《图像与视频处理基础》复习概要
一、试卷题型：1、填空题（1*20=20）2、选择题（2*10=20）3、简答题（4*5=20）4、问答题（10*4=40）
二、复习的主要内容包含以下部分，但不局限于这些内容
1、数字图像基本概念
是物体的一个数字表示，是以数字格式存放的图像，它是目前社会生活中最常见的一种信息媒体，它传递着物理世界事物状态的信息，是人类获取外界信息的主要途径。
2、图像数字化过程
3、数字图像处理的概念、目的、特点
数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程，以提高图像的实用性，从而达到人们所要求的预期结果。
处理的目的：
提高图像的视感质量， 以达到赏心悦目的目的；
提取图像中所包含的某些特征或特殊信息，便于计算机分析；
对图像数据进行变换、编码和压缩，便于图像的存储和传输。
特点 ：
处理信息量很大
数字图像处理占用的频带较宽
数字图像中各个像素相关性大
处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。
4、图像处理系统的组成
图像数字化设备，包括数码相机、数码摄像机、带照相和/或摄像功能的手机等
图像处理设备，包括计算机和存储系统
图像输出设备，包括打印机，也可以输出到Internet上的其它设备
图像获取即图像的数字化过程，包括扫描、采样、量化和编码。
图像获取设备由5个部分组成：采样孔，扫描机构，光传感器，量化器和输出存储体。
关键技术有：采样——成像技术；量化——模数转换技术。
5、图像采样、图像量化
图像的采样 ：按照某种时间间隔或空间间隔，采集模拟信号的过程(空间离散化)
(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，严重时出现马赛克效应；)
图像的量化 ：将采集到的模拟信号归到有限个信号等级上(信号值等级有限化)
(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.)
6、数字图像的分类及特点
按照图像的动态特性: 静止图像和运动图像
彩: 灰度图像和彩图像
维数: 二维图像，三维图像和多维图像
位图
位图是通过许多像素点表示一幅图像，每个像素具有颜属性和位置属性。
位图分成如下四种：二值图像 (binary images)、亮度图像 (intensity images)、索引 图像(indexed images)和RGB图像(RGB images)。
7、图像运算（比如点运算、代数运算、逻辑运算、几何运算 这些都是图像的基本运算）的思想
点运算 ：点运算是指对一幅图像中每个像素点的灰度值进行计算的方法。
代数运算、逻辑运算 ：代数运算或逻辑运算是指将两幅或多幅图像通过对应像素之间的加、减、乘、除运算或逻辑与、或、非运算得到输出图像的方法。
几何运算 ：几何运算就是改变图像中物体对象（像素）之间的空间关系。
从变换性质来分，几何变换可以分为图像的位置变换（平移、镜像、旋转）、形状变换（放大、缩小）以及图像的复合变换等。Ppt3
点运算的分类
点运算又称为“对比度增强”、“对比度拉伸”、“灰度变换”等，按灰度变换函数T[ ]的性质，可将点运算分为：
线性点运算
非线性点运算：对数变换（低灰度区扩展，高灰度区压缩。图像加亮、减暗。）
Eg：傅里叶频谱变换
幂次变换
非线性拉伸不是对图像的整个灰度范围进行扩展，而是有选择地对某一灰度值范围进行扩展，其他范围的灰度值则有可能被压缩。
思考
点运算是否会改变图像内像素点之间的空间位置关系？
点运算是一种像素的逐点运算，它与相邻的像素之间没有运算关系，点运算不会改变图像内像素点之间的空间位置关系。
对图像灰度的拉伸，非线性拉伸与分段线性拉伸的区别？
非线性拉伸不是通过在不同灰度值区间选择不同的线性方程来实现对不同灰度值区间的扩
展与压缩，而是在整个灰度值范围内采用统一的非线性变换函数，利用函数的数学性质实现对不同灰度值区间的扩展与压缩。
代数运算是
指两幅或多幅输入图像之间进行点对点的加、减、乘、除运算得到输出图像的过程。如果记输入图像为A(x,y)和B(x,y)，输出图像为C(x,y)，则有如下四种形式：ppt3
逻辑运算是指将两幅或多幅图像通过对应像素之间的与、或、非逻辑运算得到输出图像的方法。
在进行图像理解与分析领域比较有用。运用这种方法可以为图像提供模板，与其他运算方法结合起来可以获得某种特殊的效果。
几何运算 几何运算就是改变图像中物体对象（像素）之间的空间关系。
从变换性质来分，几何变换可以分为图像的位置变换（平移、镜像、旋转）、形状变换（放大、缩小）以及图像的复合变换等。
几何运算
G(x,y)=f(u,v)=f(p(x,y),q(x,y))
式中， u=p(x,y) ,v=q(x,y) 唯一的描述了空间变换，即将输入 图像 f(u,v) 从u->v 坐标系变换为 x->y 坐标系的输出图像。
8、图像增强概念、目的及方法
采用某种技术手段，改善图像的视觉效果，或将图像转换成更适合于人眼观察和机器分析识别的形式，以便从图像中获取更有用的信息。
如何评价图像增强的结果好坏也没有统一的标准。
主观标准：人
客观标准：结果
图像增强的方法分为两大类：空间域方法和频域方法。
9、几种常用颜空间的构成
RGB模型 ：红、绿、蓝三原
HSI模型 ：H颜的波长，称为调；
S颜的深浅程度，称为饱和度；
I表示强度或亮度。
NTSC模型 ：使用YIQ彩坐标系，Y亮度，I调，Q饱和度
YCbCr模型 ：Y亮度，Cb绿分量，Cr红分量。
“图像变换”特指数字图像经过正交变换，把原先二维空间域中的数据，变换到另一个“变换域”。
10、傅立叶变换概念及性质
二维傅里叶变换的性质
可分离性 二维离散fourier变换（反变换）可分解为两次一维fourier变换（反变换）
平移性与一个指数相相乘，相当于把其后dft后的频域原点移动到新的位置
------------------------------空域原点
线性性质
比例尺性质
周期性和共轭对称性
旋转性：对 旋转一个角度 对应于
将其傅里叶变换 也旋转相同的角度
11、均值、中值、最大值、最小值滤波方法的原理及特点
平滑空间滤波器的分类
线性滤波器：均值滤波器（掩膜去噪法）、邻域平均法
非线性滤波器：
matlab求傅里叶变换最大值滤波器
中值滤波器
最小值滤波器
12、频域图像增强方法的基本原理
13、图像锐化概念
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。
图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的。频率域锐化就是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱，再经傅立叶逆变换得到边缘锐化的图像。
14、各种锐化算子及其特点
15、图像退化模型（连续退化模型、离散退化模型、循环矩阵对角化模型）
图像复原处理的关键是建立退化模型
16、图像复原的基本概念及方法
图像恢复
是根据退化原因，建立相应的数学模型，从被污染或畸变的图像信号中提取所需要的信息，沿着使图像降质的逆过程恢复图像本来面貌。
图像恢复技术的分类：
(1)在给定退化模型条件下，分为无约束和有约束两大类;
(2)根据是否需要外界干预，分为自动和交互两大类;
(3)根据处理所在域，分为频域和空域两大类。
空间域滤波恢复包括
均值滤波： 算术均值滤波器 几何均值滤波器 谐波均值滤波器 逆谐波均值滤波器
顺序统计滤波 ：中值滤波 最大/最小滤波
频率域滤波恢复 ： 带阻滤波器、带通滤波器 、陷波滤波器等
原理：
时域卷积相当于频域乘积。因此可以在频率域中直接设计滤波器，对信号进行恢复处理。
逆滤波
最小均方误差滤波器-维纳滤波
17、直方图概念、直方图均衡化、直方图规定化的思想
灰度级直方图:
是图像的一种统计表达，它反映了该图中不同灰度级出现的统计概率-----H(k)=nk
进行归一化,则概率: Pr=nk/n
直方图显示：imhist()
直方图均衡化定义：
通过图像灰度直方图均衡化处理,使得图像的灰度分布趋向均匀,图像所占有的像素灰度间距拉开,加大了图像反差，改善视觉效果,达到增强目的。
映射函数：原始图像灰度r的累积分布函数
imadjust() \histeq()
直方图均衡-流程: 统计原始图像的直方图并归一、计算直方图累积分布曲线、 用累积分布函数作变换函数进行图像灰度变换
直方图均衡化技术把一已知灰度概率分布的图像，经过一种变换，使之变成一幅具有均匀灰度概率分布的新图像。
直方图规定化定义：将输入图像灰度分布变换成一个期望的灰度分布直方图， Pr(r) 为原图的灰度密度函数，Pz(z) 为希望得到的灰度密度函数。
图像经过处理后，直方图的分布呈现出指定的形态。
18、同态滤波
同态滤波基本思想是将非线性问题转化成线性问题处理，即先对非线性混杂信号作某种数学运算，变换成加性的，然后用线性滤波方法处理，最后作逆运算，恢复处理后图像。
19、图像压缩方法分类
发表评论