图像大题.docVIP

论述二维函数（图象）采样定理 空间采样函数为 其频谱是 空间采样频率是 采样后图象 图像重建 二维函数（图象）采样定理：设二维函数f（x，y）的频谱是有限带宽的，即当|u|〉Ωxf，|v|〉Ωyf时，F（u，v）=0，如果采样频率满足Ωx〉2Ωxf，Ωy〉2Ωyf，或者采样周期满足△x＜1／2Ωxf, △y＜2Ωyf,（奈奎斯特准）那么f（x，y）就唯一地由其样值gS（x，y）所确定。当△x和△y小于奈奎斯特准则的要求时，称为过采样。当△x和△y大于奈奎斯特准则的要求时，便称为欠采样。需要指出的是，上述讨论的等间隔采样，又称为均匀采样。当对采样点数目有限制时，如NxN个采样点，可以根据图像的特性采用自适应采样方案，有可能获得更好的效果。自适应采样的基本思想是：在图像函数值变化较大的区域采用精细的采样，在相对平滑的区域采用粗糙的采样。这种自适应采样方案又称为非均匀采样。 标量量化 标量量化又称为一维量化或无记忆量化。设量化器的输入为，输出为y真包含于Rc，y=Q（x），则标量量化器就是从实空间R到有限实空间Rc的多对一映射。设Rc的对应判决电平范围为[a0，aN]，存在某一分割Φ将[a0，aN]划分N个电平判决子空间，Ri=[ai-1，ai]i=1，……，N，满足：1）∫a0aNp（x）dx=1，其中p（x）为x的概率密度函数；2）（ai+1—ai）∩（ai—ai-1）=0且∑Ni=1（ai—ai-1）=R；3）Rc={y1，y2，……，yN}；4）当量化器的输入x∈[ai-1，ai]时，其输出为y=yi。 显然，将样本值进行量化总会带来误差。量化误差为e=x-Q(x), 均方误差为 信噪比为 因此，人们在设计量化器时，总是希望量化误差越小越好，即寻求最优量化器设计。所谓最优量化器设计就是取均方误差最小或信噪比最大的量化。通过数学求解，量化判决电平 是量化输出 和 的中点， 的最佳位置是概率密度p(x)在 与 区间的概率中心。量化误差既取决于分割 的选择，又与信号的概率分布p(x)直接相关。根据信号熵的理论，可以推断最优量化器是非均匀的。从直观上来说，如果在某一区间上，信号出现的概率大，其量化当量应该取小一点。反之，如果信号在某一区间上出现的概率小，其量化当量应该取大一点。 3、向量量化论述 1)向量量化原理：向量量化的主要特点：压缩能力强。码书控制着量化失真量的大小。计算量大。向量量化是定长码，容易处理。 2)码书设计。基于训练序列的LBG算法如下 3)码书搜索 线性灰度变换： 增强图像对比度实际是增强原图的各部分的反差，也就是说增强图像中感兴趣的灰度区域，相对抑制那些不感兴趣的灰度区域。用分段线性法将需要的图像细节灰度级拉伸，增强对比度，将不需要的图像细节灰度级压缩。典型的分段线性变换数学表达式如下： 实际上s1,s2,t1,t2可取不同的值进行组合，从而得到不同的效果。如果s1=t1,s2=t2，则T为一条斜率为1的直线，增强图像将和原图像相同。如果s1=s2,t1=0,t2=L-1,则增强图像只剩2个灰度级，此时对比度最大但细节全丢失了，如果s1t1,s2t2,结果如图（下1）所示，从1图中曲线可以看出通过这样一个变换，原图像中灰度值在0到s1和s2到L-1间的动态范围减少了，而原图像中灰度值在s1和s2间的动态范围增加了，从而增强了中间范围内的对比度。如果s1t1,s2t2,结果就如图2所示，从图2中曲线可以看出通过这样一个变换，原图像中灰度值在0到s1和s2到L-1间的动态范围增强了，而原图像中灰度值在s1和s2间的动态范围减少了，由此可见，通过调整s1,t1,s2,t2可以控制分段直线的斜率，可对任意灰度区间进行扩展和压缩。 为了保持原图像低端和高端值不变，可以采用下面的形式;t= 直方图均衡化论述 若一幅图像其像素占有全部可能的灰度级且均匀分布，则这样的图像具有高对比度和多变的灰度色调，而显示出一幅灰度级丰富且动态范围大的图像。直方图均衡化仅依靠输入图像的直方图的信息就扩大到这一效果。 这个方法的基本思想是把原图像不均衡的直方图变换为均匀分布的形式，这样就增加了灰度值的动态范围，从而达到增强图像整体对比度的效果。点处理增强变换公式为：t=T(s)，T满足2个条件：1）T单值单增函数。 （2）对 有 有 1）保证逆变换存在，且原图像变换后仍保持从黑到白的排列次序，防止变换后的图像出现一些反转的灰度级。2）保证变换前后灰度值动态范围的一致性。一幅图像的灰度级可视为[0,L-1]上的随机变量，累积分布函数CDF满足上述2个条件并能将s的分