2014上图像复习提纲….doc

复习提纲以下针对第二版书， 第1章 （重点把握图像处理的研究内容、数字图像、图像等基本概念，图像工程的三个基本层次，约5分；） 第2章（第2章约5分，弄清楚采样和量化的基本概念，掌握bmp图像的文件格式、图像的类型） 第3章（不考） 第4章（重点；约20~25分，灰度变换、直方图均衡化、中值滤波、均值滤波（box模板p63）、图像增强、图像锐化（sobel prewitt laplas会求模板卷积）；作业） 第5章（约30分）（掌握3种阈值的基本概念，熟练掌握最优阈值求解（2道作业题）、区域增长和区域分裂与合并算法、、哈夫变换检测直线过程、哈夫变换检测任意曲线过程、canny边缘检测的过程；掌握区域标记与轮廓跟踪（8方向）、8方向边界链码、归一化边界链码、一阶差分链码；） 第6章（约10分）（图像平移、缩放、旋转，镜像；重点作业（做到理解）） 第7章（约10分）（掌握频域处理图像的原理，基本过程，理解高通低通的含义；掌握二维离散傅里叶和沃尔什-哈达玛变换及逆变换，作业、书上例题，图7-11） %对图像I进行频域滤波 F=fft2(I); （离散傅里叶） G=H.*F; g=ifft2(G); D=dct2(I);（离散余弦） G=H.*D; G=idct2(G); 5作业答案 第8章（约5~10分）（重点：腐蚀、膨胀、开运算、闭运算、击中击不中（含义），根据原图像和结构元素会画这5种运算过程，会设计击中击不中算法实现给定图形的匹配，形态学应用（图8-25），看书上例题和课后作业1；理解灰值形态学的含义，只考上述5种基本运算及形态学在噪声滤除中的作用；重点理解图8-14、8-18、8-25、课后作业） 第9章（约5~15分，掌握图像颜色模型等基本概念，会根据问题选择合适模型，课堂上相关matlab编程、imadjust,imnoise,imfilter、imhist、histeq、imshow、imread、subplot、edge、figure,彩色图像分量提取，fft2,ifft2，dct2,idct2；） 第10章（放在5章一起看）（重点掌握边界链码、归一化边界链码、 一阶差分链码） 第11章（重点2种算法+JpeG编码，约10分；掌握图像编码的基本概念，熟练掌握LZW、算术编码方法；熟练掌握JPEG的编码流程及其图像压缩的方法） 附录1 基本概念 图像增强 图像锐化 图像分割 全局阈值 中值滤波 均值滤波 直方图规定化 数字图像处理 均值滤波 开运算 闭运算 椒盐噪声 高斯噪声 区域分裂与合并 哈夫检测 最近邻插值法 双线性插值法 图像的对比度是指图像内的亮度的反差，即最大亮度与最小亮度的比值 椒盐噪声是图像中经常见到的一种噪声，它是一种随机的白点或者黑点。常用的去除这种噪声的有效手段是使用中值滤波器。 高斯噪声是一种具有正态分布（也称作高斯分布）概率密度函数的噪声。换句话说，高斯噪声的值遵循高斯分布或者它在各个频率分量上的能量具有高斯分布。 均值滤波是一种线性平滑技术，通过一点和邻域内像素点求平均来去除突变的像素点，从而滤掉一定的噪声。 中值滤波法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值.中值滤波法对消除椒盐噪音非常有效 附录二 补充资料 canny边缘检测（结合书本，总结细化方法和避免不间断的手段） step1:平滑图象；有效地抑制噪声 ???? ?step2:用一阶偏导的有限差分来计算梯度的幅值和方向； ???? ?step3:对梯度幅值进行非极大值抑制； 仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。 ???? ?step4:用双阈值算法检测和连接边缘。 双阈值算法。双阈值算法对非极大值抑制图象作用两个阈值τ1和τ2，且2τ1≈τ2，从而可以得到两个阈值边缘图象N1［i,j］和 N2［i，j］。由于N2［i，j］使用高阈值得到，因而含有很少的假边缘，但有间断(不闭合)。双阈值法要在N2［i，j］中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在N1［i,j］的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在N1［i,j］中收集边缘，直到将N2［i,j］连接起来为止。 J = imadjust(I,[low_in high_in],[low_out high_out],gamma)?? 将图像I中的亮度值映射到J中的新值，即将low_in至hige_in之间的值映射到low_out至high_out之间的值。low_in以下与high_in以上的值被剪切掉了，也就是说，low_in以下的值映射到low_out，high_in以上的值映射到high_out。它们都可以使用空的矩阵[]，默认值是[0