第一章 基本知识
(1)图像是图和像的有机结合,既反映物体的客观存在,又体现人的心理因素;
(2)图像的基本组成单位是像素,每个像素包括两个属性:位置和亮度(或色彩)。
(3)图像处理应用:
在遥感中,比如土地测绘、气象监测、资源调查、环境污染监测等方面。
在医学中,比如 B 超,远程医疗;
在工业中,比如机器人,工业现场自动化,零部件识别;
在公安中,比如指纹识别,虹膜识别,手迹识别等。
(4)图像处理研究内容
①图像数字化:将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强:将一幅图像中的有用信息进行增强,同时对其无用信息进行抑制,提高图 像的可观察性。 ③图像的几何变换:改变图像的大小或形状。 ④图像变换:通过数学映射的方法,将空域的图像信息转换到频域、时频域等空间上进 行分析。
第二章 图像数字化
(1)图像的数字化过程主要包括采样、量化和编码;
(2)图像数字化过程的采样点数、量化级数,对图像质量的影响体现在:采样点数越多,图像质量越好;量化级数越高,图像质量越好;
(3)假定某视频文件按每秒24帧播放,每帧灰度图像的分辨率为50×40,请计算该视频文件在不压缩情况下,播放1分钟的数据量(以MB为单位)
每帧图像的数据量=50*40*8=16000bit
每分钟数据量=1*60*24*16000=23040000bit
单位转换:23040000/8/1024/1024=2.75MB
(4)假定某灰度图像文件大小为600*800,请计算其未压缩情况下的数据量(以MB为单位)
该图像数据量为800*600*8=3840000bit
单位转换:3840000/8/1024/1024≈0.46MB
第三章 图像增强
(1)图像增强的空间域处理主要包括点运算、局部运算和全局运算;
(2)图像边缘具有方向和幅度等特征;
(3)对比度增强方法:
分段线性灰度变换法
线性灰度变换,
(4)在频域内设法渐弱高频分量,从而实现去噪的滤波器是低通滤波器;
(5)直方图修正法包括直方图规定化和直方图均衡化,直方图均衡化是将原图像的直方图通过变换函数修正为均匀的直方图,然后按均衡直方图修正原图像。直方图均衡化实质上是减少图像的灰度级以换取对比度的加大。在均衡过程中,原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内,故得不到增强。
直方图规定化通过修改一幅图像的直方图,使得它与另一幅图像的直方图匹配或具有一种预先规定的函数形状。对原来的直方图上频数较小的灰度级,采用局部区域直方图均衡处理。
(6)图像锐化的目的是增强图像的边缘和轮廓。
(7)常用的图像去噪方法主要有线性均值滤波和非线性中值滤波两种,均值滤波采用邻域加权平均方法进行滤波,在滤波的同时使图像变模糊;中值滤波采用邻域对象排序取中值方式进行去噪,对孤立的点线噪声效果明显。
(8)常用的灰度内插法有最近邻插值、双线性插值和双三次插值
(9)设图像如下表a所示,分别求其邻域平滑和高通算子锐化的结果,其中边缘点保持不变,邻域平滑掩模与高通算子如下:
结果为:
程序为:
A=[1 1 3 4 5;2 1 4 5 5;2 3 5 4 5;3 2 3 3 2;4 5 4 1 1];
[h,w,d]=size(A);
A1=A; A2=A;
H1=(1/8)*[1 1 1;1 0 1;1 1 1]; H2=[-1 -1 -1;-1 8 -1;-1 -1 -1];
for i=2:h-1
for j=2:w-1
x1=0;
x2=0;
for k=-1:1
for m=-1:1
x1=x1+A(i+k,j+m)*H1(k+2,m+2);
x2=x2+A(i+k,j+m)*H2(k+2,m+2);
end
end
A1(i,j)=x1;
A2(i,j)=x2;
end
end
A1
A2
(10)若一个64*64的离散图像,灰度分成8层,其灰度值和分布情况如下:请绘制图像的直方图,并求经过直方图均衡后的图像的直方图,给出均衡化过程。
(11)简单画出下面两幅图的灰度直方图,及采用3*3均值模板滤波后的灰度直方图
第四章 图像压缩
(1)图像压缩编码方法主要分为有损压缩和无损压缩;
(2)图像数据冗余类型:
空间冗余:规则物体/背景,其物理特性相关;
时间冗余:序列图像(电视);
结构冗余:纹理结构(墙纸);
知识冗余:先验知识(人脸)
视觉冗余:灰度等级,我们把这类冗余称为视觉冗余
图像区域的相同性冗余 ;纹理的统计冗余
(3)无损压缩编码(可逆编码),压缩数据还原后,与原始数据一致,无损失。主要有以下几种典型算法:霍夫曼编码、行程编码和算术编码;
有损压缩编码(不可逆编码),压缩后再还原的数据有损失。主要有以下几种典型算法:全频带编码、PCM / ADPCM、混合编码和JPEG / MPEG
(4)对序列aaaa bbb cc d eeeee fffffff 进行Huffman编码,给出具体编码过程及结果
编码结果为f=01 e=11 a=10 b=001 c=0001 d=0000
第五章 图像分割
(1)Otsu方法基于各类间的方差来获取最优阈值;
(2)欧拉数是图像的拓扑特性之一,表明图像的连通性;
(3)梯度算子和Laplacian算子的边缘检测模板分别为
梯度算子利用阶跃边缘灰度变化的一阶导数特性,认为极大值点对应于边缘点;而Laplacian算子检测边缘是利用阶跃边缘灰度变化的二阶导数特性,认为边缘点是零交叉点。
相同点是都能用于检测边缘,且对噪声敏感。
(4)有一幅包含水平、垂直、45度和-45度直线的二值图像。给出一组3*3模板,这些模板可以用于检测这些直线中1个像素长度的间断。假设直线的灰度级是1,背景的灰度级为0。
第六章 形态学
(1)形态学膨胀运算可以放大图像;
(2)用一个半径为r/4的圆形结构元素腐蚀一个r×r的正方形的示意图如下:
第七章 小波
(1)小波即小区域的波,是一种特殊的长度有限、平均值为零的波形。
(2)小波与傅里叶分析区别:傅立叶分析是将信号分解成一系列不同频率的正弦波的叠加,小波分析是将信号分解为一系列小波函数的叠加,而这些小波函数都是由一个母小波函数经过平移和尺度伸缩得来的。
小波信号的非零点是有限的。它与傅里叶变换的基函数(三角函数、指数信号)是不同的,傅里叶变换的基函数从负无穷到正无穷都是等幅振荡的。
(3)式代表的是Mexico Hat小波函数;
Matlab图像处理
Matlab下实现多幅图像在同一窗口显示的函数是subplot;Matlab下实现图像尺寸缩放的函数是imresize;Matlab下实现图像保存的函数是imwrite;
第二篇:航模课程总结
航模课程总结
11051130 王祁
1. 飞机为什么能飞?
飞机之所以可以飞起来,在于机翼上下表面存在压强差;当压强差产生的压力差足够克服重力时,就可以使得飞机飞起来。
根据伯努利原理,当流体的速度越大时,它所能提供的压强即越小。由于翼型的上下表面不同,当气流流过时,上表面的流管较细,流速较大,同时压强减小;这样就和下翼面产生了压强差,通过压强的不同产生升力。
同样,也可以根据如可夫斯基的环量定理,由于速度不同使得速度对于翼型的环量不为零,即可产生升力。
2. 飞机怎样才算飞的好?
不同的飞机有不同的衡量标准。对于无动力滑翔机,主要考察飞行时间,飞行距离,还有飞行稳定性。如果能够在相同的初速度,相同的高度下飞行的距离更远,时间更久,同时飞机能够走直线不偏,则表示飞机的飞行状态好。
对于有动力的橡筋飞机,由于无处速度,此时考虑飞行距离没有意义。所以橡筋动力的飞机要看飞行高度,和滞空时间;可以通过盘旋次数来考察。盘旋的时间越长,滑行性能越好,即航模更优质。
3. 怎样才能飞的好?
飞机如果想飞的好,需要掌握动力和平衡。对于无动力滑翔机,首先要进行飞机的平衡调节:如果飞机在滑行阶段先头部上翘然后失速坠落,则表明飞机头部较轻需要加装螺钉;如果是直接头部朝下坠落则表明头重,需要在尾部加装螺钉。同时要保证飞机出手瞬间,能够头部朝下稍微倾斜,左右机翼能够不侧偏,出手速度适中。飞机的滑行主要依靠飞机本身的性能和稳定,而不是出手的速度。
对于橡筋动力的飞机,首先同样要调平衡。如果飞机的机翼不对称,飞机就会向左或者右偏航,导致提前进入失速角度;此时就要进行飞机的平衡调节。可以通过调节水平尾翼来改变航向,如果还是不行就在机翼上开副翼,通过调滚转的方式强制飞机不发生偏航。如果飞机向左偏航,垂尾向左掰;如果飞机向右偏航,垂尾向右掰。除此之外,机身的重心位置也十分重要。如果重心考前,则要将机翼前移;如果重心靠后,机翼要后移。 我的航模调节方式
总之,一架飞机是否飞的好要有多方面的调节。
我的两架飞机都取得了优秀成绩,但是每一家都是经过大改才做得到。其中的无动力滑翔机在一开始还可以,但是经常失速。后来在将飞机的放飞角度调成机头向下之后,可以获得很好的滑翔特性。
那个橡筋动力的真的是太坑爹了。我一开始的机翼是弯曲的,这导致了飞机每次放飞都
会逆时针滚转(从机头方向看);这说明右翼的有效升力面积更大。我调节了垂尾之后仍然无法修改,于是我用剪刀,剪开了机翼,自行造了一对副翼。我将副翼调成了可以左滚转的方式,结果飞机开始做轻微的左滚转。于是我一不做二不休,直接将平尾向左掰,将飞机调成了左旋,而不是出厂状态下的右旋。
之后,我又轻微的改动了重心的位置,使得飞机终于可以滞空状态下进行三圈的盘旋。 其实我最开始的飞机是性能非常好的,可惜好的有点过,在大升力状态下直接飞上房了。