图像处理和模式识别考试复习

1/6第一章1、图像、数字图像处理、图像数字化、分辨率、灰度图像和彩色图像的概念？图像：光线照在物体上其透射或反射光的分布就是图，而人的视觉系统对图的接收在大脑中形成的印象或认识就是像，前者是客观存在，后者是人的感觉，图像就是二者的结合。数字图像处理：采用特定的算法对数字图像进行处理，以获取视觉、接口输入的如硬件所需要的数字图像的过程。利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。图像数字化：计算机所能处理的信息必须是数字信号，而我们得到的照片、图纸或景物信息都是连续信号，为此必须对连续信号进行抽样和量化，即进行数字化处理，此处理过程就是图像数字化。分辨率：采样所获得的图像的像素的总数的多少。反映了数字化图像中可分辨的最小细节。映射到图像平面上的单个像素的景物元素的尺寸。灰度图像：每个像素的信息由一个量化的灰度级来描述图像，它只有亮度信息，没有颜色信息。彩色图像：图像中的每个像素值都分成R、G、B三个基色分量，每个基色分量直接决定其基色的强度，这样产生的色彩称为彩色。2、了解色彩三要素？色调：色调是指感知到的色彩。亮度：亮度代表觉察到的光源能量。饱和度：饱和度度量色彩是指被白光冲淡的程度，产生淡黄色、深紫色等描述。3、了解图像数字化量化技术分类？量化技术分为非均匀量化和均匀量化。4、掌握简述数字图像信息的特点？1）信息量很大。例如一帧电视图像取512X512个像素组成，其灰度级用8bit的二进制来表示。则有256个灰度级，那么一帧数据图像的信息量即为512X512X8bit。所以数据量是很大的。2）数字图像占用的频带较宽。与语言信息相比，占用频带要大几个数量级。如电视图像的频带为5-6M，语言信息的带宽仅为4K左右。3）数字图像中各个像素之间是不独立的，其相关性很大。在电视画面中，同一行中相邻的像素或相邻两行之间的像素，其相关系数可达到0.9，相邻两帧之间相关性更强。4）处理后的数字图像是需要给人观察和评价的，因此受人的因数影响较大。第二章1、了解傅里叶变换条件？狄里赫利条件：有限间断点、有限极点、绝对可积。2、会计算一维、二维连续信号的傅里叶变换？一维傅立叶变换：f(x)为连续可积函数，其傅立叶变换定义为:F(u)=∫f(x)e−j2πux+∞−∞dx。一维傅立叶变换其反变换为：f(x)=12π∫F(u)ej2πxu+∞−∞du.2/6一维离散傅立叶变换:正变换公式为：F(u)=1N∑f(x)e−j2πux/NN−1x=0其中u=0,1,...N-1。逆变换为：f(x)=∑f(x)ej2πux/NN−1u=0其中x=0,1,...N-1。二维傅立叶变换：F(u,v)=∬f(x,y)e−j2π(ux+vy)dxdy∞−∞二维傅立叶变换逆变换：f(x,y)=∬F(u,v)ej2π(ux+vy)dudv∞−∞二维离散傅立叶变换:F(u,v)=1MN∑∑f(x,y)e−j2π(uxM+vyN)N−1y=0M−1x=0其中u=0,1,……,M-1v=0,1,……,N-1二维离散傅立叶变换逆变换：f(x,y)=∑∑F(u,v)ej2π(uxM+vyN)N−1v=0M−1u=0其中x=0,1,……,M-1y=0,1,……,N-13、熟悉二维傅里叶变换性质？（比例性质、空间位移、频率位移、共轭对称性、平均值）（1）线性性质：af1(x,y)+-bf2(x,y)===aF1(u,v)+-bF2(u,v)（2）比例性质：f(ax,by)===(1/ab)F(u/a,u/b)（3）可分离性：一F(u,v)=1N∑e−j2πux/N∑f(x,y)e−j2πvx/NN−1y=0N−1x=0其中u=v=0,1,……,N-1二f(x,y)=1N∑ej2πux/N∑F(u,v)ej2πvx/NN−1v=0N−1u=0（4）空间位移：f(x-x0,y-y0)===F(u,v)e−j2π(ux0/M+vy0/N)（5）平移性质：一频率位移：f(x,y)ej2π(ux0/M+vy0/N)===F(u-u0,v-v0)二图像中心化：当u0=M/2和v0=N/2时，f(x,y)(−1)x+y===F(u-M/2,v-N/2)（6）共轭对称性：F∗(u,v)=F(-u,-v)或f∗(x,y)=F∗(−u,−v)4、了解拉格尔函数的基本知识？第三章1、熟悉图像对比度、直方图的概念？图像对比度：是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，即指一幅图像灰度反差的大小。直方图：直方图是表示图像灰度分布的统计图表，它反映了图像灰度分布的统计特性。数字图像的直方图是一个离散函数，他表示数字图像中每一灰度与其3/6出现的概率之间的统计关系。2、图像增强的概念？图像增强是指不考虑图像降质的原因，只将图像中感兴趣的部分加以处理，突出有用的图像特征，故改善后的图像不一定要去逼近源图像的一类图像改善方法。如提取图像中的目标轮廓、衰减各类噪声、将黑白图像转为彩色图像等。3、掌握图像灰度的线性变换？灰度变换可分为线性变换、分段线性变换和非线性变换。线性变换是将灰度范围线性拓展，有效的增强图像的对比度，改善图像的视觉效果。线性变换时，在a=c=0情况下，当K=1是图像不变，当k1时表示图像均匀变亮，k1时表示图像均匀变暗。4、直方图均衡化、规格化的定义及其计算？直方图均衡化：也叫直方图均匀化，就是把给定图像的直方图分布改变成均匀分布的的直方图，然后按均衡直方图修正源图像。直方图均衡化，是像素的灰度值的动态范围最大，增强了图像的整体对比度，图像看起来更清晰了。直方图规格化：是修改图像的直方图，使得它与另一幅图像的直方图匹配或具有一种预先规定的函数形状。其目的在于突出感兴趣的灰度范围，从而改变图像质量。5、常用的空域平滑方法及其特点？中值滤波：中值滤波是一种非线性滤波方法，就是用一个含有奇数个点的滑动窗口，将窗口正中的那个值用窗口内各点的中值来代替。在一定条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效，但是对于一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波方法。中值滤波还具有对某些输入信号中值滤波不变性。领域平均法：领域平均法是一种局部空间域处理的算法。它使用八领域或者四领域的平均值来代替中间点的像素值。领域平均法对消除随机噪声的效果较好，但是它的主要缺点是在降低噪声的同时是图像变得模糊，特别是在图像边缘和图像细节处更为明显，领域越大，模糊越厉害。加权平均法：加权平均法是根据参与平均像素的点赋予不同权值的方法。它克服了局部平均的弊病，能部分地保留边缘细节。使图像处理后的模糊减轻。6、了解常用的锐化算子？会用拉普拉斯算子对图像进行图像增强运算（模版）？图像锐化处理的目的是增强图像的轮廓，突出图像的细节。常用锐化算子有：梯度算子、roberts算子、prewitts算子、sobel算子、拉普拉斯算子、marr算子。拉普拉斯算子采用可以由(x,y)点的灰度值减去其领域平均值来求得。典型拉普拉斯模版有：|1−21−24−21−21|、|0−10−14−10−10|、|−1−1−1−18−1−1−1−1|第四章1、掌握图像增强与图像复原的区别？图像增强是指不考虑退质原因，对图像中感兴趣的部分加以处理，突出有用的图像特征。改善后不一定要去逼近源图像。图像复原是试图利用降质过程的先验知识使已被退化的图像恢复本来的面目。而图像增强是用某种试探的方式改善图像质量，以适应人眼的视觉和心理，这是图像复原与图像复原的本质区别。图4/6像增强的目的是提高图像可懂度，图像复原的主要目的是提高图像的逼真度。2、图像退化的模型及其原理框图？图像退化模型图数学表达式：g(x,y)=h[f(x,y)]+n(x,y)频域：G(u,v)=F(u,v)H(u,v)+N(u,v)3、了解图像复原的方法？线性：逆滤波、维纳滤波（有约束条件的复原，以最小均方误差为准则的滤波）、约束最小平方滤波（最小二乘类滤波）非线性:最大后验复原、最大熵复原、投影复原第五章1、图像编码的可行性和必要性？必要性：由于电视和传真传输的数字图像的信息量大，受传输容量的限制，传输速率也就受到了限制，所以研制数字压缩编码系统是很有必要的，以实现在保持一定逼真度的前提下，使用尽可能少的代码bit来表达图像，以压缩图像的存储量，扩大传输容量，提高传输速度。可行性：图像信息压缩的可能性存在于图像本身之中，由于图像的各像素之间是相关的，而且相关性很大。所以图像的编码是可行的。2、会计算编码效率？图像熵：H=-∑Pklog2Pkmk=1Pk为第K个灰度级对应的概率平均码字长度：R=∑BkPkmk=1Bk为第k个码字Ck的长度（二进制的位数）编码效率：η=HR3、掌握哈夫曼编码方法？5/6第七章1、图像分割的主要方法？图像分割是将图像空间分割成一些有意义的区域。分割方法分为基于闸值的分割方法和基于边缘检测的分割方法。主要的分割方法有幅度分割法、界限探测法、匹配法、跟踪法、边缘检测、区域分割和分水岭分割方法等。2、熟悉图像特征的定义、分类及常见图像特征？图像特征是指图像原始特性或属性。其中有些是人的视觉能直接感受到的自然特征，如区域亮度、边缘轮廓、纹理和色彩；有些是需要通过变换和测量才能得到的人为特征，如变换频谱、直方图、矩等。常见的图像特征有：幅度特征、直方图特征、变换系数特征、线条和角点特征、灰度边缘特征和纹理特征。3、纹理的定义及如何描述纹理？纹理是灰度和颜色的二维变化的图案，是区域具有的重要特征之一。纹理可以分为人工纹理和自然纹理，人工纹理是由自然背景上的符号排列组成，这些可以是线条、点、字母、数字等。自然纹理是具有重复排列现象的自然景象。前者是有规律的、后者是没有规律的。纹理的分析方法可以分为统计方法和结构方法。统计方法常被用于像木纹、沙地、草坪那样纹理不规则的物体，并根据像素间灰度的统计性质规定出纹理的特征。结构分析法，适用于像布料的印刷图案或砖的花样等一类组成纹理的元素及其排列规则，用来描述纹理的结构。第八章1、模版匹配的定义及其特点？模板匹配是指一个较小的图像，即模板与源图像进行比较，以确定源图像中6/6是否存在与该模板相同或相似的区域，若该区域存在，则可以确定其位置并提取该区域。特点：最常用的图像匹配方法，需要逐点计算互相关，计算量大。模板只能进行平移，如源图像中要匹配的目标发生旋转或大小变化，算法无效。第九章1、模式和模式识别的定义？模式：存在于时间、空间中可观察的事物，具有时间或空间分布的信息。具有可观察性、可区分性和相似性。模式识别：用计算机对各种事物和现象的分析、描述、判断和识别。模式识别分类：统计模式识别、结构模式识别、模糊集模式识别。2、模式识别系统的组成和各部分功能？结果图像识别简单框图一个图像识别系统分为三个主要部分，第一部分是图像信息的获取，它相当于对被研究对象的调查和了解，从中得到数据和材料，对图像识别来说就是把图片、底片、文字图形等用光电设备变换为电信号以备后续处理。第二部分是信息的加工与处理。它的作用是把调查了解到的数据材料进行加工、整理、分析、归纳以去伪存真，去粗取精，抽取能反映事物本质的特征。第三部分是判决或分类。这相当于人们从感性认识上升到理性认识而做出结论的过程。3、熟悉贝叶斯分类法（特点）？Bayes决策分类法是是错判率最小的统计模式识别方法。要求：1）决策分类的类别数一定2）类别Wi的先验概率已知3）类别Wi的状态X的类条件概率密度函数已知被识图像图像信息获取信息处理特征抽取判决