数字图像处理期末复习(中文版).doc

第二章 数字化过程对于M，N值和每个像素允许的离散灰度级数L的判定。（书本P43~44,ppt1） ○M,N必须取正整数 ○出于处理，存储和取样硬件的考虑，灰度级典型的取值是2的整数次幂，即L=2^k. 这里假设离散灰度级是等间隔的，并且是区间[0,L-1]内的整数。 数字b是存储数字图像所需的比特数，有b = M×N×k ，当M=N时，上式变为 b=（N^2）*k . 当衣服图像有2^k 灰度级时，实际上通常称为该图像是k比特图像 取样值是决定衣服图像控件分辨率的主要参数。空间分辨率是突袭党中可辨别最小细节。通常把大小为M*N，灰度为L级的数字图像称为控件分辨率为M*N像素，灰度级分辨率为L级的数字图像。比较不同空间分辨率的图像要保证同时他们的灰度分辨率相同。 （书本P44,ppt2） 像素间的基本关系（书本P51~54,ppt3） 相邻像素 位于坐标（x,y）的一个像素p有4个水平和垂直的相邻像素，其坐标由下式给出： （x+1,y） (x-1,y) (x,y+1) (x,y-1) 这个像素集称为N4（p）。每个像素距（x,y）一个单位，如果(x,y)位于图像的便捷，则p的某个邻像素位于数字图像的外部。 P的4个对角的相邻像素有如下坐标： （x+1,y+1） (x+1,y-1) (x-1,y+1) (x-1,y-1) 并用ND(p)表示。与4个邻域点一起，这些点称为p的8领域，用N8（p）表示。 邻接性：定义V是用于定义邻接性的灰度值集合 （Ⅰ）4邻接：如果q在N4（p）集中，则具有V中数值的两个像素p和q是4邻接。 （Ⅱ）8邻接：如果q在N8（p）集中，则具有V中数值的两个像素p和q是8邻接。 （Ⅲ）m邻接/混合邻接：如果（Ⅰ）q在N4（p）中，或者（Ⅱ）q在ND(p)中且集合N4（p）∩N4（q）没有V值的像素，则具有V值的像素p和q是m邻接。 ☆混合邻接是8邻接的改进，其引入是为了消除采用8邻接常常发生的二义性。 连通性：确定两个像素是否连通，必须确定他们是否相邻以及其灰度值是否满足特定的相似性准则。 从具有坐标（x,y）的像素p到具有坐标（s,t）的像素q的通路（或曲线）是特定的像素序列，其坐标为 （x0,y0）, (x1,y1) ……，（xn,yn） 其中（x0,y0）=（x,y）, （xn,yn）=(s,t) ，并且像素（xi,yi）与(xi-1,yi-1)(对于1≦i≦n)是邻接的。n是通路的长度。 不同的测量距离的方法（书本P53,ppt4~6） 距离函数/度量D 定义：对于像素p,q和z，其坐标分别为（x,y）(s,t) （v,w），如果有 D（p,q）））））））]^(1/2) 对于距离度量，距点(x,y)的距离小于或等于某一值r的像素是中心在（x,y））））））））(m-1)/2 和(n-1)/2 。（ppt13） 掌握加权平均滤波器和中值滤波器处理方法（ppt14，15） 锐化滤波器 锐化处理的主要目的是突出图像中的细节或者增强被模糊了的细节，这种模糊不是由于错误操作造成的，就是特殊图像获取方式的固有影响。空间域用像素邻域平均法可以使图像变模糊，而锐化滤波正好相反。 基本思想：因为均值处理与积分类似，从逻辑角度可以断定，锐化处理可以用空间微分处理。 图像微分增强了边缘和其他突变（如噪声）并削弱了灰度变化缓慢的区域。 第四章 傅里叶变化的性质（书本154～158，ppt19～21） ■ 位移性质 位移性质的应用 当 u0 = M/2 以及 v0 = N/2, 则有 在这种情况下， 可分离性 离散傅里叶变换 可以用可分离形式表示 周期性 离散傅里叶变换具有如下周期性质： F(u, v) = F(u+M, v) = F(u, v+N) = F(u+M, v+N) 反函数也具有周期性： f(x, y) = f(x+M, y) = f(x, y+N) = f(x+M, y+N) 共轭对称性 离散傅里叶变换具有原点共轭对称 F(u, v) = F*(-u, -v) 部件特性（ppt22） 图像的照明部件通常具有特殊的缓慢变化，而反射部件更倾向于骤变，特别是在不同物体的连接处。 上述特点导致了图像照明时对数的傅里叶变换的频率低，图像反射时对数的傅里叶变换频率高。 第五章 估计退化函数（书本p204~207, ppt23） 在图像复原中估计退化函数的三种主要方法：⒈观察法 ⒉试验法 ⒊数学建模法 使用以某种方式估计的退化函数复原一幅图像的过程有时称作盲目去卷积，因为真正的退化函数很少能完