数字图像复习整理最终版.docxVIP

图像的空间分辨率：是指图像中每单位长度所包含的像素或点的数目。常以像素或英寸为单位来表示。图像归一化：就是将图像转换为唯一的标准形式以抵抗各种变化，从而消除同类图像不同变形体之间的外观差异。图像增强：将一幅图像中有用的信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。图像空间域平滑：空间域滤波时为什么进行边界处理？常用的边界处理方法有哪些？因为空间域滤波时，当模版处于图像边缘，模板的某些元素可能位于图像外，因此需要进行边界处理。常用的边界处理方法：（1）收缩处理范围；（2）使用常数填充图像；（3）使用复制像素方法填充图像特征的评价标准有哪些？（1）容易提取（2）特征应对不相关转换不敏感（3）最具区分能力的特征灰度直方图步骤：原始灰度级f，原始直方图，计算原始累计直方图gf，取整g=int[(级数L-1)gf+0.5],确定对应映射关系，计算新直方图。数字图像是指能在计算机上显示和处理的图像，根据其特性可以分为两大类:矢量图、位图。 在BP网络中，采用的激活函数为Sigmoid函数。 频率域（0，0）点的傅立叶变换在数值上等于 图像的平均灰度级。相关和卷积空间域图像增强分为空间域图像平滑和锐化γ1：高灰度区域对比度增强γ1：低灰度区域对比度增强γ=1：线性变换方差系数对图像的影响：Gama过小，偏离中心的所有像素权重将会非常小，无法起到平滑噪声的作用。过大，高邻域相对较小，这样邻域内高斯模板将会退化为平均模板。参数对滤波的影响：参数a越大，高斯滤波器的频带就越宽，平滑程度越好。模板尺寸对高斯滤波的影响：模板尺寸越大噪声被抑制能够平滑更多噪声，图像越模糊。18.图像放缩产生的插值及其运用和思想：1）最邻近插值：这是一种最简单的插值算法，输出像素的值为输入图像中与其最邻近的采样点的像素值。最临近插值的的思想很简单。对于通过反向变换得到的的一个浮点坐标，对其进行简单的取整，得到一个整数型坐标，这个整数型坐标对应的像素值就是目的像素的像素值，也就是说，取浮点坐标最邻近的左上角点（对于DIB是右上角，因为它的扫描行是逆序存储的）对应的像素值。可见，最邻近插值简单且直观，但得到的图像质量不高2）双线性插值：又称为一阶插值，是线性插值扩展到二维的一种应用。理论基础：输出像素的值为输入图像中距离它最近2X2邻域内采样点像素灰度值的加权平均。双线性插值法计算量大，但缩放后图像质量高，不会出现像素值不连续的的情况。由于双线性插值具有低通滤波器的性质，使高频分量受损，所以可能会使图像轮廓在一定程度上变得模糊。19。做一个数字识别系统并描述其思想：车牌识别系统：主要分为图像采集，图像处理，车牌定位，字符切分，字符识别几个部分。具体步骤：1）图像采集：主要采用专用摄像机链接图像采集卡或者直接链接便携式笔记本进行实时图像采集，将模拟信号转换为数字信号。2）图像处理：需对采集的图像进行增强，恢复，变换等处理，目的是突出车牌的主要特征，以便更好的提取车牌区域。3）车牌定位：从人眼视觉的角度出发，并根据车牌的字符目标区域特点，在二值化图像的基础上提取相应的特征，寻找最符合牌照特征的区域。车牌定位是车辆牌照自动识别系统中的关键和难点，实际图像中噪声、复杂的背景等干扰都会使定位十分困难。4）字符分割：是从获得的牌照区域分割出单个字符（包括汉字，字母和数字）以便于进行字符识别的过程。考虑到车牌上的字符一般除了一个汉字外其他的都是字母和数字，即在理想状态下每个字符是全连通的且互不相连，因此可以使用特定的方法进行字符切分。5）字符识别：是使分割得到的字符进一步转化为文本并存入数据库或者直接显示出来的过程。19、人工神经网络基本原理（ANN）：它是由一系列的人工神经元相互密集连接构成，其中每个神经元同样由个部分组成：输入，人工神经细胞体和输出。每个神经元具有一定数量的实数值输入，并产生一个的实数值的输出。一个人工神经元的输入信号来自另一些神经元的输出，其输出又可以作为另一些神经元的输入。霍夫变换的基本思想。就是把图像平面上的点对应到参数平面上的线，最后通过统计特性来解决问题。假如图像平面上有两条直线，那么最终在参数平面上就会看到次数统计的两个峰值点，依此类推。19、霍夫变换思想与原理：是一个非常重要的检测间断点边界形状的方法。它通过将图像坐标空间变换到参数空间，来实现直线和曲线的拟合。22、中值滤波：本质上是一种统计排序滤波器。对于原图像中某点（i,j），中值滤波以该点为中心的领域的所有像素的统计排序中值作为（i,j）点的响应。中值不同于均值，是指排序队列中位于中间元素的值。7 均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），