《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。