复习题

更新时间:2023-12-03 02:45:01 阅读量: 教育文库 文档下载

说明:文章内容仅供预览,部分内容可能不全。下载后的文档,内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的,是否完整无缺。

1、试简述灰度直方图的性质和作用。并能求解灰度直方图。

性质:所有的空间信息全部丢失;每一灰度级的像素个数可直接得到。灰度直方图与图像之间的关系是多对一的映射关系,子图直方图之和为整图的直方图。 作用:数字化参数的选择,边界阈值的选择,面积的选择。

2、简述直方图均衡化的基本原理。假定有64×64大小的图像,灰度为16级,概率分布如右表,试进行直方图均衡化,并画出处理前后的直方图。

主要用于增强动态范围偏小的图像的反差。基本思想是把原始图的直方图变换为在整个灰度范围内均匀分布的形式,增加像素灰度值的动态范围,从而达到增强图像整体对比度的效果。P18 p52 r nk Pr(rk) r0=0 800 0.195 0.195 3/15 0.195 r1=1/15 650 0.160 0.355 5/15 0.160 r2=2/15 r3=3/15 r4=4/15 r5=5/15 r6=6/15 r7=7/15 r8=8/15 r9=9/15 r10=10/15 r11=11/15 r12=12/15 r13=13/15 600 430 300 230 200 170 150 130 110 96 80 70 0.147 0.106 0.073 0.056 0.049 0.041 0.037 0.031 0.027 0.023 0.019 0.017 0.502 0.608 0.681 0.737 0.786 0.827 0.864 0.895 0.922 0.945 0.964 0.981 0.993 1 8/15 9/15 10/15 11/15 12/15 12/15 13/15 13/15 14/15 14/15 14/15 1 1 1 0.147 0.106 0.073 0.056 0.090 0.068 0.069 0.036 r14=14/15 50 0.012 r15 =1 30 0.007 横坐标看倒数第二列的分子

3、何谓图像平滑?试述均值滤波的基本原理。

为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。

均值滤波是一种局部空间域处理的算法,就是对含有噪声的原始图像f(x,y)的每个像素点取一个领域S,计算S中所有像素的灰度级平均值,作为空间域平均处理后图像g(x,y)像素值。

4、何谓中值滤波?有何特点?

中值滤波是对一个滑动窗口内的诸像素灰度值排序,用中值代替窗口中心像素的原来灰度值,它是一种非线性的图像平滑法。

它对脉冲干扰及椒盐噪声的的图像却不太合适。抑制效果好,在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多

5、比较均值滤波与中值滤波的差异。并能求解两种滤波。P88 p95、99 椒盐噪声是幅值近似相等但随机分布在不同位置上,图像中有干净点也有污染点。 中值滤波是选择适当的点来替代污染点的值,所以处理效果好。 因为噪声的均值不为0,所以均值滤波不能很好地去除噪声点。

高斯噪声是幅值近似正态分布,但分布在每点像素上。

因为图像中的每点都是污染点,所以中值滤波选不到合适的干净点。 因为正态分布的均值为0,所以均值滤波可以消除噪声。

6、简述图像锐化的目的和作用。试分别写出Roberts梯度算子、Sobel锐化算子和Priwitt锐化算子、拉普拉斯算子的表达式。

目的是加强图像的边缘或轮廓,使图像看起来比较清晰。 roberts: 1 -1 1 2 1 1 1 1 -1 8 -1 -1 -1 -1 sobel: -1 -2 -1 priwitt: -1 -1 -1 la: -1 -1 -1

7、简述图像分割的目的和基本策略。简述均匀性度量方法的设计思想,如何度量均匀性?

目的:把图形分成各具特性的区域并提取出感兴趣的部分。 策略:基于像素灰度值的两个性质,不连续性和相似性。

物以类聚,属于“同一类别”的对象具有较大的一致性。以均值与方差作为度量均匀性的数字指标。

步骤:给定一个初始阈值Th=Th0 分别计算两类的类内方差

分别计算两类像素在图像中的分布概率 选择最佳阈值Th=Th*

8、常用的三种最简单图像分割法各有何特点?

P-参数法:对固定分辨率下的目标物,根据目标物在画面中所占的比例来选择阈值,进行二值化处理。

均匀性度量法 :根据“物以类聚”的思想以均值与方差作为度量均匀性的数字指标。 聚类方法:模式识别中的聚类思想。以类内保持最大相似性以及类间保持最大距离为最佳阈值的求取目标。

9、常用的纹理特征测量方法是哪三种?如图,定义位置操作算子W为向右一个像素,试计算图像的共生矩阵。

统计法、结构法、频谱法p272

10、给出图题13.3所示目标轮廓的链码以及起点归一化后的链码和旋转归一化后的链码,并计算边界的长度及形状参数F。

11、何谓膨胀和腐蚀?经过膨胀和腐蚀后的目标大小有何改变?膨胀和腐蚀各有什么作用?开启和闭合运算有何区别和联系?

膨胀:将目标区域为背景点合并到该目标中,使目标边界向外部扩张的处理。将断裂的目标位进行合并。便于整体提取。 腐蚀:消除连通域的边界点,使边界向内收缩的处理。将粘合在一起的不同目标物分离,将小颗粒的噪声去除。

开启是对原图先腐蚀后膨胀,可以再分离目标的同时基本保持目标的大小。 闭合是先膨胀后腐蚀,可以再并合断裂目标的同时基本保持目标的大小。

12、现有一幅离散化的图像,图像的灰度量化分为4级或8级,已知各灰度级出现概率,要求对图像进行哈夫曼编码。

P167

13、何为图像退化?试举两个以上图像退化的例子。请指出图像恢复与图像增强之间的联系与区别。

是指场景得到的图像没能完全地反映场景的真实内容,产生了失真等问题。

例子:图像的模糊、变形,噪声叠加造成的影响,透镜色差或像差,聚焦不准等。 相同之处:改进输入图像的视觉质量 不同之处:

图像增强借助人的视觉系统特性,以取得较好的视觉结果(不考虑退化原因);

图像恢复根据相应的退化模型和知识重建或恢复原始的图像(考虑退化原因)。

14、何为齐次坐标?为什么要用齐次坐标?给出实现对一个像素先平移,再旋转,最后尺度变换的变换矩阵。

可用来将非线性等式表示成线性矩阵形式。在讨论不同坐标系之间的转换时,如果能用齐次坐标来表示,就可将坐标之间的转换表示成线性矩阵形式。P37

15、讨论用于空间滤波的平滑滤波器和锐化滤波器的相同点、不同点以及联系。

相同点:都能减弱或消除傅立叶空间的某些分量,而不影响或较少影响其他分量,从而达到增强某些频率分量的效果。

不同点:平滑滤波器减弱或消除了傅立叶空间的高频分量,所以达到了增强低频分量、平滑图像中细节的效果。锐化滤波器减弱或消除傅立叶空间的低频分量,所以达到了增强高频分量、锐化图像中细节的效果。

联系:两者效果相反,互为补充。从原始图像中减去平滑滤波器的结果得到锐化滤波器的效果,而从原始图像中减去锐化滤波器的结果则可得到平滑滤波器的效果。

16、有哪些彩色模型?HSI模型中H、S、I分别代表什么分量?为什么HSI模型相对于RGB模型更适宜用于彩色图像的增强?

RGB模型、CMY模型、I1,I2,I3模型、归一化彩色模型、彩色电视彩色模型、HSI模型、HSV模型、L*a*b模型

HSI模型 :H表示色调,S表示饱和度,I表示密度 HSI模型是面向视觉感知的彩色模型,特点: 第一,在HSI模型中,亮度分量与色度分量是分开的,I分量与图像的彩色信息无关 第二,在HSI模型中,色调H和饱和度S的概念互相独立并与人的感知紧密相连

17、试借助频域概念讨论空间滤波中的平滑滤波器和锐化滤波器的联系。

P58平滑需要减弱或消除高频率分量,用低通滤波器 锐化减弱或消除低频率分量,用高通滤波器

18、给定信源符号集A={a1,a2,a3,a4,a5,a6},且已知u=[0.15 0.4 0.1 0.1 0.05 0.2]T,进行哈夫曼编码,并给出码字、平均比特数和编码效率。

码字依次为:101,0,110,1110,1111,100.平均比特数为2.35.编码效率为97%

0.4+0.2*3+0.15*3+0.1*3+0.1*4+0.05*4=2.35 H/2.35

19、给定信源符号集A={a1,a2,a3,a4 },且已知u=[0.4 0.2 0.2 0.2]T,对其进行算术编码。P170 图9.4.3

20、对图题11.1所示的图像分别用普瑞维特算子、索贝尔算子和拉普拉斯算子进行边缘检测。

本文来源:https://www.bwwdw.com/article/4o5t.html

Top