图像处理技术考试总结复习资料.doc

图像处理技术考试总结复习资料 作者： 日期：13 个人收集整理 勿做商业用途1、图像概念：“图是物体投射或反射光的分布，“像”是人的视觉系统对图的接受在大脑中形成的印象或反映。因此，图像是客观和主观的结合。2、分类：1)从视觉特点，分为可见图像和不可见图像。2) 从图像空间坐标和明暗程度的连续性，可分为模拟图像和数字图像.3) 按波段多少，图像可分为单波段、多波段和超波段图像。3、单波段图像在每个点只有一个亮度值.多光谱图像上每一个点不止一个特性。4、I （r , c）是对f ( x , y) 的离散化后的结果。r表示图像的行,c表示图像的列。I表示离散后的f；I , r, c的值只能是整数。数字图像可用矩阵或数组进行描述。5、 图像处理：对图像进行一系列的操作以达到预期的目的的技术称作图像处理。6、 数字图像处理：利用计算机对图像进行去除噪声、增强、复原、分割、提取特征等的理论、方法和技术称为数字图像处理7、图像进行加工和分析目的:1)提高图像的视感质量,以达到赏心悦目的目的。去除图像中的噪声，改变图像的亮度、颜色，增强图像中的某些成份、抑制某些成份,对图像进行几何变换等，从而改善图像的质量，以达到真实、或清晰、或色彩丰富等效果 2）对图像数据进行变换、编码和压缩, 以便于图像的存储和传输 3）提取图像中所包含的某些特征或特殊信息， 以便于分析。8、数字图像处理的特点：1）处理精度高,再现性好 2）处理方法的多样性 3）图像数据量庞大 4)处理费时 5)图像处理技术综合性强9、数字图像处理的主要研究内容：1）图像获取、表示和表现。2） 图像复原3 图像增强4） 图像分析 5）图像重建6） 图像压缩编码10、图像编码：主要是利用图像信号的统计特性及人类视觉的生理学及心理学特性，对图像信号进行高效编码，即研究数据压缩技术,目的是在保证图像质量的前提下压缩数据，便于存储和传输，以解决数据量大的矛盾。11、 图像编码的目的:1）减少数据存储量;2)降低数据率以减少传输带宽；3）压缩信息量， 便于特征提取,为后续识别作准备12、图像处理的应用：1）航天航空：登月、火星照片处理、飞机遥感、卫星遥感、气象预报2)生物医学工程：CT、MRI（核磁共振）、B超、显微图像:红细胞、白细胞、染色体的分析、X光、心电图3)通讯领域多媒体通讯：数字电视、高清析度电视（HDTV)、多媒体信息处理，可视电话、会议电视、电话、电视、计算机三网合一4）工业：印刷电路板、机器人视觉、零件检测、邮政信件的自动检测5）军事公安；导弹制导、侦察照片的处理、指纹识别、人脸识别6）文化艺术：电视画面的数字编辑、动画制作、游戏、纺织工艺品设计、发型设计、文物资料图片的修复13、图像数字化：指将模拟图像的连续图像函数进行空间和幅值上的离散化之后,得到用数字表示的图像，以适应数字计算机的处理。14、空间坐标(x，y）的数字化称为图像采样，而幅值数字化被称为灰度级量化。经过数字化后的图像称为数字图像（或离散图像)15、数字化过程包括三个步骤：扫描、采样和量化。第一步：扫描 扫描是按照一定的先后顺序对图像进行遍历的过程,如按照行优先的顺序进行遍历扫描，像素是遍历过程第二步：空间采样将在空间上连续的图像转换成离散的采样点（即像素）集的操作。16、采样处理：将xy平面分配到一个网格上中最小的寻址单元。17、采样：对图像空间坐标的离散化，它决定了图像的空间分辨率。每个元素为图像f（x,y)的离散采样值，称之为像元或像素。18、分辨率：空间分辨率和灰度分辨率19、空间分辨率:指图像中可辨别的最小细节，采样间隔决定空间分辨率的主要参数。通常将图像大小MN，灰度为L级的数字图像称为空间分辨率为MN，灰度级分辨率为L级的图像。20、灰度分辨率：指单位幅度上包含的灰度级数,即在灰度级数中可分辨的最小变化。21、量化是对图像幅度坐标的离散化，它决定了图像的幅度分辨率。量化值一般用整数来表示。非特殊用途的图像均为8bit量化，即用0255描述“黑白”.量化的方法包括:分层量化、均匀量化和非均匀量化。22、分层量化是把每一个离散样本的连续灰度值只分成有限多的层次。均匀量化是把原图像灰度层次从最暗至最亮均匀分为有限个层次，如果采用不均匀分层就称为非均匀量化.若各种颜色成分均按8 bit量化,即每种颜色量级别是256,则可以处理256256256=16777216种颜色。23、 采样点数和量化级数的关系:采对一幅图像,当量化级数一定时，采样点数对图像质量有着显著的影响。采样点数越多,图像质量越好;当采样点数减少时,图上的块状效应就逐渐明显。当图像的采样点数一定时，采用不同量化级数的图像质量也不一样.量化级数越多,图像质量越好,当量化级数越少时，图像质量越差.量化级数最小的极端情况就是二值图像，图像会出现假轮廓。24、样点灰度图像是指各像素信息由一个量化的灰度级来描述的图像，没有彩色信息索引图像既包括存放图像数据的二维矩阵，还包括一个颜色索引矩阵（称为MAP)，因此称为索引图像,又称为映射图像.MAP矩阵也可以由二维数组表示，矩阵大小由存放图像的矩阵元素的值域（灰度值范围）决定.25、图像的文件格式两种方式存储静态图像：位映射，即位图存储模式；26、向量处理，也称矢量存储模式。位图也称为栅格图像，是通过许多像素点表示一幅图像，每个像素具有颜色属性和位置属性。矢量图只存储图像内容的轮廓部分，而不是存储图像数据的每一点27、位图和矢量图的比较：1）点位图由像素构成，矢量图由对象构成2位 2)点位图面向像素绘画，矢量图面向对象“构画”图和点数和量化级数的关系3）点位图受到像素和分辨率的制约,而矢量图形不存在这些制约4）点位图修改麻烦，矢量图形修改随心所欲5）点位图难以重复使用，矢量图形可以随意重复6)点位图效果丰富，矢量图形效果单调机械使用。28、图像处理运算方式分为：点运算、代数运算、几何运算点运算又称为“对比度增强”、“对比度拉伸、“灰度变换等。点运算可表示为：B（x ，y)=fA(x，y）。显然点运算不会改变图像内像素点之间的空间位置关系.a.线性点运算输出灰度级与输入灰度级呈线性关系的点运算DB=aDA+b 1 如果a1，输出图像的对比度增大 2如果a1，输出图像的对比度减小 3如果a1，b0，操作仅使所有像素的灰度值上移或下移，其效果是使整个图像更暗或更亮 4如果a1，b0时,输出、输入图像相同 5如果a为负值，暗区域将变亮,亮区域将变暗b分段线性点运算 将感兴趣的灰度范围线性扩展,相对抑制不感兴趣的灰度区域。c非线性点运算29、点运算的应用:对比度增强、显示标定30、代数运算：1加运算：去除“叠加性”随机噪音、生成图像叠加效果2 减运算消除背景影响、差影法 31、 差值法的应用举例: (a) 差影法可以用于混合图像的分离（b) 检测同一场景两幅图像之间的变化3乘3运算：应用图像的局部显示4图像的除运算：常用于遥感图像处理中。32、 几何运算;是指图像处理中对图像平移、旋转、放大和缩小，这些简单变换以及变换中灰度内插处理等。几何变换可能改变图像中各物体之间的空间位置关系。几何变换不改变像素值，而可能改变像素所在的位置。33、类型：空间变换1)齐次坐标 2）图像的平移：平移后的景物与原图像相同，但“画布”一定是扩大了，否则就会丢失信息 3）图像的缩小：分为按比例缩小和不按比例缩小两种。图像缩小之后，因为承载的信息量小了，所以画布可相应缩小.4）图像的放大:图像的放大操作中，则需对尺寸放大后所多出来的空格填入适当的值 5）图像的镜像 6）图像的旋转：图像旋转之后，会出现许多的空白点，对这些空白点必须进行填充处理，否则画面效果不好。称这种操作为插值处理。最简单的方法是行插值或是列插值方法:插值的方法是：空点的像素值等于前一点的像素值。34、 图像变换的定义:是将图像从空域变换到其它域（如频域）的数学变换。35、图像变换的作用;1. 方便处理2。 便于抽取特性36、常用变换: 1. 傅立叶变换 作用：a可以得出信号在各个频率点上的强度。b可以将卷积运算化为乘积运算c傅氏变换和线性系统理论是进行图像恢复和重构的重要手段。d傅立叶变换能使我们从空间域与频率域两个不同的角度来看待图像的问题，有时在空间域无法解决的问题在频域却是显而易见的.2. 离散余弦变换的设f（x）为x的函数，如果f(x)满足下面的狄里赫莱条件：1具有有限个间断点 2具有有限个极值点 3绝对可积噪声是指图像中的非本源信息。图像形成过程中，图像数字化设备、电气系统和外界影响将使得图像噪声的产生不可避免.37、图像噪声按其产生的原因可分为外部噪声和内部噪声。数字图像中常见的外部干扰主要包括如下几种： 1设备元器件及材料本身引起的噪声如磁带、磁盘表面缺陷所产生的噪声。2系统内部设备电路所引起的噪声，包括电源系统引入的交流噪声，偏转系统和箝位电路引起的噪声等。3电器部件机械运动产生的噪声.如数字化设备的各种接头因抖动引起的电流变化所产生的噪声，磁头、磁带抖动引起的抖动噪声等.38、图像噪声特点：叠加性；分布和大小的不规则性；噪声与图像之间具有相关性；39、图像增强的目的:1. 改善图像的视觉效果。2突出图像的特征，便于计算机处理。40、图像增强的技术方法主要有空域处理法和频域处理法：1空域处理法：直接在图像所在的二维空间进行处理，即直接对每一像元的灰度值进行处理。2频域处理法:将图像从空间域变换到频率域对图像进行处理.非线性拉伸不是对图像的整个灰度范围进行扩展，而是有选择地对某一灰度值范围进行扩展，其他范围的灰度值则有可能被压缩。非线性变换与分段线性拉伸区别：非线性拉伸不是通过在不同灰度值区间选择不同的线性方程来实现对不同灰度值区间的扩展与压缩，而是在整个灰度值范围内采用统一的非线性变换函数，利用函数的数学性质实现对不同灰度值区间的扩展与压缩.41、非线性变换：按对数函数变换：低灰度区扩展，高灰度区压缩 按指数函数变换：高灰度区扩展，低灰度区压缩.42、常用的直方图是规格化和离散化的，即纵坐标用相对值表示.灰度直方图反映了一幅图像的灰度分布情况.1大多数像素灰度值取在较暗区域,图像肯定较暗.一般在摄影过程中曝光过弱就会造成这种结果2图像的像素灰度值集中在亮区，图像将偏亮。一般在摄影中曝光太强将导致这种结果。直方图均衡化 目的通过把原图像的直方图通过变换函数修正为分布比较均匀的直方图，从而改变图像整体偏暗或整体偏亮,灰度层次不丰富的情况。原理:首先假定连续灰度级的情况，推导直方图均衡化变换公式，令r 代表灰度级，P （ r ) 为概率密度函数。r 值已归一化，最大灰度值为1。43、直方图均衡技术缺点1将原始函数的累积分布函数作为变换函数，只能产生近似均匀的直方图。2在某些情况下，并不一定需要具有均匀直方图的图像.44、直方图均衡化的优点是得到近似均匀分布的直方图。但由于变换函数采用累积分布函数，也只能产生近似均匀的直方图的结果，这样就会限制它的效能.直方图规定化、1.定义修改一幅图像的直方图,使它与另一幅图像的直方图匹配或具有一种预先规定的函数形状。目标：当需要具有特定的直方图的图像时,可按照预先设定的某个形状人为的调整图像的直方图。45、图像增强方法:空域处理法(直接在图像所在的二维空间进行处理，即直接对每一像元的灰度值进行处理）和频域处理法（将图像从空间域变换到频率域对图像进行处理）46、空间域滤波是基于邻域处理的增强方法，它应用某一模板对每个像元与其周围邻域的所有像元进行某种数学运算得到该像元的新的灰度值。方法：常用的有图像平滑和图像锐化 图像平滑（包括:1邻域平均法、2中值滤波) 图像锐化（1梯度法、2拉普拉斯算子）47、图像噪声的来源及特点通道噪声：产生于图像信息的传递中，其值与图像信号的强弱无关。现象：“雪花”量化噪声:灰度在量化过程中，不可免的产生量化噪声。特点:噪声像素的灰度是空间不相关的,即它与邻近像素显著不同.图像平滑滤波技术 平滑滤波对图像的低频分量进行增强,同时可以削弱图像的高频分量，因此一般用于消除图像中的随机噪声,从而起到图像平滑的作用48、常用方法：1邻域平均法：它在抑制噪声的同时使图像变得模糊即图像的细节(例如边缘信息)被削弱。2如果既要抑制噪声又要保持细节可以使用中值滤波。49、中值滤波特性：a 对大的边缘高度，中值滤波较邻域均值好得多，而对于较小边缘高度，两种滤波只有很少差别。b中值滤波是非线性的。c中值滤波在抑制图像随机脉冲噪声方面甚为有效。且运算速度快，便于实时处理.d中值滤波去除孤立线或点干扰,而保留空间清晰度较平滑滤波为好；但对高斯噪声则不如平滑滤波.50、图像锐化目的:加强图像轮廓，使图像看起来比较清晰。图像轮廓上，像素灰度有陡然变化，梯度值很大。图象灰度变化平缓区域，梯度值很小。等灰度区域,梯度值为零。51、频域增强的原理 频率平面与图像空域特性的关系图像变化平缓的部分靠近频率平面的圆心,这个区域为低频区域 图像中的边、噪音、变化陡峻的部分，以放射方向离开频率平面的圆心,这个区域为高频区域变换域增强是首先经过某种变换（如傅里叶变换）52、频域增强：将图像从空间域变换到变换域，然后在变换域对频谱进行操作和处理，再将其反变换到空间域，从而得到增强后的图像变换域增强是首先经过某种变换（如傅里叶变换）将图像从空间域变换到变换域，然后在变换域对频谱进行操作和处理，再将其反变换到空间域，从而得到增强后的图像。(高通滤波器带通、带阻滤波器、低通滤波器)53、低通滤波器 :滤除高频成分，保留低频成分，在频域中实现平滑处理。54、G(U,V）原始图像频谱=H（U,V）转移函数*F(U，V）原始图像频谱理想圆形低通滤波器：物理上不可实现，有抖动现象，滤除高频成分图像变模糊。55、巴特沃斯低通滤波器（BLPF）：和理想圆形低通滤波器相比 优点：1、没有明显的跳跃 2、模糊程度减少.缺点：尾部含有较多的高频，对噪声的平滑效果不如理想低通滤波器。指数低通滤波器(ELPF）的特点:1、有更加平滑的过渡带，平滑后的图像没有跳跃现象，无明显的振铃现象2、与BLPF相比，衰减更快，经过ELPF滤波的图象比BLPF处理的图象更模糊一些3、指数低通滤波器从通过频率到截止频率之间没有明显的不连续性，而是存在一个平滑的过渡带。56、梯形低通滤波器特点：结果图像的清晰度较理想低通滤波器有所改善，振铃效应也有所减弱.特点：应用时可调整D1值，既能达到平滑图像的目的，又可以使图像保持足够的清晰度。类别震铃程度图像模糊度噪声平滑效果ILPF严重严重最好TLPF较轻轻好ELPF无较轻一般BLPF无很轻一般57、高通滤波器：图像的边缘、细节主要在高频，图像模糊是由于高频成分较弱产生的.为了消除模糊，突出边缘,可以采用高通滤波的方法，使低频分量得到抑制,从而达到增强高频分量，使图像的边沿或线条变得清晰,显然可使轮廓清晰，实现图像的锐化.58、理想高通有明显振铃，图像的边缘模糊不清。四种比较Butterworth高通效果较好，振铃不明显，但计算复杂。指数高通效果比Butterworth差些,但振铃也不明显。梯形高通的效果是微有振铃、但计算简单，故较常用。带阻滤波与带通滤波：在某些情况下,信号或图像中的有用成分和希望除掉的成分主要分别出现在频谱的不同频段，这时允许或阻止特定频段通过的传递函数就非常有用.59、常用的彩色增强方法：a真彩色增强 b假彩色增强：把真实的自然彩色图像或遥感多光谱图像处理成假彩色图像。c伪彩色增强：把黑白图象处理成伪彩色图象。60、假彩色增强目的:a使感兴趣的目标呈现奇异的彩色或置于奇特的彩色环境中,从而更受人注目。b使景物呈现出与人眼色觉相匹配的，以提高对目标的分辨力.61、图像增强包括(空间域、频率域）空间域(灰度变换、空域滤波） 频率域（高通滤波、低通滤波带通、带阻滤波）62、灰度变换(直接灰度变换、直方图修正法（直方图均衡化、直方图规定化）、图像的代数运算）空域滤波（图像平滑、图像锐化)63、图像压缩的必要性（1)数字图像的庞大数据对计算机的处理速度、存储容量都提出过高的要求。因此必须把数据量压缩.（2）从传送图像的角度来看，则更要求数据量压缩。在信道带宽、通信链路容量一定的前提下，采用编码压缩技术,减少传输数据量，是提高通信速度的重要手段64、一幅10241024分辨率的24位真彩色图像为例,数据量为:1024 1024 8 3/8=3MB；若以30帧/秒播放，每秒数据量为： 3 30=90MB65、陆地卫星LandSat3分辨率为2340 3240，四波段，采样精度7位，则一幅图像的数据量为：2340 3240 7 4=212MB按每天传输30幅计,每天数据量为:21230=6360MB66、图像数据冗余 1 空间冗余：同一景物表面上各采样点之间的颜色（亮度）之间往往存在着空间相关性。基于离散象素的表示方式通常没有利用景物表面颜色(亮度）的这种空间相关性，从而产生了空间冗余 2时间冗余:主要指视频相邻帧之间的冗余。 3结构冗余：有些图像的纹理区，图象像素值之间存在着明显的分布模式，称之为结构冗余。例如，方格状的地板的图案等.4知识冗余：某些图像的理解与某些知识有相当大的相关性。如人脸有固定的结构。5 视觉冗余：人的视觉系统对图像场的敏感性是非均匀和非线性的，然而，在记录原始图像数据时，通常假定视觉系统是线性的和均匀的，对视觉敏感和不敏感部分同等对待，从而产生视觉冗余。如对亮度和色彩的敏感度不同6 图像区域的相同性冗余：指在图像中的两个或对应的所有像素相同或相近,从而产生的数据重复性存储，即图像区域的相似性冗余。7纹理的统计冗余:图像纹理在统计意义上服从某一分布规律。利用这种性质可以减少表示图像的数据量.67、图像数据压缩的目的是在满足一定图像质量条件下，用尽可能少的比特数来表示原始图像,以提高图像传输的效率和减少图像存储的容量。图像从结构上分为两大类，一类具有一定图形特征的结构，另一类是具有一定概率统计特性的结构。基于不同的图像结构特性，应采用不同的压缩编码方法。68、图像编码分类:1根据解压重建后的图像和原始图像之间是否具有误差，可以将图像编码与压缩方法分为无误差（亦称无失真、无损、信息保持）编码和有误差、有失真或有损)编码两大类。2根据编码作用域划分,图像编码分为空间域编码和变换域编码两大类。3从具体编码技术来考虑,又可分为预测编码、变换编码、统计编码69、图像编码评价准则：1客观保真度准则：70、最常用的客观保真度准则是原图像和解码图像之间的均方根误差和均方根信噪比两种2主观保真度准则。常用的方法是对一组(不少于20人）观察者显示图像,并将他们对该图像的评分取平均，用来评价一幅图像的主观质量.71、图像压缩技术（无损压缩【哈夫曼编码、行程编码、算术编码】、有损压缩【有损预测编码、变换编码、其他编码】）72、一个图像压缩系统包括两个不同的结构块：编码器和解码器。73、f(x,y）- 信源编码信道编码信道-信道解码-信源解码f（x,y)是一个常用于图像压缩系统模型信源编码器的任务是减少或消除输入图像中的编码冗余、像素间冗余或心理视觉冗余。74、信源解码器包含两部分：符号解码器和反向转换器。a转换器：减少像素冗余,使原信号经过映射后更有利于编码，既映射后的数据可用较少的比特来编码。b量化器：把转换后的值进行量化,减少视觉心理冗余，可以有均匀量化和非均匀量化。c编码器:减少编码冗余，如使用哈夫曼编码当信道带有噪声或易于出现错误时,信道编码器和解码器就在整个译码解码处理中扮演了重要的角色.信道编码器和解码器通过向信源编码数据中插入预制的冗余数据来减少信道噪声的影响.75、无损压缩编码：霍夫曼编码、香农-费诺编码、算术编码、行程编码、无损预测编码无损压缩可以精确无误地从压缩数据中恢复出原始数据。常见的无损压缩技术包括：基于统计概率的方法和基于字典的技术。统计编码方法中具有代表性的是利用概率分布特性的著名的霍夫曼编码方法，另一种是算术编码。基于字典技术的数据压缩技术有两种：行程编码、LZW编码霍夫曼编码:一幅图像的信息熵就是这幅图像的平均信息量，即表示图像中各个灰度级比特数的统计平均值.等概率事件的熵最大.根据信息熵编码理论，可以证明在RH条件下，总可以设计出某种无失真编码方法。若编码结果远大于H，表明这种编码效率很低,占用的比特数太多。若编码结果使R等于或接近于H,这种状态的编码方法称为最佳编码。若要求编码结果使RH，则必然丢失信息而引起图像失真。是允许失真条件下失真编码.熵编码的目的就是要使编码后的图像平均比特数R尽可能接近图象熵H。一般根据图像灰度级数出现的概率赋予不同长度的码字，概率大的灰度级用短码字，反之，用长码字76、1对不同概率分布的信源，哈夫曼编码的编码效率有所差别。2在信源概率接近于均匀分布时，一般不使用哈夫曼编码。有损编码是以丢失部分信息为代价来换取高压缩比。主要有有损预测编码方法、变换编码方法等。预测编码中，对差值信号进行量化后再进行编码就称之为有损预测编码。 有损预测方法：差分脉冲编码调制变换编码不是直接对空域图像信号编码，而是首先将图像数据经过某种正交变换（如傅立叶变换（DFT），离散余弦变换（DCT)，KL变换等等）变换到另一个正交矢量空间(称之为变换域)，产生一批变换系数,然后对这些变换系数进行编码处理，从而达到压缩图像数据的目的。变换编码的基本原理是将空域中的图像信号,变换到另外一些正交空间中去，用变换系数来表示原始图像，并对变换系数进行编码。JPEG是联合图像专家小组的英文缩写