数字图像处理复习解析.doc

----马赫带：在亮度变化部位附近的暗区和亮区中分别存在一条更黑和更亮的条带，这就是所谓的“Mach带”，这种现象称为马赫效应。 ----采样: 是将在空间上连续的图像转换成离散的采样点（即像素）集的操作 ----量化：是将各个像素所含的明暗信息离散化后，用数字来表示称为图像的量化 ----量化噪声：用有限个离散灰度值表示无穷多个连续灰度的量必然引起误差，称为量化噪声。 ----灰度直方图：反映一幅图像中各灰度级与各灰度级像素出现的频率之间的关系。 ----直方图的性质： １．灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置，即所有的空间信息全部丢失。 ２．一幅图像对应唯一的灰度直方图，反之不成立。 3．一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。 ----直方图的应用： 1 . 数字化参数（判断量化是否恰当） ２. 边界阈值选取（确定图像二值化的阈值） 3.当物体部分的灰度值比其它部分灰度值大时，可利用直方图统计图像中物体的面积。 4. 计算图像信息量H（熵） ----局部处理：在对输入图像处理时，计算某一输出像素JP(i,j)值由输入图像IP（i,j）像素的小邻域N(i,j)中的像素值确定。这种处理称为局部处理，或者称邻域处理。例：移动平均平滑法、空间域锐化 ----点处理：在局部处理中，当邻域N(i,j)仅包含IP(i,j)像素时的处理称为点处理。例：----对比度增强、图像二值化、灰度变换 ----全局处理：在局部处理中，输出像素JP(i,j)的值取决于输入图像大范围或全部像素的值，这种处理称为大局处理。例：傅里叶变换 ----图像变换：即为达到图像处理的某种目的而使用的一种数学方法，是将图像从空间域变换到其它域如频率域的数学变换 ----二维Fourier变换的应用： 1.Fourier变换在图像滤波中的应用 首先，我们来看Fourier变换后的图像，中间部分为低频部分，越靠外边频率越高。 因此，我们可以在Fourier变换图中，选择所需要的高频或是低频滤波。 2. Fourier变换在图像压缩中的应用 变换系数刚好表现的是各个频率点上的幅值。在小波变换没有提出时，用来进行压缩编码。考虑到高频反映细节、低频反映景物概貌的特性。往往认为可将高频系数置为0，骗过人眼。 3. Fourier变换在卷积中的应用: 从前面的图像处理算法中知道，如果抽象来看，其实都可以认为是图像信息经过了滤波器的滤波（如：平滑滤波、锐化滤波等）。如果滤波器的结构比较复杂时，直接进行时域中的卷积运算是不可思议的。 4. Fourier变换在图像复原、图像重建的应用: 可以利用图像在频率域的特性，根据图像系统退化模型在频率域进行维纳滤波复原，傅立叶变换法图像重建，傅立叶频谱分析法进行纹理分析等。 ----图象增强：加强、突出图象中的主要信息，抑制、削弱、剔除图象中的不需要的信息，使处理的结果对特定的应用来说比原始图象更“合适”，更便于进一步处理。 目的：使图象更适合于人的视觉特性或机器的识别系统。 ----直方图修整法包括直方图均衡化及直方图规定化两类。 ----直方图均衡化：是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。 ----直方图规定化：是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。 ----图像平滑：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。 ----中值滤波：就是用一个奇数点的移动窗口， 将窗口中心点的值用窗口内各点的中值代替。 ----局部平均法：可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。 ----图像锐化：就是增强图像的边缘或轮廓。 ----图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。 ----高通滤波法：就是用高通滤波算子和图像卷积来增强边缘 ----图像增强的目的主要包括： ①消除噪声，改善图像的视觉效果； ②突出边缘，有利于识别和处理。 ----同态滤波的目的：消除不均匀照度的影响而又不损失图象细节。 照射分量的频谱落在空间低频区域， 反射分量的频谱落在空间高频区域。 同态滤波流程图： 同态滤波器将减少低频部分、扩大高频部分，最后的结果将是既压缩了有效范围，又扩大了对比度。 ----彩色增强技术：是利用人眼的视觉特性，将灰度图像变成彩色图像或改变彩色图像已有彩色的分布，改善图像的可分辨性。彩色增强方法可分为伪彩色增强和假彩色增强两类。 ----伪彩色增强：是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。 ----伪彩色增强的方法：密度分割法、灰度级