数字图像处理最后1课PPT.docVIP

老师PPT照片转成WORD，有四道题没拍到照片，有的同学麻烦补充，大家低调转发 学到了什么？ 基本概念： 图像，数字图像，图像处理，图像分析，图像理解，数字图像处理的方法，数字图像处理的主要研究内容； 成像模型，图像数字化，采样，量化，数字图像的存储位数，图像质量与采样分辨率和量化级数的关系，数字图像的基本类型； 图像增强的目的，图像增强的方法，灰度变换，空域滤波，点操作，邻域处理，对比度增强，直方图均衡，图像平滑，图像锐化，图像增强效果的评价，线性灰度变换，分段线性灰度变换，非线性灰度变换，灰度直方图，累积分布函数，直方图规定化，图像平滑方法，邻域平均，非加权邻域平均，加权邻域平均，中值滤波，模板大小与平滑效果，傅里叶变换，邻域滤波增强的原理，低通滤波，高通滤波，带通带阻滤波，同态滤波，梯度算子，拉普拉斯算子； 图像编码与压缩编码的必要性，编码的可能性，编码的分类，空间域编码和频率域编码，图像编码评价准则，图像编码模型，编码器，解码器，无损压缩，霍夫曼编码，信息量，平均信息量或者熵，平均码长，编码效率，算术编码，游程编码，无损预测编码，有损预测编码，离散余弦编码，编码压缩标准； 图像分割的目的，图像分割的依据，图像分割的分类，边缘检测方法，prewitt，kirsch，LoG，Ganny，边缘跟踪，阀值分割，全局阀值，局部阀值，自适应阀值，区域生长，区域分裂与合并，数学形态，膨胀，腐蚀，开启，闭合； 图像特征，颜射矩，颜色直方图，颜色集，颜色相关矢量，邻域邻接，欧拉数，距离，链码，周长，面积，傅里叶描述算子，骨架，细化，hough变换 数字图像处理的方法分为空域处理和变换域处理，空域处理主要有邻域处理和点处理； 图像处理的主要内容：图像变换，图像增强，图像编码与压缩，图像复原，图像重建，图像识别和图像理解； 数字化过程包括扫描，采样和量化； 采样决定的是图像的空间分辨率，量化决定的是图像的灰度分辨率； 图像增强分为基于空间域的增强和基于频率域的增强，空间域又分为灰度变化和空间滤波； 灰度变换是基于点操作的??强方法，空间滤波是基于邻域处理的增强方法； 分段线性拉伸将某一范围的灰度值进行拉伸，其余范围的灰度值实际上被压缩； 对数扩展将图像的低亮度区进行大幅拉升，高亮度区域被压缩； 指数扩展可以对图像的高亮度区域进行大幅扩展； 直方图可以反应图像的明暗特征和对比度特征； 图像平滑的主要目标是消除随机噪声又不使图像的边缘轮廓和线条变模糊； 邻域平均法又称均值滤波或局部平滑法； 在非加权的邻域平均法中，所有模板系数为1； 在加权邻域平均中，把中心点加强为最强，而随着距中心点距离的增加减少系数值，是为了减少平滑处理中的模糊； 中值滤波是一种非线性滤波，在消除噪声的同时还能保持图像中的细节部分，防止边缘模糊； 空间平滑滤波时，模板的大小和平滑效果直接相关，模板越大，平滑效果越明显，但会造成图像边缘信息的损失； 频域增强就是选择合适的滤波器函数H(u,v)对F(u,v)的频谱成分进行调整，然后经傅里叶逆变换得到增强的图像； 低通滤波是保留低频分量，减弱或一致高频分量的过程； 消除模糊，突出边缘信息可以采用高通滤波的方法； 同态滤波可以同时压缩图像的亮度范围和增强图像的对比度； 同态滤波方法的关键是将图像中的照明分量和反射分量分开，图像中的照明分量具有变化缓慢的特征，而反射分量则倾向于剧烈变化，特别是在不同物体的交界处； 图像的自然对数的傅里叶变换的低频分量与照明分量相联系，而高频分量与反射分量联系； 图像锐化的目的是灰度反差增强，从而增强图像中的边缘信息； 对垂直边缘响应最大的sobel模板是 对水平边缘响应最大的sobel模板是 拉普拉斯对模板的基本要求是对应中心像素的系数应该是正的，而对应于中心像素邻近像素的系数应该是负的，且它们的和应该为零； 无损压缩的方法基于统计模型，减少或者完全去除图像数据中冗余的信息，解压缩后能精确复原图像，用于要求重建后图像严格地与原始图像保持相同的场合； 有损压缩是一种牺牲部分信息为代价换取缩短平均码长的编码压缩方法，只能对原始图像进行近似的重建，而不能精确地复原； 编码器由信源编码和信道编码构成，解码器由信道解码和信源解码构成； 基于概率的方法依据信息论中的变长编码定理和信息熵有关的只是，用较短代码表现出现概率大的符号，用较长编码表示出现概率小的符号，从而实现数据压缩； 在预测编码中，若直接对差值信号进行编码称为无损预测编码，而对差值信号进行量化后再进行编码就称为有损预测编码； 变换编码是将图像经过某种正交变换成另一个正交矢量空间，产生一批变换系数，然后对这些变换系数进行编码处理，从而达到压缩系数的目的； 图像分割的依据是建立在图像上像素间的相似性和非连续性； LOG算子先用高斯函数对图