简答计算名词.doc

①图像中两像素之间的位置关系： 4-邻域、8-邻域、D-邻域 4-连接、8连接、m-连接 2他 ②Gamma校正 ③图像直方图均衡化 Histogram Equalization 是一种图像增强技术，是使变换后图像中各灰度级出现的概率相当，变换后概率密度函数为均匀分布。 直方图规定化 Histogram Specification 又称直方图匹配 : 使处理后的直方图具有规定的形状，可通过直方图均衡来实现 ④ 高通滤波器：高频通过，低频衰减。图像在平滑区内将减少一些灰度级的变化，并突出过渡 边缘 灰度级的细节变化，图像得到锐化。 ⑤振铃效应（Ringing effect）产生的根本原因是信号通过带宽有限的滤波器时（以理想低通为例），该滤波器在时域的冲激响应呈现sinc形式，类似水波纹的振荡形式。 振铃效应对图像质量有严重影响，其典型表现是在图像灰度剧烈变化的邻域出现类吉布斯（Gibbs）分布的振荡 ⑥算术均值滤波器 适于处理高斯噪声，平滑同时丢失细节 几何均值滤波器 平滑效果接近算术均值，更好的保留细节 谐波均值滤波器 能处理高斯噪声和“盐”噪声，不适用于“胡椒”噪声。 逆谐波均值滤波器 当 Q 0，用于消除“胡椒”噪声 当 Q 0，用于消除“盐”噪声 但不能同时消除这两种噪声 中值滤波器 不适于处理高斯噪声，对单极性/双极性脉冲噪声有效，与算术均值相比，能更好地保护细节。 最大值滤波器 在寻找图像中最亮点时非常有用，适合消除“胡椒”噪声。 最小值滤波器 在寻找图像中最暗点时非常有用。适于处理“盐”噪声。 ⑦逆滤波：用退化函数除退化图像的傅里叶变换，得到原始图像的傅里叶变换的估计: 即使知道退化函数 H，也不能准确的复原原始图像 F u,v ，因为：1.N u,v 是一个随机函数，傅里叶变换未知，所以不能准确的恢复原始图像。的估计值。3.解决退化 H u,v 为 0 或者很小值的途径：限制滤波频率使其接近原点值。 ⑧彩色图像处理： 色光三原色：红、绿、蓝 颜料三原色：品红、青色、黄色 色光三原色用于彩色显示和表示 颜料三原色用于照片打印、印刷和印染 ⑨色调（Hue）：描述纯色的属性，区分不同颜色的种类；饱和度（Saturation）：给出一种纯色光被白光稀释的程度的度量，描述颜色的纯度；强度（Intensity）：亮度体现无色光的强度概念， ⑩彩色图像处理：强度分层P51 ?彩色图像处理：灰度级到彩色的变换P52?二值图像形态学处理：细化VS粗化 借助结构元组 B B1, B2, B3, …, Bn ,进行细化 通常需要一系列的结构元 B B1, B2, B3, …, Bn ,进行细化: ?二值图像形态学处理：骨架化 A 的骨架 S A 可用腐蚀和开操作表达: 其中 骨架化和细化的比较: 1.细化通常需要一组结构元素；骨架化只需一个结构元素。2.无法由细化结果重构图像；可以根据骨架和结构算子，重构原图。3.骨架化结果比细化结果更能体现对象的结构信息，但更易受噪声干扰。 ?图像分割：大津法:基本思路:按图像的灰度特性,将图像分成背景和目标两部分，选择合适的阈值，使得背景和目标之间的类间方差取得最大值。 ?图像分割：边缘检测基础 结论： 1.一阶微分处理通常产生较宽的边缘； 2.二阶微分处理对细节有较强的响应，如细线和孤立点； 3.一阶处理一般对灰度阶梯有较强的响应； 4.二阶微分对处理灰度级阶梯变化产生双响应； 注意： 1.二阶微分在图像中灰度变化相似时，对点的响应比线强，对线的响应要比对阶梯强；（点 线 阶梯） 2.对于边缘检测来说，二阶微分可检测到更多的边缘，但对噪声更敏感。 ?图像分割：LoG算子 使用LoG算子检测边缘的步骤: 1.选用高斯低通滤波器对输入图像进行平滑滤波； 2.采用拉普拉斯算子对滤波结果进行处理； 3.将结果中所得图像的零交叉点作为边缘点。 ?图像分割：Canny算子 1.高斯平滑去除噪声：用高斯滤波器平滑输入图像。 2.计算梯度幅值图像和角度图像：使用一阶梯度模板检测水平和垂直方向的梯度值，进而计算边缘法线方向。 3.参考梯度幅值图像结合梯度方向，借助非最大值模抑制技术细化边缘： 4.利用双阈值处理去除伪边缘点，利用连接分析跟踪边缘：使用两个阈值—高阈值与低阈值。先使用高阈值检测强边缘点，再使用低阈值进行边缘跟踪。得到的边缘线具有良好的连通性。 ?图像分割：区域生长方法 区域生长方法的三要素：种子点选取、相似性准则、终止规则。 主要步骤: 1.先对每个需要分割的区域找一个或多个种子像素作为生长的起点; 2.然后将种子像素周围邻域中与种子像素有相同或相似性质的像素 根据某种事先确定的生长准则或相似准则来判定 合并到种子像素所在的区域中; 3.将这些新像素当做新的种子像素继续进行