《数字图像处理知识点结10页》由会员分享，可在线阅读，更多相关《数字图像处理知识点结10页（10页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理知识点总结第一章 导论1. 图像：对客观对象的一种相似性的生动性的描述或写真。2. 图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字）。3. 图像处理：对图像进行一系列操作，以到达预期目的的技术。4. 图像处理三个层次：狭义图像处理、图像分析和图像理解。5. 图像处理五个模块：采集、显示、存储、通信、处理和分析。第二章 数字图像处理的基本概念6. 模拟图像的表示：f(x，y)i(x，y)r(x，y)，照度分量0 i(x，y) ，反射分量0 r(x，y)1.7. 图像数字化：将一幅画面转化成计算机能处理的形式数字图像
2、的过程。它包括采样和量化两个过程。像素的位置和灰度就是像素的属性。 8. 将空间上连续的图像变换成离散点的操作称为采样。采样间隔和采样孔径的大小是两个很重要的参数。采样方式:有缝、无缝和重叠。9. 将像素灰度转换成离散的整数值的过程叫量化。10. 表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。 11. 数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。12. 采样间隔对图像质量的影响：一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。13. 量化
3、等级对图像质量的影响：量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如对细节比较丰富的图像数字化。14. 数字化器组成：1) 采样孔：保证单独观测特定的像素而不受其它部分的影响。2) 图像扫描机构：使采样孔按预先确定的方式在图像上移动。3) 光传感器：通过采样孔测量图像的每一个像素的亮度。4) 量化器：将传感器输出的连续量转化为整数值。5) 输出存储体：将像素灰度值
4、存储起来。它可以是固态存储器，或磁盘等。15. 灰度直方图反映的是一幅图像中各灰度级像素出现的频率。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。 16. 直方图的性质：1) 灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像素的位置信息。2) 一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图3) 一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。17. 直方图的应用：1) 用于判断图像量化是否恰当2) 用于确定图像二值化的阈值3) 计算图像中物体的面积4) 计算图像信息量：熵H18. 图像处理基本功能
5、的形式：单幅图像 单幅图像 ，多幅图像 单幅图像，单（或多）幅图像 数字或符号。19. 邻域：对于任一像素（i，j），该像素周围的像素构成的集合（i+p,j+q），p、q取合适的整数，叫做该像素的邻域。20. 图像处理的几种具体算法：1) 局部处理：移动平均平滑、空间域锐化。2) 点处理：图像对比度增强、图像二值化。3) 大局处理：傅里叶变换。4) 迭代处理：细化。5) 跟踪处理6) 位置不变处理和位置可变处理：输出像素JP(i，j)的值的计算方法与像素的位置(i，j)无关的处理称为位置不变处理或位移不变处理7) 窗口处理和模板处理。21. 图像的数据结构与特征 ：1) 组合方式：一个字长存放
6、多个像素灰度值的方式。它能起到节省内存的作用，但导致计算量增加，使处理程序复杂。2) 比特面方式：按比特位存取像素，即将所有像素的相同比特位用一个二维数组表示，形成比特面。3) 分层结构：由原始图像开始依次构成像素数愈来愈少的一幅幅图像，就能使数据表示具有分层性，其代表有锥形(金字塔)结构。4) 树结构：对于一幅二值图像的行、列接连不断地二等分，如果图像被分割部分中的全体像素都变成具有相同的特征时，这一部分则不再分割5) 多重图像数据存储：逐波段存储，分波段处理时采用；逐行存储，行扫描记录设备采用；逐像素存储，用于分类。22. 图像的特征：1) 自然特征：光谱特征、 几何特征、时相特征；2)
7、人工特征：直方图特征，灰度边缘特征，线、角点、纹理特征；3) 特征的范围：点特征、局部特征、区域特征、整体特征。4) 特征提取：获取图像特征信息的操作。把从图像提取的m个特征量y1，y 2，ym，用m维的向量Yy1 y2ymt表示称为特征向量。另外，对应于各特征量的m维空间叫做特征空间。 23. 对比度：一幅图像中灰度反差的大小，对比度=最大亮度/最小亮度第三章 图像变换24. 图像变换通常是一种二维正交变换。1) 正交变换必须是可逆的；2) 正变换和反变换的算法不能太复杂； 3) 正交变换的特点是在变换域中图像能量集中分布在低频率成分上，边缘、线状信息反映在高频率成分上，有利于图象处理。25
8、. 图像变换的目的在于：1) 使图像处理问题简化；2) 有利于图像特征提取；3) 有助于从概念上增强对图像信息的理解。第四章 图像增强26. 图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。27. 空间域增强是直接对图像各像素进行处理；28. 频率域增强是先将图像经傅立叶变换后的频谱成分进行某种处理，然后经逆傅立叶变换获得所需的图像。 29.30. 灰度变换用来调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。1) 线性变换：对图像每一个像素灰度作线性拉伸，将有效改善图像视觉效果。2) 分段线性变换：为了突出感兴趣目标所在的灰度
9、区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。3) 非线性灰度变换：对数变换（当希望对图像的低灰度区较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配）。 指数变换（对图像的高灰度区给予较大的拉伸）31. 直方图修整法包括直方图均衡化及直方图规定化两类。32. 直方图均衡化：将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。33. 直方图均衡化变换函数，满足下列条件：1) 在0r1内为单调递增函数，保证灰度级从黑到白的次序不变；2) 在0r1内，有0T(r)1，确保映射后的像素灰度在允许的范围内。34. 直方图均衡化原理：输出图像的
10、概率密度函数可以通过变换函数T(r)控制原图像灰度级的概率密度函数得到,并改善原图像的灰度层次。35. 一幅图像的sk与rk之间的关系称为该图像的累积灰度直方图。36. 直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。37. 利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。38. 为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。39. 用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑，又称邻域平均法。40. 超限像素平滑法：将f(x,y)和邻域平均g(x,y
11、)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g(x,y)。41. 灰度最相近的K个邻点平均法：可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。42. 最大均匀性平滑：为避免消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。具体可选任一像素（x,y）的5个有重叠的3*3邻域，用梯度衡量它们灰度变化的大小。43. 有选择保边缘平滑法：对图像上任一像素(x,y)的55邻域，采用9个掩模：一个33正方形、4个五边形和4个六边形。计算各个掩模的均值和方差，对方差进行排序，最小方差所对
12、应的掩模的灰度均值就是像素（x,y) 的输出值。 44. 空间低通滤波法：应用模板卷积方法对图像每一像素进行局部处理。不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。 45. 中值滤波：是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。离散阶跃信号、斜升信号没有受到影响。离散三角信号的顶部则变平了。对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。46. 各种空间域平滑算法效果比较：1) 局部平滑法算法简单，但它的主要缺点是在降低噪声的同时
13、使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。2) 超限像素平滑法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。并且随着邻域增大，去噪能力增强，但模糊程度也大。超限像元平滑法比局部平滑法去椒盐噪声效果更好。3) 灰度最相近的K个邻点平均法：较小的K值使噪声方差下降较小，但保持细节效果较好；而较大的K值平滑噪声较好，但会使图像边缘模糊。4) 最大均匀性平滑经多次迭代可增强平滑效果，在消除图像噪声的同时保持边缘清晰性。但对复杂形状的边界会过分平滑并使细节消失。5) 有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。6) 中值滤波对脉
14、冲干扰及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。但它对点、线等细节较多的图像却不太合适。中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。47. 图像空间域锐化增强图像的边缘或轮廓。48. 图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。 49. 梯度锐化法：梯度为grad(x，y)=Max(|fx|，|fy|) 或grad（x，y）=|fx|+|f y|。有梯度算子、Roberts、Prewitt和Sobel 算子计算梯度，来增强边缘。 50. Laplacian增强算子：g(x，y)=f(x，y)- 2f(x，y)=5f
15、(x，y)- f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)51. Laplacian增强算子特点：1) 在灰度均匀的区域或斜坡中间2f(x，y)为0，增强图像上像元灰度不变；2) 在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高灰度侧形成“上冲”52. 高通滤波法就是用高通滤波算子和图像卷积来增强边缘。53. 频率域平滑：由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用低通滤波器H(u,v)来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的：54. 频率域低滤波器H(u,v)有四种：理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、. 梯形低通滤波器。55. 各种滤波器效果比较;1) 理想低通滤波器:在去噪声的同时将会导致边缘信息损失而使图像边模糊,并产生振铃效应。 2) Butterworth低通滤波器的特性是连续性衰减，而不象理想滤波器那样陡峭变化，即明显的不连续性。因此采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。 3) 指数低通滤波器：图像边缘的模糊程度较用Bu
