《数字图像处理及应用（matlab)第3章习题答案》由会员分享，可在线阅读，更多相关《数字图像处理及应用（matlab)第3章习题答案（6页珍藏版）》请在金锄头文库上搜索。
1、1第第 3 章：习题与思考题参考答案章：习题与思考题参考答案3-1 图像增强的目的是什么，它包含哪些内容？图像增强的目的是什么，它包含哪些内容？目的：运用一系列技术手段改善图像的视觉效果，提高图像的清晰度；将图像转化成一种适合于人或计算机进行分析处理的形式。主要包含图像灰度变换和直方图均衡化等内容。3-2 灰度变换的目的是什么？有哪些实现方法？灰度变换的目的是什么？有哪些实现方法？目的：用于改善图像显示效果，属于空域处理方法，它可以使图像动态范围加大，使图像对比度扩展，图像更加清晰，特征更加明显。实现方法：线性，分段线性，非线性。3-3 什么是灰度直方图？如何计算？如何用什么是灰度直方图？如何
2、计算？如何用 MATLAB 编程实现直方图均衡化？编程实现直方图均衡化？定义：图像的直方图是图像的重要统计特征，是表示数字图像中每一灰度级与该灰度级出现的像素数或频数间的统计关系。计算：按照直方图的定义可表示为：（k=0，1，2，L-1）NnrPk k)(式中:N 为一幅图像的总像素数，是第 k 级灰度的像素数，表示第 k 个灰度级，knkrL 是灰度级数，表示该灰度级出现的相对频数。也就是说对每个灰度值，求出在)(krP图像中该灰度值的像素数的图形称为灰度直方图，或简称直方图。编程：I=imread(photo_1.png);J=histed(I);figure(1),imshow(I);f
3、igure(2),imshow(J);3-4 什么是图像平滑？空间域图像平滑的方法有哪些？什么是图像平滑？空间域图像平滑的方法有哪些？ 图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干 扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量的图像处理方法。 在空间域中进行时主要采用邻域平均、中值滤波和多图像平均法。3-5 叙述均值滤波的基本原理。叙述均值滤波的基本原理。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y） ，选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像
4、素的均值，再把该均值赋予当2前像素点（x，y） ，作为处理后图像在该点上的灰度个 g（x，y） ，即个 g（x，y）=1/m f（x，y） m 为该模板中包含当前像素在内的像素总个数。3-6 什么是中值滤波，中值滤波的特点是什么？它主要用于消除什么类型的噪声？什么是中值滤波，中值滤波的特点是什么？它主要用于消除什么类型的噪声？中值滤波是一种最常用的去除噪声的非线性平滑滤波处理方法，其滤波原理首先确定一个奇数像素的窗口 W，窗口内各像素按灰度大小排队后，用其中间位置的灰度值代替原灰度值成为窗口中心的灰度值。),(yxf),(yxg特点：中值滤波器的输出像素是由邻域像素的中间值而不是平均值决定的。
5、中值滤波器产生的模数较少，更适合于消除图像的孤立噪声点。3-7 多图像平均法为什么能去除噪声？该方法的主要难点是什么？多图像平均法为什么能去除噪声？该方法的主要难点是什么？如果一幅图像包含有加性噪声，这些噪声对于每个坐标点是不相关的，并且其平均值为零，在这种情况下就可能采用多图像平均法来达到去掉噪声的目的。设 g(x,y)为有噪声图像，n(x,y)为噪声，f(x,y)为原始图像，可用式下式表示：g(x,y)= f(x,y)+ n(x,y)多图像平均法是把一系列有噪声的图像 g(x,y)迭加起来，然后再取平均值以达到平滑的目的。具体做法如下： 取 M 幅内容相同但含有不同噪声的图像，将它们迭加起
6、来，然后作平均计算，如下式所示 MjjyxgMyxg1),(1),(主要难点：大小要一致，每幅图像相同的点相加求平均值，即对应点相加，不能错位。3-8 频域低通滤波的原理是什么？有哪些滤波器可以利用？频域低通滤波的原理是什么？有哪些滤波器可以利用？在频域中对图像采用滤波器函数衰减高频信息而使低频信息畅通无阻。常用的有理想低通滤波器、巴特沃斯低通滤波器、指数型低通滤波器等。3-9 什么是伪彩色图像增强？伪彩色处理的方法有哪些？其主要目的是什么？什么是伪彩色图像增强？伪彩色处理的方法有哪些？其主要目的是什么？伪彩色增强是把一幅黑白域图像的不同灰度级映射为一幅彩色图像的技术手段。方法：灰度分层法伪彩
7、色处理，灰度变换法伪彩色处理，频域伪彩色处理。目的：人类视觉分辨不同彩色的能力特别强，而分辨灰度的能力相比之下较弱，因此，把人眼无法区别的灰度变化，施以不同的彩色，人眼便可以区别它们了。3-10 不同的结构元素对同一幅图像的腐蚀或膨胀会有所不同，说明结构元素的哪不同的结构元素对同一幅图像的腐蚀或膨胀会有所不同，说明结构元素的哪些因素对图像的腐蚀、膨胀有影响。些因素对图像的腐蚀、膨胀有影响。腐蚀和膨胀都与原点位置、形状、大小有关。33-11 画出用一个半径为画出用一个半径为 r4 的圆形结构元素膨胀一个半径为的圆形结构元素膨胀一个半径为 r 的圆的示意图。的圆的示意图。3-12 画出用一个半径为
8、画出用一个半径为 r4 的圆形结构元素腐蚀一个的圆形结构元素腐蚀一个 rr 的正方形的示意图。的正方形的示意图。3-13 通过形态学的开闭运算，利用题通过形态学的开闭运算，利用题 3-75（b）图的结构元素，去除题）图的结构元素，去除题 3-75（a）图存在的噪声（内部的噪声空和目标外部的噪声块）图存在的噪声（内部的噪声空和目标外部的噪声块） 。简述滤波方法，画出滤波过程简。简述滤波方法，画出滤波过程简图。图。4图 3-75 去除图像噪声 S 对 X 进行腐蚀，再用 S 对腐蚀结果进行膨胀得到图 a，这两个操作的串行结合 就是开运算，它将目标周围的噪声块消除掉了。再用 S 对图 a 进行一次膨
9、胀，然后用 S 对膨胀结果进行腐蚀得到图 b，这两个操作的串行结合就是闭运算，它将目标内部的 噪声孔消除掉了。整个过程是先做开运算再做闭运算。图 a 图 b 3-14 编写一个完整的程序，实现二值图像的腐蚀、膨胀以及开和闭运算，并对编写一个完整的程序，实现二值图像的腐蚀、膨胀以及开和闭运算，并对一幅二值图像进行处理。一幅二值图像进行处理。 bw0=imread(brain_surf_small.bmp); %变为阈值取为 0.8 的二值图像 bw1=im2bw(bw0,0.8); figure(1); imshow(bw1); s=ones(3); bw2=imerode(bw1,s); fi
10、gure(2); imshow(bw2); bw3=imdilate(bw1,s); figure(3); imshow(bw3); s1=strel(disk,2); bw4=imerode(bw1,s1); figure(4); imshow(bw4); bw5=imdilate(bw1,s); figure(5); imshow(bw5);开闭运算：5bw0=imread( brain_surf_small.bmp ); %变为阈值取为 0.7 的二值图像 bw1=im2bw(bw0,0.7); figure(1); imshow(bw1); s=ones(3); bw2=imopen(
11、bw1,s); figure(2); imshow(bw2); bw3=imclose(bw1,s); figure(3); imshow(bw3); s1=strel(disk,2); bw4=imopen(bw1,s1); figure(4); imshow(bw4); bw5=imclose(bw1,s1); figure(5); imshow(bw5);3-15 编写一个完整的程序，实现灰值图像的腐蚀、膨胀以及开和闭运算，并对编写一个完整的程序，实现灰值图像的腐蚀、膨胀以及开和闭运算，并对一幅灰度图像进行处理。一幅灰度图像进行处理。 bw1=imread(ribs_and_corcal
12、c_small.bmp); figure(1); imshow(bw1); s=ones(3,3); bw2=imerode(bw1,s); figure(2); imshow(bw2); bw3=imdilate(bw1,s); figure(3); imshow(bw3); s1=strel(disk,2); bw4=imerode(bw1,s1); figure(4); imshow(bw4); bw5=imdilate(bw1,s1); figure(5); imshow(bw5); 开闭运算： bw1=imread(tt.bmp); figure(1); imshow(bw1); s=ones(2,2); bw2=imopen(bw1,s); figure(2); imshow(bw2);6bw3=imclose(bw1,s); figure(3); imshow(bw3); s1=strel(diamond,2); bw4=imopen(bw1,s1); figure(4); imshow(bw4); bw5=imclose(bw1,s1); figure(5); imshow(bw5);
