《数字图像处理》课程
总结与复习
1.什么是数字图像处理?
2.数字图像处理系统的主要内容是什么?
3.数字图像处理与计算机视觉系统有什么区别?其应用领域有哪些?
4.什么是数字图像的采样和量化?其精度对图像的质量有什么影响?
5.数字图像处理技术中的三个层次的处理是指什么?
6.什么是图像的增强和图像的复原?二者的本质区别是什么?
7.什么是图像的分割?它具有什么意义?
8.数字图像处理与计算机图形学有什么区别和共同点?
9.数字图像的成像过程主要包括哪几种?
10.图像的空间域是指什么?如何实现图像的空间域处理(变换函数)?
11.全面掌握在空间域变换函数对图像变换的作用(亮度改变、对比度变化等)。
12.什么是图像的直方图?它的意义是什么?
13.如何实现图像的均衡化?
14.全面掌握图像在空间域中的滤波(如何计算)方法,卷积过程以及各种滤波器(模板)对图像的作用。
15.什么是图像的平滑和锐化?什么是高通和低通滤波?
16.掌握图像频率域的概念、意义、傅立叶变换方法、频谱及其与图像细节的关系。
17.什么是频率域中的滤波?其原理是什么?
18.掌握三种典型的频率域滤波函数(理想滤波器、巴特沃斯滤波器和高斯滤波
器)的作用。
19.什么是被污染(退化)的图像?其数学表达方法是什么?
20.典型的噪声模型有哪些?
21.全面掌握几种典型的去噪滤波器及其作用:各种均值滤波器、基于统计顺序的滤波器等,弄清楚每一种滤波器所针对的典型噪声。
22.彩色图像和灰度图像的处理方法有什么共同点和不同点?
23.掌握若干种彩色模型的表示方法。
24.什么是伪彩色图像处理?其意义是什么?
25.掌握伪彩色图像处理的若干方法?
26.什么是图像压缩?为什么可以对图像数据进行压缩?
27.图像冗余信息有哪几类?
28.掌握典型的几种图像编码压缩方法。
第二篇:数字图像处理简答题总结
Weber定律:主观上,刚好能鉴别出的最小亮度值是背景亮度的2%,
同时对比效应:人眼对目标亮度的主观感受不是由目标亮度决定,而是由目标与背景的亮度差异决定。
KLT:理论上的最佳变换。
优点:完全去相关,能量最聚集。
缺点:无固定变换矩阵,无有效快速算法。
直方图均衡本质:减少图像的灰度等级以换取对比度的扩大。
空间域线性平滑——低通掩膜法(系数为正):
优点:算法简单,交互性好,噪声适应性强。
缺点:会造成轮廓的模糊。
空间域非线性平滑———中值滤波(统计排序滤波器)
优点:在平滑的同时适当保护轮廓。
缺点:对噪声有选择性,对随机噪声不理想,对高斯噪声效果不好,对椒盐噪声效果好,但不适于点,线,尖顶细节较多的图像。
锐化比较:
梯度算子:对小细节不敏感,抗干扰强。
SOBEL算子:由于引入了平均因素,对图像中的随机噪声有一定的平滑作用。由于它是相隔两行或两列之差分,边缘两侧元素得到了增强,故边缘显得粗而亮。
拉普拉斯运算:各向同性,所以对点的检测有较强的响应。
优点:对细线和孤立点的检测较好,可以突出细节
缺点:抗干扰能力差。
无约束恢复:去卷积。方法:逆滤波。
特点:噪声越大,误差越大,只适合信噪比很高的情况下。存在病态解。
有约束恢复:去卷积,抑制噪声,克服状态解。
映射器是去相关的过程,决定压缩的效果。
恢复质量取决于量化器,失真来自于量化误差。
预测编码:利用图像中相信像素的相关性,对预测差值编码
特点:缺点:误差传递,抗干扰能力弱。
优点:算法简单,易于硬件实现。
最佳预测是预测差值在均方意义上的最小值。
变换编码:利用图像内所有像素的相关性,对变换系数进行编码
特点:优点:抗干扰能力强。
缺点:计算复杂,不易于硬件实现。
变换的比较:
KLT:完全去相关,最佳变换。
DFT:压缩时接近KLT,但存在大量复杂计算,计算成本高,且有吉布斯效应。
WHT:计算简单,压缩速度快,但去相关较弱,压缩效果差。
DCT:去相关接近KLT,只有实数运算,吉布斯现象较弱,为准最佳变换。