数字图像处理期末分享（某油）

一、名词解释

数字图像：空间坐标和灰度均不连续的、用离散数字表示的图像

数字图像处理：对数字图像进行的处理主要借助于计算机来进行处理的，故数字图像处理又被称为计算机图像处理。

遥感图像：是指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片。

对比度：明暗的对比程度，表现了图像画质的清晰程度。

数字成像过程实质：记录目标物对不同波长能量反射值。

图像数字化：是将一幅画面转化成计算机能处理的形式。把一幅图画分割成一个个小区域（像元或像素），并将各小区域的灰度用整数来表示，形成一幅点阵式的数字图像。它包括采样和量化两个过程。

像素：数字图像中最小的单元，空间位置和亮度是它的属性。

采样：将空间上连续的图像变换成离散点的操作。

量化：将像素灰度转换成离散的整数值的过程叫量化。

灰度级(灰度值或灰度)：表示像素明暗程度的整数称为像素的灰度级。

灰度级数(L)：一幅数字图像中不同灰度级的个数称为灰度级数。

邻域：对于任一像素（i，j），该像素周围的像素构成的集合叫做该像素的邻域

傅立叶级数清楚地表明了信号由哪些频率分量组成及其所占的比重，从而有利于对信号进行分析与处理。

图像增强：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。

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。

直方图规定化：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灰度进行整体修正的增强方法。

同态滤波增强：是一种在频域中同时将图像亮度范围进行压缩和对比度增强的频域方法。

彩色增强技术分为：伪彩色增强和假彩色增强

伪彩色增强：是把灰度图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。

假彩色增强：是对一幅自然彩色图像或同一景物的多光谱图像，通过映射函数变换成新的三基色分量，彩色合成使感兴趣目标呈现出与原图像中不同的、奇异的彩色。

图像编码与压缩：对图像数据按一定的规则进行变换和组合，达到以尽可能少的代码来表示尽可能多的图像信息

图像分割：把图像划分成互不重叠的区域并提取感兴趣目标的技术。

边缘：图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合。

边缘跟踪：将检测的边缘点连接成线就是边缘跟踪

二、填空

数字图像：坐标 亮度 不连续 离散整数

不同物体因为反射的可见光谱不同呈现不同颜色

数字成像实质：记录目标物对不同波长能量的反射值

两类视觉细胞：锥状细胞对颜色敏感，杆状细胞暗光线下也起作用

马赫带增强边缘对比度

像素的属性：空间位置和亮度

采样的重要参数：采样间隔，采样孔径

基于人视觉要求采取6比特位量化灰度图像即可

决定图像质量的因素：平均亮度，对比度，清晰度，分辨率，采样间隔，量化等级

图像的噪声：加性噪声、.乘性噪声

多重图像数据存储BSQ(逐波段),BIL(逐行),BIP(逐像素)

图像颜色模型：RGB（三原色） ,HSI（色调、饱和度、亮度【符合人的视觉特性】） ,CMYK（青色、品红、黄色、黑色【适用于打印 印刷】）,YUV（彩色电视）

傅里叶变换的成份：直流分量和交流分量

图像增强：根据增强的作用域，分为空间域增强和频率域增强。

空间域增强直接对图像各像素进行处理；

频率域增强对傅里叶变化后的频谱成分进行处理，再逆傅里叶变化获得所需的图像

图像增强的目的主要包括：

1.消除噪声，改善图像的视觉效果；

2.突出边缘，有利于识别和处理。

一维离散函数的傅立叶变换定义式为:

欧拉公式：

图像增强的点运算包括：灰度级校正（亮度分布不均），灰度变换，直方图修正（均衡化、规定化）

直方图修整法包括：直方图均衡化及直方图规定化两类。

图像的空间域平滑包括：局部平滑法（邻域平均法），超限像素平滑法，灰度最相近K个邻点平均法，梯度倒数加权平均，最大均匀性平滑，有选择保边缘平滑法，空间低通滤波法，多幅图像平均法，中值滤波法

频率域平滑：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，高斯低通滤波

频率域锐化：同平滑，低通改高通

平滑的应用：(1)字符识别；(2)印刷和出版业；(3)处理卫星和航空图像

同态滤波增强的处理流程：

伪彩色增强的方法：密度分割法、灰度级一彩色变换和频率域伪彩色增强。

四种典型的HIS变换：球体变换，圆柱体变换，三角形变换，单六角锥变换

几何变换包括：形状变换（放大，缩小，错切）和位置变换（平移，镜像旋转）

像素灰度内插：最邻近像元法，双线性内插法，三次内插法

图像的退化包括：模糊、失真、有噪声

几何校正通常分两步：

①图像空间坐标的变换

②确定校正空间各像素的灰度值（灰度内插）

图像中存在的冗余：编码冗余，像素冗余，视觉心理冗余

源数据编码—>通道编码—>通道解码—>源数据解码

图像编码分为：空间域编码和变换域编码

图像压缩分为：无损编码和有损编码

无损编码：霍夫曼，算术，行程，二维行程，费诺仙农编码

有损编码：预测编码，变换编码

图像编码与压缩的目的

（1）节省存储空间；

（2）减少传输时间；

（3）利于处理，降低处理成本。

客观保真度准则：原图像和解码图像间的均方根误差，均方信噪比

信息熵：

平均码长：

冗余度：

编码效率：

分割算法：基于灰度值的不连续性和相似性

图像分割的方法：基于边缘的分割方法，阈值分割法，区域生长法

边缘分类：有阶跃状和屋顶状

边缘检测算子：

梯度算子：

Roberts算子：

Prewitt算子：

Sobel算子：

Kirsch算子：

Nevitia算子：

Laplacian算子：

Marr算子（“高斯一拉普拉斯滤波算子”，“LOG滤波器”，“墨西哥草帽”）

Canny算子

连接边缘的方法：光栅扫描跟踪法，全向跟踪法

Marry算子公式

拉普拉斯算子定义

三、考试题目分析

今年的提醒有名词解释、填空、选择、简答还有论述。

名词解释考的很偏，背了伪彩色增强和假彩色增强结果考了彩色增强，背了其他的校正结果考了几何校正，还有一个最优边缘检测算法，压根不知道是什么，然后填空也很抽象，答的很偏，第一个空是彩色图像转灰色图像的matlab中的代码是什么，rgb2gray，笑死了，真的不记得，还有就是考那些算子模板哪个边缘提取最优，根本不知道好吧，而且知道了不知道英文写的对不对。

简单直方图什么的是一个没考，霍夫曼编码出了个过程说明，没考计算，然后就是同态滤波、霍夫变换的实现过程，好家伙，那是一点没记，就记了一点原理。有个双线性内插和梯度倒数的计算，应该是很简单的那种题目，相当于送分了，然后最后一道论述题，说谈谈三种数字图像技术的具体应用，就是课堂上学的这些内容让你写几个能用来干什么的，这个还是比较好些的。

But给我考崩了，如果学弟学妹们和我是一个学校的，你们应该也跑不了这个老师，能“整顿”就“整顿”一下吧hh。

四、有意思的小tips：

1、一般都是量化等级越多、采样间隔越小、灰度级数越多得到的图像呈现会更好，但是有一种情况就是减少灰度级能够改善图像，那就是减少灰度级能够增加图像的对比度。

2、空间分辨率的决定因素是采样密度，但是也有其他的影响因素，比如设备的采样能力，成像系统的焦距和物体到镜面的距离（焦距和物距）。这就延伸出卫星遥感在同一设备上的的空间分辨率都是基本不变的，因为采样能力、焦距、物距不变。而且一般的图像又有地理空间坐标，于是呢，可以将遥感图像的空间分辨率，用单个像元代表的地面面积来表示。

3、为什么空间分辨率越高的传感器，其光谱分辨率和辐射分辨率就不会太高？

因为任何传感器都需要一定的光能才能响应，在获得高空间分辨率的前提下，就必然会损失一部分光能，造成其光谱分辨率和辐射分辨率不会太高。（其实这一点在PPT上我不能理解，我能理解光能损失会造成后两个不高，但是为什么高空间分辨率就会导致光能的损失，我也不知道PPT上就出现这句话）

4、灰度直方图只能反映图像不同灰度级的灰度分布情况，但是咱在图中是看不出像素的位置信息的。并且一副图像只能对应唯一的灰度直方图，但反之是不成立的哦！

5、RGB的字母分别指的是Red、Green和Bule三种颜色。HSI的字母分别指的是Hue色调、Saturation饱和度和Intensity亮度。CMYK的字母分别是Cyan青色、Magenta品红、Yellow黄色和Black ink印刷中的黑色。CMYK理论上和RGB类似，就是这几种颜色混在一起，按道理能创造出来随便哪种颜色。打印一般用CMYK。

6、图像的编码有利于图像的压缩与传输，图像的变换其实也是有利于的，因为其能够将大部分的能量都分布于低频谱段，使得运算次数减少，节省时间。

7、线性位移不变系统有什么用呢？

在我看来就是一个公式的作用，上面需要补充一下什么是点扩散函数：

8、傅里叶级数刚开始是由傅里叶说，任何一函数都可以展成三角函数的无穷级数，最后慢慢得到了快速傅里叶变换算法FFT。后面的人又基于这个条件，看看能不能找到其他特殊的情况，然后发现如下道理：

总之就是又找了一个条件，狄利克雷条件，然后发现如果满足这个条件，那么对于函数来说就能够展开为无穷个正交三角函数的和。我感觉狄利克雷条件不会是考试点，就不看了。

傅里叶变换的成分：直流分量和交流分量（说实话不知道为什么突然出来一句这个话，前面也没有提到什么直流交流的，特别想小说烂尾了，凶s案找了一个替s鬼草草结尾）

根据快速傅里叶变换的计算要求，需要图像的行列数均满足2的n次，如果不满足，在计算FFT之前先 要对图像补零以满足2的n次。（But前面也没提到，突然就出现了一个要求，行列为2的n次幂，然后要对图像补0）

并不有趣的事实（希望别考）：

9、无论是维还是二维，两个空间域信号的卷积等价于其频域信号的乘积。——>但是就这一点导致复杂的卷积能够化为简单的乘法运算。

10、理论问题：为什么要在频率域研究图像处理？

1、一些在空间域表述困难的增强任务，在频率域中变得非常普通。2、滤波在频率域更为直观，它可以解释空间域滤波的某些性质。3、可以在频率域指定滤波器，做反变换，然后在空间域使用结 果滤波器作为空间域滤波器的指导.（感觉解释起来就一句话，频率域处理更简单直观，并且可以逆变换回空间域）

11、希望不要考这个公式，我发现大多时候，出来一个结果，都是在这个基础上给加了点条件，But，我是真的不知道为什么这个条件就出来了，只知道你告诉我，高频少，且值域会溢出什么，就要进行动态值域的压缩。

12、图像增强中直方图均衡化公式梳理

13、离散情况下如何找到对应关系

给出的解释是：原图像中的任意一个灰度值𝑎1都可以在参考图像上找到 一个与之对应的灰度值𝑏1,使得原图的灰度概率直方图中𝑎1到𝑎𝑖概率曲线下的面积等于参考图像灰度直方图中𝑏1到𝑏𝑖概率曲线下的面积（即累积概率相等），从而使原图像的灰度 概率分布与参考图像的相似。

14、规定化后的图像的对比度同参考图像接近一致， 对应的直方图形状差异也不大。这样有利于影像融合处理，保证融合影像光谱特性变化小。

15、Wallis算法补充，希望这个算法不会考，叫什么局部统计法，要求是自学

公式：

例子：左边为原来的，右边为参考的

计算左边和右边的平均值和平均方差，并带入公式（第一个公式中的f（x，y）是4）得：

16、Laplacian增强算子的特点完全看不懂哈哈

But为什么要突然介绍一种滤波器的优缺点，然后说出一个根部就不知道的东西，什么又是振铃效应呢？对于这门课或者这个专业有时候真的不知道怎么学，好像全部就靠背背背，但是自己真的不愿意去了解这些东西，了解了也不一定记得住，对于期末考试来说也没有什么好处。

17、在图像的空间域或频率域，高频滤波会让信息增强的同时使得噪声增强。

18、为啥要有图像的退化？修复不就好了吗？

19、采用逆滤波复原时，会出现一些问题：

20、客观保真度准则

21、各种锐化算子分享

22、霍夫变换的直线检测（emmm，真考了）

说到底是为了检测直线，也就是在图像空间中，我们应该怎么检测出直线？用到的方法就是将空间中的之间转化为参数空间中的一个点，然后在参数空间里寻找峰值来完成直线检测任务。

具体的原理就在于利用点与线的对偶性，即图像空间中的直线与参数空间中的点是一一对应的，参数空间中的直线与图像空间中的点也是一一对应的。

-------------------------------------------------------分界线-------------------------------------------------------

注：上述的一些小吐槽只是本人在复盘PPT时的一些想法，可以直接忽略。