复习资料 数字图像处理

1. 数字图像

数字图像是将一幅画面在空间上分割成离散的点（或像元），各点（或像元）的灰度值经量化用离散的整数来表示，形成计算机能处理的形式。 2. 图像锐化

图像锐化(image sharpening)就是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，亦分空域处理和频域处理两类。

3. 中值滤波 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。 4. 数据压缩 数据压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间，

提高其传输、存储和处理效率，或按照一定的算法对数据进行重新组织，减少数据的冗余和存储的空间的一种技术方法。数据压缩包括有损压缩和无损压缩。 5. 图像 图像是客观对象的一种相似性的、生动性的描述或写真，是人类社会活动中

最常用的信息载体。或者说图像是客观对象的一种表示，它包含了被描述对象的有关信息。它是人们最主要的信息源 图像根据图像记录方式的不同可分为两大类：模拟图像和数字图像

6. 无损压缩 所谓无损压缩格式，是利用数据的统计冗余进行压缩，可完全恢复原始数

据而不引起任何失真

灰度直方图 灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。如果将图像总像素亮度（灰度级别）看成是一个随机变量，则其分布情况就反映了图像的统计特性，这可用probability density function （PDF）来刻画和描述，表现为灰度直方图。

7. 无失真编码 无失真编码是指压缩图象经解压可以恢复原图象，没有任何信

息损失的编码技术。 8. 像素的邻域

9. 采样 采样（sampling）其他名称：取样，指把时间域或空间域的连续量转化成离散

量的过程 10. 像素的邻域

11. 细化 细化是提取线宽为一个像元大小的中心线的操作

12. 直方图均衡化 它的基本思想是对图像中像素个数多的灰度级进行展宽，而对图像中

像素个数少的灰度进行压缩，从而扩展像原取值的动态范围，提高了对比度和灰度色调的变化，使图像更加清晰。

13. 简答题

14. 什么是图像运算？具体包括哪些？

图像的运算是指以像素点的幅度值为运算单元的图像运算。这种运算包括点运算、代 数运算和几何运算。

15. 什么是直方图均衡化？ 将原图象的直方图通过变换函数修正为均匀的直方图， 然后按均衡直

方图修正原图象。 图象均衡化处理后，图象的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰 度级具有均匀的概率分布，图象看起来就更清晰了。

16. 图像复原和图像增强的主要区别是什么？ 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；图像增强不考虑图像 是何退化的, 而图像复原需知道图像退化的机制和过程等先验知识

17. 图像编码基本原理是什么？数字图像的冗余表现有哪几种表现形式？ 虽然

表示图像需要大量的数据，但图像数据是高度相关的， 或者说存在冗余 （Redundancy）信息，去掉这些冗余信息后可以有效压缩图像，同时又不会损害图像的有效 信息。 数字图像的冗余主要表现为以下几种形式：空间冗余、时间冗余、视觉冗余、 信 息熵冗余、结构冗余和知识冗余

18. 什么是中值滤波，有何特点？ 中值滤波是指将当前像元的窗口（或领域）中所有像元

灰度由小到大进行排序，中间 值作为当前像元的输出值。特点：它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声 的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。

19. 图像增强的目的是什么？ 图像增强是指对图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化，以 便于显示、观察或进一步分析与处理。

20. 在彩色图像处理中，常使用HSI模型，它适于做图像处理的原因有: 1、在 HIS 模型中

亮度分量与色度分量是分开的；2、色调与饱和度的概念与人的感知 联系紧密。

21. 什么是区域？什么是图像分割？ 区域可以认为是图像中具有相互连通、一致属

性的像素集合，图像分割就是指把图 像分成互不重叠的区域并提取出感兴趣目标的技术。

22. 说明一幅灰度图像的直方图分布与对比度之间的关系 直方图的峰值集中在低端，

则图象较暗，反之，图象较亮。直方图的峰值集中在某个 区域，图象昏暗，而图象中物体和背景差别很大的图象，其直方图具有双峰特性，总之直方 图分布越均匀，图像对比度越好。

1. 简述梯度法与Laplacian算子检测边缘的异同点？

答：梯度算子和Laplacian检测边缘对应的模板分别为

-1 1

-1 1

1 1 -4 1 1 （梯度算子） （Laplacian算子） （2分）

梯度算子是利用阶跃边缘灰度变化的一阶导数特性，认为极大值点对应于边缘点；而Laplacian算子检测边缘是利用阶跃边缘灰度变化的二阶导数特性，认为边缘点是零交叉点。（2分）

相同点都能用于检测边缘，且都对噪声敏感。（1分）

2. 简述基于边缘检测的霍夫变换的原理 把直线上点的坐标变换到过点的直线的系数域，

通过利用共线和直线相交的关系，使 直线的提取问题转化为计数问题。

3. 直方图规定化的基本步骤

三、计算题

1、以下为一幅图像的图像数据，请分别给出一幅图像的水平和垂直镜像的图像数据。

2、下图为一个5x5的数字图像，采用3x3中值滤波(Median Filter)，给出处理后结果，写出计算过程，边界像素不处理，设定为黑色

1. 下图为一个5x5的数字图像，采用3x3中值滤波(Median Filter)，给出处理后结果，写出计算过程，边界像素不处理，设定为黑色。 124 120 123 128 123 123 120 125 123 126 124 126 127 123 125 123 150 125 128 121 116 119 123 119 118 边界像素不进行处理。 对其它像素，以某像素为中心小窗口内所有像素灰度按从小到大排序，取排序结果的中间值作为该像素的灰度值。

124 120 123 128 123 123 120 125 123 126 124 126 127 123 125 123 150 125 128 121 116 119 123 119 118 中心像素为第2行的第2列到4列

124 120 123 123 120 125 124 126 127 120 120 123 123 124 124 125 126 127 120 123 128 120 125 123 126 127 123 120 120 123 123 123 125126 127 128 123 128 123 125 123 126 127 123 125 123 123 123 123 125 125 126 127 128 中心像素为第3行的第2列到4列

123 120 125 124 126 127 123 150 125 120 123 123 124 125 125 126 127 150 120 125 123 126 127 123 150 125 128 120 123 123 125 125 126 127 128 150 125 123 126 127 123 125 125 128 121 121 123 123 125 125 125 126 127 128 中心像素为第4行的第2列到4列

124 126 127 123 150 125 116 119 123 116 119 123 123 124 125 126 127 150 126 127 123 150 125 128 119 123 119 119 119 123 123 125 126 127 128 150 127 123 125 125 128 121 123 119 118 118 119 121 123 123 125 125 127 128 最终滤波结果： 0 0 0 0 0

3.计算下图连通域个数

2114、用模板，H000对所给图像进行一阶微分锐化（水平方向）

1210 0 0 0 124 123 125 0 125 125 125 0 124 125 123 0 0 0 0 0 5、计算下图沿X方向缩小0.6倍，沿Y方向缩小0.75倍后得到的图像