，傅立叶变换具有良好的局部化能力，特别是对于那些频率成分比较简单的确定性信号，傅立叶变换很容易把信号表示成各频率成分的叠加和的形式，如sin(1t)+0.345sin(2t)+4.23cos(3t)，但在时域中傅立叶变换没有局部化能力，即无法从f(t)的傅立叶变换中看出f(t)在任一时间点附近的性态。事实上，F(w)dw是关于频率为w的谐波分量的振幅，在傅立叶展开式中，它是由f(t)的整体性态所决定的。 4、在小波分析中，尺度a的值越大相当于傅立叶变换中w的值越小。 5、在短时傅立叶变换中，变换系数S(，)主要依赖于信号在-，+片段中的情况，时间宽度是2（因为是由窗函数g(t)唯一确定的，所以2是一个定值）。在小 波变换中，变换系数Wf（a,b）主要依赖于信号在b-a，b+a）片断中的情况，时 间宽度是2a，该时间的宽度是随尺度a变化而变化的，所以小波变换具有时间局部分析能力。 6、若用信号通过滤波器来解释，小波变换与短时傅立叶变换不容之处在于：对短时傅立叶变换来说，带通滤波器的带宽f与中心频率f无关；相反小波变换带通滤波器的带宽f则正比于中心频率f。试题二。哪个能去除图像相关性 小波变换与傅立叶变换的特性差异 图像相关性的去除l 图像增强 直方图 概念 直方图均衡，直方图规定化 图像锐化： 掌握几种边缘检测算子及它们在边缘检测上的机制，和相互间的异同（梯度算子，Laplacian算子，Robert算子, Prewitt算子） 试题三：算子形式，填空题（p467）试题四：Prewitt算子与Robert算子有什么优势：有一定平滑作用，对噪音抗干扰能力更强Roberts算子：边缘定位准，但是对噪声敏感。适用于边缘明显且噪声较少的图像分割。Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。Prewitt算子：对噪声具有平滑和抑制作用，抑制噪声的原理是通过像素平均，但是像素平均相当于对图像的低通滤波，所以Prewitt算子对边缘的定位不如Roberts算子。Sobel算子：Sobel算子和Prewitt算子都是加权平均，但是Sobel算子认为，邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越远，产生的影响越小。 图像平滑： 低通滤波 中值滤波的特点 频率域进行图像平滑的主要步骤试题五：中值滤波的优势及特点中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。优势：它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。加权中值滤波能够改进中值滤波的边缘信号保持效果。中值滤波在图像处理中,常用于保护边缘信息,是经典的平滑噪声的方法。缺点：对方向性很强的指纹图像进行滤波处理时 ,有必要引入方向信息,即利用指纹方向图来指导中值滤波的进行。.特点：可以消除杂散噪声点而不会或较小程度地造成边缘模糊试题六：频率域的计算，主要步骤：书上一张图（p126 图4.5）l 彩色图像处理 色彩的三个基本特性：亮度、色调、饱和度 彩色模型：RGB，CMY，CMYK，HIS 彩色的三基色：红，绿，蓝；颜料的三原色：红，黄，蓝l 图像分割 阈值化分割（二值化分割） 图像分割基于图像的何种特性；p460 划线部分试题七：图的不连续。区域内的均匀性，区域内的不连续性l 图像压缩 压缩比概念：就是通过编码器压缩后的图象数字大小和原图象数字大小的比值 压缩标准：JPEG，JPEG2000 图像数据中的三种冗余：编码冗余，像素间冗余，心理视觉冗余 图像信息量的计算 图像的霍夫曼编码试题八：Jpeg，jpeg2000的编码冗余（p401）Jpeg（DCT变换去除数据冗余）试题九：图像信息量的计算试题十：图像的霍夫曼编码（p351）l 形态学图像处理 掌握膨胀和腐蚀两种操作l 图像识别 纹理分析种类 灰度共生矩阵的计算 应用实例试题十一：给出图，然后计算灰度共生矩阵试题十二：简单的膨胀和腐蚀试题十三：纹理分析的种类：统计纹理分析，结构纹理分析解答：统计纹理分析寻找刻划纹理的数字特征，用这些特征或同时结合其他非纹理特征对图像中的区域（而不是单个像素）进行分类。图像局部区域的自相关函数、灰度共生矩阵、灰度游程以及灰度分布的各种统计量，是常用的数字纹理特征。如灰度共生矩阵用灰度的空间分布表征纹理。由于粗纹理的灰度分布随距离的变化比细纹理缓慢得多，因此二者有完全不同的灰度共生矩阵。结构纹理分析研究组成纹理的基元和它们的排列规则。基元可以是一个像素的灰度、也可以是具有特定性质的连通的像素集合。基元的排列规则常用树文法来描述。试题十四：实现车牌照的识别需要哪些步骤：1.定位车牌 2.字符提取 3.字符识别 等。车辆识别系统主要由车牌定位、字符分割和字符识别三个部分组成。车牌定位是指将车牌区域从车辆图像中分割出来，车牌定位是车牌自动识别技术中一个至关重要的环切。其定位的速度和准确程序直接影响到车牌识别系统的性能。车牌定位的方法的出发点是通过车牌区域的特征来判断牌照。而车牌定位主要包含两个关键技术问题：图像的预处理和车牌定位的算法。本文针对车牌识别系统中关于静态图片中的车牌定位问题，主要运用了图像处理的知识，在VC开发平台上，通过对静态图片进行灰度变换，二值化，中值滤波等一系列处理，利用投影检测算法实现了从采集到的包含车牌的图像中定位出车牌，为进一步的字符识别打下基础8、根据所学过的图像处理和分析方法，设计一套算法流程来实现汽车牌照的定位和数字的识别（给出设计思想即可）。 答：要点: Step 1：定位汽车牌照。 通过高通滤波，得到所有的边缘，对边缘细化（但要保持连通关系），找出所有封闭的边缘， 对封闭边缘求多边形逼近。在逼近后的所有4 边形中，找出尺寸与牌照大小相同的四边形。牌照被定位。 Step 2：识别数字。 对牌照区域中的细化后的图像对象进行识别（如前面所介绍的矩阵模糊识别法等）。