《连续图像和数字图像如何相互转换》由会员分享，可在线阅读，更多相关《连续图像和数字图像如何相互转换（20页珍藏版）》请在金锄头文库上搜索。
1、1复习第1章-第7章有关内容的复习2连续图像和数字图像如何相互转换？ 答：数字图像将图像看成是许多大小相同、形状一致 的像素组成。这样，数字图像可以用二维矩阵表示 。将自然界的图像通过光学系统成像并由电子器件 或系统转化为模拟图像（连续图像）信号，再由模 拟/数字转化器（ADC）得到原始的数字图像信号。 图像的数字化包括离散和量化两个主要步骤。在空 间将连续坐标过程称为离散化，而进一步将图像的 幅度值（可能是灰度或色彩）整数化的过程称为量 化。 3采用数字图像处理有何优点？ 答：数字图像处理与光学等模拟方式相比具有以下鲜 明的特点： n1具有数字信号处理技术共有的特点。（1）处理 精度高。（2
2、）重现性能好。（3）灵活性高。 n2数字图像处理后的图像是供人观察和评价的，也 可能作为机器视觉的预处理结果。 n3数字图像处理技术适用面宽。 n4数字图像处理技术综合性强。 4数字图像处理主要包括哪些研究内容？ 答：图像处理的任务是将客观世界的景象进行 获取并转化为数字图像、进行增强、变换、编 码、恢复、重建、编码和压缩、分割等处理， 它将一幅图像转化为另一幅具有新的意义的图 像。 5常见的数字图像处理开发工具有哪些？各 有什么特点？ 答目前图像处理系统开发的主流工具为Visual C+（面向对象 可视化集成工具）和MATLAB的图像处理工具箱（Image Processing Tool b
3、ox）。两种开发工具各有所长且有相互间的 软件接口。 Microsoft公司的VC+是一种具有高度综合性能的面向对象可视 化集成工具，用它开发出来的Win 32程序有着运行速度快、 可移植能力强等优点。VC+所提供的Microsoft基础类库MFC 对大部分与用户设计有关的Win 32应用程序接口API进行了封 装，提高了代码的可重用性，大大缩短了应用程序开发周期， 降低了开发成本。由于图像格式多且复杂，为了减轻程序员将 主要精力放在特定问题的图像处理算法上，VC+ 6.0提供的 动态链接库ImageLoad.dll支持BMP、JPG、TIF等常用6种格式 的读写功能。 6MATLAB的图像处
4、理工具箱MATLAB是由MathWorks公司推出的用于数值计 算的有力工具，是一种第四代计算机语言，它具有相当强大的矩阵运算和 操作功能，力求使人们摆脱繁杂的程序代码。MATLAB图像处理工具箱提 供了丰富的图像处理函数，灵活运用这些函数可以完成大部分图像处理工 作，从而大大节省编写低层算法代码的时间，避免程序设计中的重复劳动 。MATLAB图像处理工具箱涵盖了在工程实践中经常遇到的图像处理手段 和算法，如图形句柄、图像的表示、图像变换、二维滤波器、图像增强、 四叉树分解域边缘检测、二值图像处理、小波分析、分形几何、图形用户 界面等。但是，MATLAB也存在不足之处限制了其在图像处理软件中实
5、际 应用。首先，强大的功能只能在安装有MATLAB系统的机器上使用图像处 理工具箱中的函数或自编的m文件来实现。其次，MATLAB使用行解释方 式执行代码，执行速度很慢。第三，MATLAB擅长矩阵运算，但对于循环 处理和图形界面的处理不及C+等语言。为此，通应用程序接口API和编 译器与其他高级语言（如C、C+、Java等）混合编程将会发挥各种程序 设计语言之长协同完成图像处理任务。API支持MATLAB与外部数据与程 序的交互。编译器产生独立于MATLAB环境的程序，从而使其他语言的应 用程序使用MATLAB。 7常见的数字图像应用软件有哪些？各 有什么特点？ 答：图像应用软件是可直接供用户
6、使用的商品 化软件。用户从使用功能出发，只要了解软件 的操作方法就可以完成图像处理的任务。对大 部分用户来说，商品化的图像应用软件无需用 户进行编程，操作方便，功能齐全，已经能满 足一般需求，因而得到广泛应用。常用图像处 理应用软件有以下几种： 81PHOTOSHOP：当今世界上一流的图像设计与制作 工具，其优越性能令其产品望尘莫及。 PHOTOSHOP已成为出版界中图像处理的专业标准 。高版本的PHOTOSHOP支持多达20多种图像格式 和TWAIN接口，接受一般扫描仪、数码相机等图像 输入设备采集的图像。PHOTOSHOP支持多图层的 工作方式，只是PHOTOSHOP的最大特色。使用图 层
7、功能可以很方便地编辑和修改图像，使平面设计 充满创意。利用PHOTOSHOP还可以方便地对图像 进行各种平面处理、绘制简单的几何图形、对文字 进行艺术加工、进行图像格式和颜色模式的转换、 改变图像的尺寸和分辨率、制作网页图像等。 92CorelDRAW：一种基于矢量绘图、功能强大的图形图像 制作与设计软件。位图式图像是由象素组成的，与其相对， 矢量式图像以几何、色彩参数描述图像，其内容以线条和色 块为主。可见，采用不同的技术手段可以满足用户的设计要 求。位图式图像善于表现连续、丰富色调的自然景物，数据 量较大；而矢量式图像强于表现线条、色块的图案，数据量 较小。合理的利用两种不同类型的图像表现
8、方式，往往会收 到意想不到的艺术效果。CorelDraw是当今流行的图像处理 软件中为数不多的特点明显、功能强大的基于矢量绘图的软 件包。利用它，可以方便地制作精美的名片、贺卡、书签、 图书封面、广告、宣传画等作品。 103ACDSee：快速、高性能的看图程序，是目前最享 盛名的图片浏览器。它能广泛应用于图片的获取、 管理、浏览和优化，支持BMP、GIF、JPG、TGA、 TIF等超过50种常见的图形文件格式，图片打开速度 极快，可以直接查看动画GIF，处理如Mpeg之类常 用的视频文件，还可以为每一个目录建立一个相册 。ACDSee可以从数码相机和扫描仪高效获取图片， 并进行便捷的查找、组织
9、和预览。ACDSee还是得心 应手的图片编辑工具，轻松处理数码影像，拥有去 红眼、剪切图像、锐化、浮雕特效、曝光调整、旋 转、镜像等功能，还能进行批量处理。 11讨论数字图像处理的主要应用答：图像处理的应用几乎渗透科学研究、工程技术和 人类社会生活的各个领域。 1航天和航空技术方面的应用 2生物医学工程方面的应用 3通信工程方面的应用 4工业自动化和机器人视觉方面的应用 5军事和公安方面的应用 6生活和娱乐方面的应用 12什么是图像平滑？试述均值滤波 的基本原理。 解：为了去除或减弱图像中的噪声，可以对图 像进行平滑处理，称为图像平滑。大部分的噪 声都可以看作是随机信号，它们对图像的影响 可以
10、看作是孤立的。对于某一像素而言，如果 它与周围像素点相比，有明显的不同，我们就 认为该点被噪声感染了。基于这样的分析，我 们可以用求均值的方法，来判断每一点是否含 有噪声，并用适当的方法消除所发现的噪声。 13什么是中值滤波，有何特点？ 解：中值滤波是非线性的处理方法，在去 噪的同时可以兼顾到边界信息的保留。 中值滤波首先选一个含有奇数点的窗口 W，将这个窗口在图像上扫描，把该窗 口中所含的像素点按灰度级的升（或降 ）序排列，取位于中间的灰度值，来代 替该点的灰度值。 14n设原图像为：2 4 7 4 3 5 4 6 4 4 4， 求经过中值滤波后的值，中值滤波取一维的 模板如下图b所示，待处
11、理像素的灰度取这个 模板中的灰度的中值。边界点保持不变。n n解：2 4 4 4 4 4 4 4 4 15在MATLAB环境中，完成图像的增亮、 变暗处理。 解：MATLAB程序如下： A=imread(pout.tif); %读入图像 imshow(A); %显示图像 figure,imhist(A); %显示图像的直方图 J1=imadjust(A,0.3 0.7,); %将图像在0.32550.7255灰度之间的值通过线性变换映射到0255之间 figure,imshow(J1); %输出图像效果图 figure,imhist(J1) %输出图像的直方图 J2=imadjust(A,0
12、0.7); %使用此函数，将图像灰度通过线性变换映射到02550.7之间 figure,imshow(J2); %输出图像效果图 figure,imhist(J2) %输出图像的直方图 16引起图像退化的原因有哪些？ 答：造成图像退化的原因很多，大致可分为以下几个方面： （1）射线辐射、大气湍流等造成的照片畸变。 （2）模拟图像数字化的过程中，由于会损失部分细节，造成图 像质量下降。 （3）镜头聚焦不准产生的散焦模糊。 （4）成像系统中始终存在的噪声干扰。 （5）拍摄时，相机与景物之间的相对运动产生的运动模糊。 （6）底片感光、图像显示时会造成记录显示失真。 （7）成像系统的像差、非线性畸变、
13、有限带宽等造成的图像失 真。 （8） 携带遥感仪器的飞行器运动的不稳定，以及地球自转等 因素引起的照片几何失真。 17什么是阈值分割技术？该技术适用于 什么场景下的图像分割？ 解：可用一个灰度级阈值Th进行分割，分割出 目标区域与背景区域，这种方法我们称为灰 度阈值分割方法。通常用于图像中目标和背 景具有不同的灰度集合：目标灰度集合与背 景灰度集合。 18边缘检测的理论依据是什么？有哪些 方法？各有什么特点？ 解：边缘检测这是基于幅度不连续性进行的 分割方法。通常采用差分、梯度、拉普拉斯 算子及各种滤波处理方法对图像进行边缘检 测。 19基于图像边缘的算子分割技术的 理论根据是什么？ 解：通过差分、梯度、拉普拉斯算子及各种高 通滤波处理方法对图像边缘进行增强，然后再 进行一次门限化的处理，便可以将边缘增强的 方法用于边缘检测，最后根据边缘来进行图像 分割。 20谢谢谢谢 ! !
