数字图像处理与分析习题及答案.doc 46页

'第一章绪论课后4.1.数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。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。⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。2.什么是图像识别与理解？图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。3.简述图像几何变换与图像变换的区别。①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等，这些方法在图像配准中使用较多。②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。比如傅里叶变换、小波变换等。4.一个数字图像处理系统由哪几个模块组成？ 答：一个基本的数字图像处理系统由图像输入、图像存储、图像输出、图像通信、图像处理和分析5个模块组成5.连续图像和数字图像如何相互转换？答：数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。6.采用数字图像处理有何优点？答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点：1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。3．数字图像处理技术适用面宽。4．数字图像处理技术综合性强。7.数字图像处理主要包括哪些研究内容？答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。8.常见的数字图像处理开发工具有哪些？各有什么特点？答．目前图像处理系统开发的主流工具为VisualC++（面向对象可视化集成工具）和MATLAB的图像处理工具箱（ImageProcessingToolbox）。两种开发工具各有所长且有相互间的软件接口。Microsoft公司的VC++是一种具有高度综合性能的面向对象可视化集成工具，用它开发出来的Win32程序有着运行速度快、可移植能力强等优点。VC++所提供的Microsoft基础类库MFC对大部分与用户设计有关的Win32应用程序接口API进行了封装，提高了代码的可重用性，大大缩短了应用程序开发周期，降低了开发成本。由于图像格式多且复杂，为了减轻程序员将主要精力放在特定问题的图像处理算法上，VC++6.0提供的动态链接库ImageLoad.dll支持BMP、JPG、TIF等常用6种格式的读写功能。MATLAB的图像处理工具箱MATLAB是由MathWorks公司推出的用于数值计算的有力工具，是一种第四代计算机语言，它具有相当强大的矩阵运算和操作功能，力求使人们摆脱繁杂的程序代码。MATLAB图像处理工具箱提供了丰富的图像处理函数，灵活运用这些函数可以完成大部分图像处理工作，从而大大节省编写低层算法代码的时间，避免程序设计 中的重复劳动。MATLAB图像处理工具箱涵盖了在工程实践中经常遇到的图像处理手段和算法，如图形句柄、图像的表示、图像变换、二维滤波器、图像增强、四叉树分解域边缘检测、二值图像处理、小波分析、分形几何、图形用户界面等。但是，MATLAB也存在不足之处限制了其在图像处理软件中实际应用。首先，强大的功能只能在安装有MATLAB系统的机器上使用图像处理工具箱中的函数或自编的m文件来实现。其次，MATLAB使用行解释方式执行代码，执行速度很慢。第三，MATLAB擅长矩阵运算，但对于循环处理和图形界面的处理不及C++等语言。为此，通应用程序接口API和编译器与其他高级语言（如C、C++、Java等）混合编程将会发挥各种程序设计语言之长协同完成图像处理任务。API支持MATLAB与外部数据与程序的交互。编译器产生独立于MATLAB环境的程序，从而使其他语言的应用程序使用MATLAB。9.常见的数字图像应用软件有哪些？各有什么特点？答：图像应用软件是可直接供用户使用的商品化软件。用户从使用功能出发，只要了解软件的操作方法就可以完成图像处理的任务。对大部分用户来说，商品化的图像应用软件无需用户进行编程，操作方便，功能齐全，已经能满足一般需求，因而得到广泛应用。常用图像处理应用软件有以下几种：1．PHOTOSHOP：当今世界上一流的图像设计与制作工具，其优越性能令其产品望尘莫及。PHOTOSHOP已成为出版界中图像处理的专业标准。高版本的PHOTOSHOP支持多达20多种图像格式和TWAIN接口，接受一般扫描仪、数码相机等图像输入设备采集的图像。PHOTOSHOP支持多图层的工作方式，只是PHOTOSHOP的最大特色。使用图层功能可以很方便地编辑和修改图像，使平面设计充满创意。利用PHOTOSHOP还可以方便地对图像进行各种平面处理、绘制简单的几何图形、对文字进行艺术加工、进行图像格式和颜色模式的转换、改变图像的尺寸和分辨率、制作网页图像等。2．CorelDRAW：一种基于矢量绘图、功能强大的图形图像制作与设计软件。位图式图像是由象素组成的，与其相对，矢量式图像以几何、色彩参数描述图像，其内容以线条和色块为主。可见，采用不同的技术手段可以满足用户的设计要求。位图式图像善于表现连续、丰富色调的自然景物，数据量较大；而矢量式图像强于表现线条、色块的图案，数据量较小。合理的利用两种不同类型的图像表现方式，往往会收到意想不到的艺术效果。CorelDraw是当今流行的图像处理软件中为数不多的特点明显、功能强大的基于矢量绘图的软件包。利用它，可以方便地制作精美的名片、贺卡、书签、图书封面、广告、宣传画等作品。3．ACDSee：快速、高性能的看图程序，是目前最享盛名的图片浏览器。它能广泛应用于图片的获取、管理、浏览和优化，支持BMP、GIF、JPG、TGA、TIF等超过50种常见的图形文件格式，图片打开速度极快，可以直接查看动画GIF，处理如Mpeg之类常用的视频文件，还可以为每一个目录建立一个相册。ACDSee可以从数码相机和扫描仪高效获取图片，并进行便捷的查找、 组织和预览。ACDSee还是得心应手的图片编辑工具，轻松处理数码影像，拥有去红眼、剪切图像、锐化、浮雕特效、曝光调整、旋转、镜像等功能，还能进行批量处理。10.讨论数字图像处理的主要应用。答：图像处理的应用几乎渗透科学研究、工程技术和人类社会生活的各个领域。教师可以分组对学生布置以下6个方面的课题，通过阅读参考文献、网络资源等手段写数字图像处理的主要应用的短文，并安排交流机会。1．航天和航空技术方面的应用2．生物医学工程方面的应用3．通信工程方面的应用4．工业自动化和机器人视觉方面的应用5．军事和公安方面的应用6．生活和娱乐方面的应用第二章数字图像表示及其处理课后4.什么是量化噪声，它是什么引起的？语言信号采样量化过程中导致的噪声。如：A/D转换（模拟到数字）。在语言编码通信中，解调后信号和原传递信号的差异是因幅度和时间的量化而产生的，这种失真称为量化失真。因为这种失真和杂乱的干扰一样，听起来和元件产生的热噪声相似，所以叫做量化噪声。1.当在白天进入一个黑暗剧场时，在能看清并找到空座位时需要适应一段时间，试述发生这种现象的视觉原理。答：人的视觉绝对不能同时在整个亮度适应范围工作，它是利用改变其亮度适应级来完成亮度适应的。即所谓的亮度适应范围。同整个亮度适应范围相比，能同时鉴别的光强度级的总范围很小。因此，白天进入黑暗剧场时，人的视觉系统需要改变亮度适应级，因此，需要适应一段时间，亮度适应级才能被改变。2.图像的数字化包含哪些步骤？简述这些步骤。图像的数字化主要包含采样、量化两个过程。采样是将空域上连续的图像变换成离散采样点集合，是对空间的离散化。经过采样之后得到的二维离散信号的最小单位是像素。量化就是把采样点上表示亮暗信息的连续量离散化后，用数值表示出来，是对亮度大小的离散化。经过采样和量化后，数字图像可以用整数阵列的形式来描述。 2.图像量化时，如果量化级比较小会出现什么现象？为什么？如果量化级数过小，会出现伪轮廓现象。量化过程是将连续变化的颜色划分到有限个级别中，必然会导致颜色信息损失。当量化级别达到一定数量时，人眼感觉不到颜色信息的丢失。当量化级数过小时，图像灰度分辨率就会降低，颜色层次就会欠丰富，不同的颜色之间过度就会变得突然，可能会导致伪轮廓现象。3.简述二值图像与彩色图像的区别。二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。这种图像又称为黑白图像。二值图像的矩阵取值非常简单，每个像素的值要么是1，要么是0，具有数据量小的特点。彩色图像是根据三原色成像原理来实现对自然界中的色彩描述的。红、绿、蓝这三种基色的的灰度分别用256级表示，三基色之间不同的灰度组合可以形成不同的颜色。4.简述二值图像与灰度图像的区别。二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。这种图像又称为黑白图像。二值图像的矩阵取值非常简单，每个像素的值要么是1，要么是0，具有数据量小的特点。灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像，灰度图像中不包含彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值，灰度级数为256级。5.简述灰度图像与彩色图像的区别。灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像，灰度图像中不包含彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值，灰度级数为256级.彩色图像是根据三原色成像原理来实现对自然界中的色彩描述的。红、绿、蓝这三种基色的的灰度分别用256级表示，三基色之间不同的灰度组合可以形成不同的颜色。1.设图像的大小为32×32的图标，每个像素有16种颜色，共有多少种不同的图标？如果每100万个可能的图标中有一个有意义，识别一个有意义的图标需要1秒钟，则选出所有有意义的图标需要多长时间？解：1632×32/106=161024/106＝1.044×101227s。可见随机图像的复杂度是非常高的。2.扫描仪的光学分辨率是600×1200线，一个具有5000个感光单元的CCD器件，用于A4幅面扫描仪，A4幅面的纸张宽度是8.3英寸，该扫描仪的光学分辨率是多少dpi？解：（1）600×1200线，其中前一个数字代表扫描仪的横向分辨率，后一数字则代表纵向分辨率。 （2）dpi是指单位面积内像素的多少，也就是扫描精度，目前国际上都是计算一英寸面积内像素的多少。光学分辨率是扫描仪的光学部件在每平方英寸面积内所能捕捉到的实际的光点数,是指扫描仪CCD的物理分辨率，也是扫描仪的真实分辨率，它的数值是由CCD的像素点除以扫描仪水平最大可扫尺寸得到的数值。每一个感光单元对应一个像素。由于CCD感光单元个数为5000，5000/8.3＝602(dpi)第三章图像增强课后5.空间滤波的平滑滤波器和锐化滤波器的相同点、不同点及联系。低通滤波器是保留小于截止频率的信号，而高通滤波器是保留大于截止频率的信号解答：相同点：都能减弱或消除傅立叶空间的某些分量，而不影响或较少影响其他分量，从而达到增强某些频率分量的效果。不同点：平滑滤波器减弱或消除傅立叶空间的高频分量，所以达到了增强低频分量、平滑图像中细节的效果。锐化滤波器减弱或消除傅立叶空间的低频分量，所以达到了增强高频分量、锐化图像中细节的效果。联系：两者效果相反，互为补充，从原图像中减去平滑滤波器的结果得到锐化滤波器的效果，从原图像中减去锐化滤波器的结果可得到平滑滤波器的结果1图像增强的目的是什么，它包含那些内容？解：图像增强是指对图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化，以便于显示、观察或进一步分析与处理。图像增强所包含的主要内容如书图4.1。2图像增强的目的是什么？答：图像增强目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。3.图像增强与图像复原的联系与区别？答：（1）二者的目的都是为了改善图像的质量。（2）图像增强不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果。因此，图像增强可以不顾增强后的图像是否失真，只要看得舒服就行。（3）而图像复原就完全不同，需知道图像退化的机制和过程等先验知识，据此找出一种相应的逆处理方法，从而得到复原的图像。（4）如果图像已退化，应先作复原处理，再作增强处理4、什么是直方图均衡化？ 答：将原图象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象。图象均衡化处理后，图象的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图象看起来就更清晰了。5.图像锐化滤波的几种方法。答：（1）直接以梯度值代替；（2）辅以门限判断；（3）给边缘规定一个特定的灰度级；（4）给背景规定灰度级；（5）根据梯度二值化图像。6、图像锐化与图像平滑有何区别与联系？答：区别：图像锐化是用于增强边缘，导致高频分量增强，会使图像清晰；图像平滑用于消除图像噪声，但是也容易引起边缘的模糊。联系：都属于图像增强，改善图像效果。7.简述直方图均衡化的基本原理。答：直方图均衡化方法的基本思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。因为灰度分布可在直方图中描述，所以该图像增强方法是基于图像的灰度直方图。直方图均衡化是将原图象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象。图象均衡化处理后，图象的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图象看起来就更清晰了。直方图均衡化实质上是减少图象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。若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。对离散图像的直方图均衡化是不能产生完全平坦的直方图的。理由是：（1）直方图是近似概率密度函数，（2）简并现象的存在使处理的灰度级总是要减少的，这是像素灰度有限的必然结果。均衡化只是近似的，其结果只能是产生近似均匀的直方图。对一副图像进行直方图均衡化处理，然后在进行一次直方图均衡化处理，结果不会发生变化。理由是：（1）对于不同的图像，只要具有相同的灰度分布情况，其对应的灰度直方图是一致的；（2）任意一副图像都有唯一的与其对应的一个灰度直方图。 对一副灰度级为2的n次方且已经直方图均衡化的图像能否用变长编码方法进行压缩？效果如何？答：能。因为直方图均衡化并不能消除图像中的冗余信息和不相干信息。如果均衡化过程中没有发生灰度合并，则压缩效率与均衡化无关;如果发生了灰度合并，则压缩效率会有所提高。8、将高频加强和直方图均衡相结合是得到边缘锐化和对比度增强的有效方法。上述两个操作的先后顺序对结果有影响吗？为什么？答：有影响，应先进行高频加强，再进行直方图均衡化。高频加强是针对通过高通滤波后的图像整体偏暗，因此通过提高平均灰度的亮度，使图像的视觉鉴别能力提高。再通过直方图均衡化将图像的窄带动态范围变为宽带动态范围，从而达到提高对比度的效果。若先进行直方图均衡化，再进行高频加强，对于图像亮度呈现较强的两极现象时，例如多数像素主要分布在极暗区域，而少数像素存在于极亮区域时，先直方图均衡化会导致图像被漂白，再进行高频加强，获得的图像边缘不突出，图像的对比度较差。9.什么是图像平滑？试述均值滤波的基本原理。解：为了去除或减弱图像中的噪声，可以对图像进行平滑处理，称为图像平滑。大部分的噪声都可以看作是随机信号，它们对图像的影响可以看作是孤立的。对于某一像素而言，如果它与周围像素点相比，有明显的不同，我们就认为该点被噪声感染了。基于这样的分析，我们可以用求均值的方法，来判断每一点是否含有噪声，并用适当的方法消除所发现的噪声。10.平滑和锐化滤波器的异同及联系？答：同：都能减弱或消除傅叶空间的某些分量，而不影响或较少影响其他分量，从而达到增强某些频率分量的效果。异：平滑减弱或消除傅叶空间的高频分量，达到了增强低频分量、平滑图像细节的效果；锐化减弱或消除傅叶空间的低频分量，达到了增强高频分量、锐化图像细节的效果。联系：两者效果相反，互为补充，从原始图像中减去平滑滤波器的结果得到锐化滤波器的效果，反之亦然。11、图像增强时，平滑和锐化有哪些实现方法？答：平滑的实现方法：邻域平均法，中值滤波，多图像平均法，频域低通滤波法。锐化的实现方法：微分法，高通滤波法。12.什么是中值滤波，有何特点？解：中值滤波是非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留。 中值滤波首先选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把该窗口中所含的像素点按灰度级的升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。13.什么是中值滤波及其它的原理？答：中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。特点：是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。14.图像空域增强与频域增强的基本原理答：频域增强是指在图像的频率域内，对图像的变换系数（频率成分）直接进行运算，然后通过傅里叶逆变换以获得图像的增强效果。空域增强是在图像上直接进行数据运算，基本上是以灰度映射变换的。15.频域增强与空域增强有何不同答：空域增强是在图像上直接进行数据运算，常见的处理方法有：线性拉伸、直方图均衡化等。频域增强主要有基于傅里叶变换的算法、基于小波变换的算法等。二者在图像增强时都已产生“振铃”现象。16.高通滤波与低通滤波有何特点？答：低通滤波器容许低频信号通过，但减少频率高于截止频率的信号的通过。对于不同滤波器而言，每个频率的信号的减弱程度不同。高通滤波器是去掉信号中不必要的低频成分，去掉低频干扰的滤波器。高通滤波器和低通滤波器常常成对出现，无论哪一种，都是为了把一定的17.什么叫同态滤波？有何特点？答：同态滤波是一种在频域中对图像同时进行图像对比度增强和压缩图像亮度范围的滤波方法。同态滤波可以使图像处理符合人眼对于亮度响应的非线性特性，避免了直接对图像进行傅里叶变换处理的失真。18.对于椒盐噪声，为什么中值滤波效果比均值滤波效果好？ 答：椒盐噪声是复制近似相等但随机分布在不同的位置上，图像中又干净点也有污染点。中值滤波是选择适当的点来代替污染点的值，所以处理效果好。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声。19.理想低通滤波器缺点？答：会产生比较严重的模糊和振铃现象，半径越小，模糊和振铃越明显，平滑效果也越差。振铃原因：时域图，频域图，旁瓣围绕横坐标震动，所以。20.二维傅里叶变换的分离性有什么实际意义？解：该性质表明，一个二维傅里叶变换可由连续两次一维傅里叶变换来实现。实现的方法如下图所示：21.给出一维连续图像函数傅里叶变换的定义，并描述空间频率的概念。（10分）答：1一维连续图像函数的傅立叶变换定义为：       （5分）2空间频率是指单位长度内亮度作周期变化的次数。（2分）对于傅立叶变换基函数，考虑的最大值直线在坐标轴上的截距为，则表示空间周期，即为空间频率。（3分）22.傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的高通滤波中的应用原理。 图像经过傅里叶变换后，景物的概貌部分集中在低频区段，景物的细节部分集中在高频区段，可以通过图像的高通滤波将图像中景物的细节提取出来。具体做法是，将傅里叶变换得到频谱图的低频部分强制为0，而将高频部分的信息保持不变，就相当于使用一个只保持高频部分信息不变，而低频信息被完全抑制的高通滤波器作用在原始图像上。将经过这样处理后的频谱进行傅里叶逆变换，就可以得到图像的细节部分。23.傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的低通滤波中的应用原理。图像经过傅里叶变换后，景物的概貌部分集中在低频区段，景物的细节部分集中在高频区段，可以通过图像的低通滤波将图像中景物的概貌提取出来。具体做法是，将傅里叶变换得到频谱图的高频部分强制为0，而将低频部分的信息保持不变，就相当于使用一个只保持低频部分信息不变，而高频信息被完全抑制的低通滤波器作用在原始图像上。将经过这样处理后的频谱进行傅里叶逆变换，就可以得到图像的概貌部分。24.什么是小波？小波基函数和傅里叶变换基函数有何区别？解：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。25.傅里叶变换、加窗傅里叶变换和小波变换的时间－频率特性有什么不同？解：傅里叶变换使得时间信号变成了频域信号，加窗傅里叶变换使得时间信号变成了时频信号，但是窗口是固定的，小波变换同样变成了视频信号，但是时频的窗口是变化的。26.均值滤波器对高斯噪声的滤波效果如何？试分析其中的原因。均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。均值滤波器对高斯噪声的滤波结果较好。原因：高斯噪声是幅值近似正态分布，但分布在每点像素上。因为正态分布的均值为0，所以均值滤波可以消除噪声。27.简述均值滤波器对椒盐噪声的滤波原理，并进行效果分析。均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。均值滤波器对椒盐噪声的滤波结果不好。 原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。28.中值滤波器对椒盐噪声的滤波效果如何？试分析其中的原因。中值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。中值滤波器对椒盐噪声的滤波效果较好。原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。使用中值滤波时，被污染的点一般不处于中值的位置，即选择适当的点来替代污染点的值，所以处理效果好。29.使用中值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？中值滤波器对椒盐噪声的滤波效果较好，对高斯噪声的处理效果不好。中值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。使用中值滤波时，被污染的点一般不处于中值的位置，即选择适当的点来替代污染点的值，所以处理效果好。高斯噪声是幅值近似正态分布，但分布在每点像素上。找不到干净的点来替代被污染的点，故处理效果不好。30.使用均值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？均值滤波器对高斯噪声的滤波结果较好，对椒盐噪声的滤波结果不好。均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其 周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。原因:高斯噪声是幅值近似正态分布，但分布在每点像素上。因为正态分布的均值为0，所以均值滤波可以消除噪声。椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。31.几种边缘检测算子的优缺点？答：①Roberts算子：边缘定位精度高，但容易丢失一部分边缘，不具备抑制噪声的能力。该算子对具有陡峭边缘且含噪声少的图像效果较好。②Sobel算子和Prewitt算子：对图像先进行加权平滑处理，所以对噪声有一定的抑制能力，检测出的边缘容易出现多像素宽度。③拉普拉斯算子：对图像中的阶跃型边缘点定位准确，使噪声成分得到加强，造成一些不连续的检测边缘，抗噪能力差。④LOG~：改善了抑制噪声的能力，图像中的尖锐边缘无法检测到。⑤Canny~：具有较强噪声的能力，将一些高频边缘平滑掉了，造成缘丢失。32.简述梯度法与Laplacian算子检测边缘的异同点？答：梯度算子和Laplacian检测边缘对应的模板分别为（梯度算子）（Laplacian算子）梯度算子是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。（2分）相同点都能用于检测边缘，且都对噪声敏感。33、简述梯度法与Laplacian算子检测边缘的异同点？答：梯度算子和Laplacian检测边缘对应的模板分别为-1-11111-411（梯度算子）（Laplacian算子）（2分）梯度算子是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。（2分） 相同点都能用于检测边缘，且都对噪声敏感。（1分）34.伪彩色增强与假彩色增强有何异同点？答：伪彩色增强是对一幅灰度图象经过三种变换得到三幅图象，进行彩色合成得到一幅彩色图像；假彩色增强则是对一幅彩色图像进行处理得到与原图象不同的彩色图像；主要差异在于处理对象不同。（4）相同点是利用人眼对彩色的分辨能力高于灰度分辨能力的特点，将目标用人眼敏感的颜色表示。（1分）35.伪彩色增强和真彩色增强有何异同点。答：伪彩色增强是将一幅灰度图像变换为彩色图像，从而将人眼难以区分的灰度差异变换为极易区分的色彩差异。它实质上只是一个图像的着色过程，是一种灰度到彩色的映射技术。而真彩色增强则是对原始图像本身所具有的颜色进行调节，是一个彩色到彩色的映射过程。36.真彩色图像与索引图像的文件结构真彩色图像索引图像文件头文件头信息头信息头像素的RGB彩色模型像素的调色板索引值 1.已知的图像数据如图所示，请计算：（15分）a、的离散傅里叶变换；b、的哈德玛变换。题3图 答：1    令，       则，（5分）                                          2（3分）       则哈德玛变换为   （3分）2.写出频域拉普拉斯算子的传递函数，并说明掩模矩阵对图像的卷积与拉普拉斯算子对图像运算结果之间的关系。（15分）答：1F ＝F ＝F       ＝F ＋F                   （6分）       2相当于原图像与拉普拉斯算子运算之差（3分）。    因为拉式算子：（2分）所以：   ＝－（4分）                     3.如图为一幅16级灰度的图像。请写出均值滤波和中值滤波的3x3滤波器；说明这两种滤波器各自的特点；并写出两种滤波器对下图的滤波结果（只处理灰色区域，不处理边界）。（15分）题5图答：均值滤波：（2分）    中值滤波：（2分）    均值滤波可以去除突然变化的点噪声，从而滤除一定的噪声，但其代价是图像有一定程度的模糊；中值滤波容易去除孤立的点、线噪声，同时保持图像的边缘。（5分）    均值滤波：（3分）        中值滤波：（3分） 4.设原图像为：24743546444，求经过中值滤波后的值，中值滤波取一维的模板如下图b所示，待处理像素的灰度取这个模板中的灰度的中值。边界点保持不变。解：24444444441.设图像为：请使用以下模板对其进行均值滤波处理，写出处理过程和结果。4.设图像为： 请使用3×3的模板对其进行中值滤波处理，写出处理过程和结果。5、设一幅图像有如图所示直方图，对该图像进行直方图均衡化，写出均衡化过程，并画出均衡化后的直方图。若在原图像一行上连续8个像素的灰度值分别为：0、1、2、3、4、5、6、7，则均衡后，他们的灰度值为多少？（15分）答：①，k=0，1，…7，用累积分布函数（CDF）作为变换函数T[r]处理时，均衡化的结果使动态范围增大。r0=00.1740.1741/7s0=1/70.174 r1=1/70.0880.2622/7r2=2/70.0860.3482/7s1=2/70.174r3=3/70.080.4283/7r4=4/70.0680.4963/7s2=3/70.148r5=5/70.0580.5544/7r6=6/70.0620.6164/7s3=4/70.120r7=10.38411s4=10.384②均衡化后的直方图：③0、1、2、3、4、5、6、7均衡化后的灰度值依次为1、2、2、3、3、4、4、76、理想低通滤波器的截止频率选择不恰当时，会有很强的振铃效应。试从原理上解释振铃效应的产生原因。（10分）答：理想低通滤波器（频域）的传递函数为：滤波器半径交叉部分（侧面图）： 对应空间域（进行傅立叶反变换，为sinc函数）：用理想低通滤波器滤波时，频域：，傅立叶反变换到时域有：，频域相乘相当于时域作卷积。因此，图像经过理想低通滤波器后，时域上相当于原始图像与sinc函数卷积，由于sinc函数振荡，则卷积后图像也会振荡；或者说由于sinc函数有两个负边带，卷积后图像信号两侧出现“过冲现象”，而且能量不集中，即产生振铃效应。若截止频率越低，即D0越小，则sinc函数主瓣越大，表现为中心环越宽，相应周围环（旁瓣）越大。而中心环主要决定模糊，旁瓣主要决定振铃效应。因此当介质频率较低时，会产生很强的振铃效应。选择适当的截止频率，会减小振铃效应。7.在MATLAB环境中，完成图像的增亮、变暗处理。解：MATLAB程序如下：A=imread("pout.tif");%读入图像imshow(A);%显示图像figure,imhist(A);%显示图像的直方图J1=imadjust(A,[0.30.7],[]);%将图像在0.3×255~0.7×255灰度之间的值通过线性变换映射到0~255之间figure,imshow(J1);%输出图像效果图figure,imhist(J1) %输出图像的直方图J2=imadjust(A,[],[00.7]);%使用此函数，将图像灰度通过线性变换映射到0~255×0.7之间figure,imshow(J2);%输出图像效果图figure,imhist(J2)%输出图像的直方图8.在MATLAB环境中，实现一幅图像的傅里叶变换。解：MATLAB程序如下：A=imread("rice.tif");imshow(A);A2=fft2(A);A2=fftshift(A2);figure,imshow(log(abs(A2)+1),[010]);9.利用MATLAB对一幅512×512的图像进行DCT变换，并保留256×256个DCT变换系数进行重构图像，比较重建图像与原始图像的差异。解：MATLAB程序如下：RGB=imread("pout512.bmp";I=rgb2gray(RGB);J=dct2(I);J(1:512,256:512)=0;J(256:512,1:256)=0;K=idct2(J);imshow(I),figure,imshow(K,[0255]) 第四章图像编码与压缩1.什么是图像的无损压缩？给出2种无损压缩算法。图像的无损压缩是指压缩后的数据进行重构（或称为还原，或称为解压缩），重构后的信息与原来的信息完全相同的压缩编码方式。无损压缩用于要求重构的信息与原始信息完全一致的场合。常用的无损压缩算法包含行程编码、霍夫曼编码等。2.讨论图像压缩方法的分类及其各自的特点。答：一般数据压缩按信息损失的程度来分类。见教材图5.2：常见数据压缩技术的分类。无损压缩：Huffman编码和Shannon编码根据概率分布特性确定码长；游程编码根据连续灰度的游程来确定编码；算术编码随信源数据不断缩小的实数区间，然后用一个与实数对应的二进制码代表被编码的信息；轮廓编码根据相同灰度的区域边界线进行编码。有损压缩：预测编码根据相邻像素相关性来确定后继像素的预测值，若用差值进行编码则可以压缩数据量；变换编码对原始图像进行正交变换，在变换域进行抽样达到压缩的目的；混合编码将两种编码方法结合起来，如将预测编码与变换编码相结合，以取得更好的效果。在现代压缩编码方法中，分形编码利用宏观与微观的相似性来压缩数据量，可以获得极大的压缩比。该方法压缩过程的计算量较大，但解压缩很快，适用于图像数据的存储和重现。3.大部分视频压缩方法是有损压缩还是无损压缩？为什么？答：视频比静态图像数据量更大，同时可压缩的冗余信息更多。大部分视频压缩方法是以人眼感觉无明显失真为依据的，因此采用有损压缩。事实上，视频可以看成是一幅幅不同但相关的静态图像的时间序列。因此，静态图像的压缩技术和标准可以直接应用于视频的单帧图像。另外，利用视频帧间信息的冗余可以大大提高视频的压缩比。4.若图像上任意两像素点的亮度电平值相等或者任意两时刻同一位置上的像素的亮度电平值相等，能够说明上述两种情况下像素相关吗？为什么？ 答：不能。像素的空间相关性和时间相关性是以空间和时间的相邻性为基础的。因此，图像上任意两像素点的亮度电平值相等或者任意两时刻同一位置上的像素的亮度电平值相等带有偶然性，不能说明两像素相关。5、图像压缩质量的评价方法？答：分为主观评价和客观评价。主观评价需要人的参与，能直接反映人眼的感受。客观评价方法用恢复图像偏离原始图像的误差来衡量恢复图像的质量。常用的客观评价指标有均方差和峰值信噪比。6.图像编码（压缩）基本原理是什么？数字图像的冗余表现有哪几种表现形式？答：表示图像需要的大量数据是高度相关的，或者说存在冗余信息，去掉这些冗余信息后可以有效压缩图像，同时又不会损害图像的有效信息。冗余：空间冗余、时间冗余、视觉冗余、信息熵冗余、结构冗余和知识冗余。7.数据没有冗余度能否压缩？为什么？答：图像数据量大，同时冗余数据也是客观存在的。一般图像中存在着以下数据冗余因素：（1）编码冗余；（2）像素间的相关性形成的冗余；（3）视觉特性和显示设备引起的冗余。理论上，数据没有冗余度是不压缩的，否则无法解码出原始数据。但在大部分应用场合下采用有损压缩，数据没有冗余度也可以进行压缩。8.如何衡量图像编码压缩方法的性能？答：一般地，图像压缩应能做到压缩比大、算法简单、易于用硬件和软件实现、压缩和解压缩实时性好、解压缩恢复的图像失真小等。但这些指标对同一压缩方法很难统一，在实际系统中往往需要抓住主要矛盾，全面权衡。常用的图像压缩技术指标有：（1）图像熵与平均码长；（2）图像冗余度与编码效率；（3）压缩比；（4）客观评价SNR；（5）主观评价。图像的主客观两种评价之间存在着密切的联系。但一般来说，客观评价高的主观评价也高，因此在图像编码的质量评价时，首先作客观评价，以主观评价为参考。9.图像编码（压缩）基本原理是什么？数字图像的冗余表现有哪几种表现形式？ 答：表示图像需要的大量数据是高度相关的，或者说存在冗余信息，去掉这些冗余信息后可以有效压缩图像，同时又不会损害图像的有效信息。冗余：空间冗余、时间冗余、视觉冗余、信息熵冗余、结构冗余和知识冗余。10.从哪些方面说明数据压缩的必要性？答：采用数字技术会使信号处理的性能大为提高，但其数据量的增加也是十分惊人的。图像数据更是多媒体、网络通信等技术重点研究的压缩对象。不加压缩的图像数据是计算机的处理速度、通信信道的容量等所无法承受的。这样的数据率是与当前信息存储介质的容量、计算机的总线速度以及网络的传输率不相匹配的。尽管人们在存储介质、总线结构和网络性能等方面不断有新的突破，但数据量的增长速度远超过硬件设施的提高水平，以上的矛盾仍然无法缓解。如果将上述图像信号压缩几倍、十几倍，甚至上百倍，将十分有利于图像的传输和存储。可见，在现有硬件设施条件下，对图像信号本身进行压缩是解决上述矛盾的主要出路。11.简述预测编码中无损编码和有损编码两者的异同？答：同：通过仅提取每个象素中的新增信息并对它们编码，来消除象素间的冗余。异：无损压缩编码包括预测和编码两个过程，有损压缩编码是在此基础上多了一个量化器，并由其决定压缩比和失真量。无损编码是可逆的，即从压缩后的数据可以完全恢复原来的图像，信息没有丢失。有损编码是不可逆的，即从压缩后的数据无法完全恢复原来的图像，信息有一定损失。12.Huffman编码是最佳编码，为什么还要研究算术编码等其他熵编码算法？答：题5.12中讨论了Huffman编码的优缺点，其他熵编码方法可以在某些性能上克服Huffman编码的不足。如，虽然算术编码的硬件实现比Huffman编码方法复杂，但对图像的编码测试结果表明，在信源符号概率接近的条件下，算术编码效率高于Huffman编码。13.Huffman编码有何优缺点？答：Huffman编码在无失真的编码方法中效率优于其他编码方法，是一种最佳变长码， 其平均码长接近于熵值。但当信源数据成分复杂时，庞大的信源集致使Huffman码表较大，码表生成的计算量增加，编译码速度相应变慢；另外不等长编码致使硬件译码电路实现困难。上述原因致使Huffman编码的实际应用受到限制。14.Huffman编码的特点？答：①码字不唯一②实时硬件实现很复杂，而且在抗误码能力方面也比较差③依赖于信源的统计特性，应用受到限制④只能用近似的整数位来表示单个符号，而不是理想的小数，所以Huffman编码无法达到最理想的压缩效果。15.算术编码有何优点？举例说明其适用范围。答：在信源符号概率接近的条件下，算术编码效率高于Huffman编码。因此，在扩展的JPEG系统中用算术编码取代了Huffman编码。另外，算术编码除了常见的基于概率统计的模式外，还有自适应模式。在这种模式下，各个符号的初始概率相同，它们依据出现的符号而发生变化。这种模式特别适用于不便于进行符号概率统计的实际场合中。16.图像处理中正交变换的目的是什么？图像变换主要用于那些方面？解：正交变换可以使得图像能量主要集中分布在低频率成分上，边缘和线信息反映在高频率成分上。因此正交变换广泛应用在图像增强、图像恢复、特征提取、图像编码压缩和形状分析等方面。17.在图像变换编码中为什么要对图像进行分块？简述DCT编码的原理及基本过程？答：为了提高压缩效率，考虑到局部子块中图像的相关性强的事实，一般会将图像分成8*8的子块，对每个子块独立的进行DCT变换。19.讨论混合编码的优点。答：混合编码一般指将预测编码与变换编码相结合进行编码的方法。预测编码根据相邻像素相关性来确定后继像素的预测值，若用差值进行编码则可以压缩数据量；变换编码对原始图像进行正交变换，在变换域进行抽样达到压缩的目的；混合编码将两种编码方法结合起来，可以发挥两种编码方法的优点，取得更好的效果。 20.压缩编码算法很多，为什么还要采用混合压缩编码？请举例说明。压缩编码算法很多，比如行程编码、霍夫曼编码等。每种不同的压缩编码方法具有各自不同的特点。比如行程编码擅长对多个重复数据连续出现的情况进行编码；霍夫曼编码则可以有效地将出现频率高、低不同的数据进行编码。如果将不同的编码方式巧妙的结合在一起，则可以达到更高的压缩率，这就是混合压缩编码的思想。21.根据JPEG算法说明JPEG图像显示时会出现马赛克现象的原因。答：由于JPEG算法将整幅图像分成若干个8×8的子块，解码也是以子块为单位的，所以块间的解码误差可能反映为方块效应，在视觉上会出现马赛克现象。22.为什么二维DCT可以转换成两次一维DCT计算？答：参考第3章图像变换。二维变换可以分解成两次变换，如先进行变换，再进行列变换，或反之。23.JPEG在哪个步骤上压缩了图像的冗余信息？答：量化减少了数据间冗余，编码减少了信息熵冗余。※JPEG编码：原图→子图分割→DCT正交变换→量化器→熵编码器→压缩图像24.简述JPEG的压缩过程，并说明压缩的有关步骤中分别减少了哪种冗余？答：分块－＞颜色空间转换－＞零偏置转换－＞DCT变换－＞量化－＞符号编码。颜色空间转换，减少了心理视觉冗余；零偏置转换，减少了编码冗余；量化减少了心理视觉冗余；符号编码由于是霍夫曼编码加行程编码，因此即减少了编码冗余（霍夫曼编码）又减少了像素冗余（行程编码）。ＪＰＥＧ2000的过程：图像分片、直流电平（DC）位移，分量变换，离散小波变换、量化，熵编码。25.DCT变换编码的主要思想是什么？DCT变换编码的思想是利用离散余弦变换对数据信息强度的集中特性，可以将数据中视觉上容易察觉的部分与不容易察觉的部分进行分离，由此可以达到进行有损压缩的目的。 26.简述DCT变换编码的主要过程。第一步，将图像分成8*8的子块；第二步，对每个子块进行DCT变换；第三步，将变换后的系数矩阵进行量化，量化后，得到的矩阵左上角数值较大，右下部分为0；第四步，对量化后的矩阵进行Z形扫描，以使得矩阵中为0的元素尽可能多的连在一起；第五步，对Z扫描结果进行行程编码；第六步，进行熵编码。27.有了离散傅里叶及其快速算法FFT，为什么还要提出离散余弦算法DCT及其快速算法？为什么许多视频国际标准将DCT作为帧内编码的基本压缩算法？答：在所有的变换编码方案中，离散K-L变换是最佳变换，理论价值较高，常常作为对其他变换特性进行评价的标准。但此变换没有快速算法，在工程应用中受到限制。在次最佳变换算法中，DFT和DCT都是常用的变换编码方法，它们分别有快速算法：FFT和FCT。这两种方法相比较，DFT涉及到复数运算，而DCT是实数变换具有十分吸引人的一些特点：它是一种实数变换，计算量较小，其变换矩阵的基向量很好地描述了人类视觉的相关性，且对于大多数图像来说，该变换的压缩性能很接近离散K-L变换，而且其变换矩阵与图像内容无关，另外由于它构造对称的数据序列，避免了在图像边界处的跳跃及所引起的Gibbs效应，并且也有快速算法，因而得到广泛的应用。作为准最佳变换，它已成为一些静态图像、视频压缩国际标准（或建议）中的基本处理模块。JPEG制定了基于DCT的有失真静止图像压缩标准。在MPEG视频编码器中帧内图像（I图像）采用DCT的编码方法。 1.一图像大小为640×480，256色。用软件工具SEA（version1.3）将其分别转成24位色BMP，24位色JPEG，GIF（只能转成256色）压缩格式，24位色TIFF压缩格式，24位色TGA压缩格式，得到的文件大小分别为：921,654字节；17,707字节；177,152字节；923,044字节；768,136字节。分别计算每种压缩图像的压缩比。解：不计算较小的文件头和彩色查找表（LTU）的数据量，原始图像的数据量为：640×480×1byte=307,200byte。经转换后各种格式的压缩比如下：24位色BMP格式：307,200/921,654=0.333（增加了冗余度）24位色JPEG格式：307,200/17,707=17.35 GIF压缩格式：307,200/177,152=1.7324位色TIFF压缩格式：307,200/923,044=0.333（增加了冗余度）24位色TGA压缩格式：307,200/768,136=0.400（增加了冗余度）2.设有一信源X={x1,x2,x3,x4}，对应概率P={0.5,0.1875,0.1875,0.125}.⑴进行霍夫曼编码(要求大概率的赋码字0,小概率的赋码字1)，给出码字，平均码长，编码效率;⑵对码串10101011010110110000011110011解码.X1:0X2:11X3:100X4:101平均码长：1*0.5+2*0.1875+3*0.1875+3*0.125=1.8125编码效率：信息熵/平均码长10101011010 110 11 0  0 0 00 11110 0 11X4 x1x4 x4x1x2x1x2 x1x1x1x1x1x2x2x1x1x23.对下列信源符号进行Huffman编码，并计算其冗余度和压缩率。（10分）符号a1a2a3a4a5a6概率0.10.40.060.10.040.3解：霍夫曼编码：原始信源信源简化 符号概率1234a20.40.40.40.40.6a60.30.30.30.30.4a10.10.10.20.3a40.10.10.1a30.060.1a50.04霍夫曼化简后的信源编码：从最小的信源开始一直到原始的信源编码的平均长度：压缩率：冗余度： 4.哈弗曼编码5.算数编码 第五章图像复原课后3.试述逆滤波复原的基本原理。它的主要难点是什么？如何克服？ 基本原理：假定图像经过线性操作而退化，先通过傅立叶变换将退化后且带有噪声的图像g(x)变换成G(u,v)，在频率域中经过复原(G(u,v)/H(u,v))操作后为F(u,v)，再通过傅立叶逆变换将F(u,v)变换成f(x,y)。 主要难点：若噪声为零，则采用逆滤波恢复法能完全再现原图像。若噪声存在，而且H(u,v）很小或为零时，则噪声被放大。这意味着退化图像中小噪声的干扰在H(u,v)较小时，会对逆滤波恢复的图像产生很大的影响，有可能使恢复的图像和f(x,y)相差很大，甚至面目全非。 克服：1）在H(u,v）=0及其附近，人为地仔细设置H-1(u,v)的值，使N(u,v)*H-1(u,v)不会对产生太大影响。 2）使H(u,v)具有低通滤波性质维纳滤波的最优准则是以图像和噪声的相关矩阵为基础的，所得到的结果是对一族图像在平均的意义上是最佳的，同时要求图像和噪声都属于随机场，并且它的频谱密度是已知的。在实际情况下，人们往往没有这一方面的先验知识，一般很难得到，除非采取适当的功率谱模型。 1.图像退化（为什么要恢复）（1）图像的退化是指图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像的质量变坏。（2）图像复原就是要尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理。（3）图像退化的数学模型为：g(x,y)=f(x,y)*h(x,y)+n(x,y) 典型的图像复原定义：是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，得到质量改善的图像。**图像复原过程如下：找退化原因→建立退化模型→反向推演→恢复图像2.图像复原和图像增强的主要区别是：答：图像增强主要是一个主观过程，而图像复原主要是一个客观过程；图像增强不考虑图像是如何退化的,而图像复原需知道图像退化的机制和过程等先验知识3.写出图像退化/复原的总体模型；利用线性系统的相关知识，推导线性空不变条件下连续图像函数的退化模型。（10分）答：（5分）线性系统中：           其中为系统H的冲激响应。又空不变系统，则                  （5分）4.逆滤波时，为什么在图像存在噪声时，不能采用全滤波？试采用逆滤波原理说明，并给出正确的处理方法。 复原由退化函数退化的图像最直接的方法是直接逆滤波。在该方法中，用退化函数除退化图像的傅立叶变换来计算原始图像的傅立叶变换。由上式可以看到，即使我们知道退化函数，也可能无法准确复原未退化的图像。因为噪声是一个随机函数，其傅氏变换未知。当退化为0或非常小的值，N(u,v)/H(u,v)之比很容易决定的值。一种解决该问题的方法实现值滤波的频率时期接近原点值。5.简述线性位移不变系统逆滤波恢复图像原理。答：设退化图象为g(x,g)，其傅立叶变换为G(u,v),若已知逆滤波器为1/H(u,v)则对G(u,v)作逆滤波得F(u,v)=G(u,v)/H(u,v)        （2分）对上式作逆傅立叶变换得逆滤波恢复图象f(x,y)f(x,y)=IDFT[F(u,v)]         以上就是逆滤波恢复图象的原理。 （2分）若存在噪声，为避免H(u,v)=0,可采用两种方法处理。（0.5分）②H(u,v)=0时,人为设置1/H(u,v)的值；②使1/H(u,v)具有低同性质。即 H-1(u,v)=1/H(u,v)  当D≤D0 H-1(u,v)=0        当D>D0       (0.5分)课后5.广角镜头的透视畸变—— 那么为什么广角镜头常常产生失真的透视关系，比如实例中怪异的鼻子的根源呢？因为使用广角镜头往往在非常接近被摄体的位置上进行拍摄，拍摄距离越近，透视效果越强烈（如下图）。道理就是这么简单。 换句话说，倘若是在相同的距离使用所有镜头进行拍摄的话，广角镜头并不会比任何一只其他镜头更歪曲透视。实际上，通过试验并不难证实这一点，使用不同焦距的镜头拍摄一排柱子或一排树或是任何成排的对象，在相同的位置拍摄所有的照片，然后放大每一影像的相同部分，目的是在照片上得到同等大小的影像。最后，不管所用镜头的焦距如何，在任何一张照片上都不会看到透视方面存在任何的差异。原因是所有照片的拍摄距离都是相同的，即被摄体到镜头的距离都是相同的。  　　现在，让我们回到特写肖像中怪异大鼻子的问题上来。人的鼻子尖距离照相机比面部的其他部分大约近1英寸。由于被摄体越近就会显得越大，因此靠近拍摄时，鼻子就会显得比面部其他部分不成比例的大。 远摄镜头的透视畸变—— 　　实际上，随着被摄体的越来越远，透视畸变会变得越来越小；但却开始变得扁平。相距很远的两个被摄体却显得像一个在另一个之上似的。从图2.53的照片中可以非常明显地看到这种现象。棒球的击球手看起来好像跟投手站得非常靠近。这是一种反向畸变，在使用远摄镜头拍摄时时常出现。 　　由于被摄体距离照相机非常遥远，从而产生了扁平的透视效果。正像在上幅照片中看到的，投手显得和击球手差不多同样大小，给人一种俩人邻近的错觉，其实他们相距60英尺远。因此，从很远距离拍摄的被摄体似乎给压平了。 　　为什么这种情形经常会在用远摄镜头拍摄的照片中看到呢？这是因为使用远摄镜头时，拍摄距离往往更为遥远。事实上，在相同的距离处无论使用什么镜头都会产生这种失真。 第七章图像分割课后5.把目标像素分割为背景的误差概率E1(T)为把背景像素分割为目标的误差概率E2(T)为总的误差概率E(T)为为了求出使总的误差概率最小的阈值T，可将E(T)对T求导并使其导数为0，有P1=P2且P1+P2=1，则-1/2(T-2)=1/2(T-1)=>T=3/2假设图像的背景和目标的灰度概率密度符合正态分布。其中p1(z)对应于目标，p2(z)对应于背景，P1=P2，σ1=σ2，u1、u2分别为目标和背景的平均灰度值。试求分割目标与背景的最佳门限。 把目标像素分割为背景的误差概率E1(T)为把背景像素分割为目标的误差概率E2(T)为总的误差概率E(T)为为了求出使总的误差概率最小的阈值T，可将E(T)对T求导并使其导数为0，有P1=P2且P1+P2=1，则==>T=()/2 1.什么是区域？什么是图像分割？答：区域可以认为是图像中具有相互连通、一致属性的像素集合。图像分割时把图像分成互不重叠的区域并提取出感兴趣目标的技术。2.区域生长区域增长方法是根据同一物体区域内象素的相似性质来聚集象素点的方法，从初始区域（如小邻域或甚至于每个象素）开始，将相邻的具有同样性质的象素或其它区域归并到目前的区域中从而逐步增长区域，直至没有可以归并的点或其它小区域为止。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。区域生长的原理区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长起点，然后将种子像素和周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子像素所在的区域中。将这些新像素当作新的种子继续上面的过程，直到没有满足条件的像素可被包括进来。这样一个区域就生长成了。 区域生长是一种串行区域分割的图像分割方法。区域生长是指从某个像素出发，按照一定的准则，逐步加入邻近像素，当满足一定的条件时，区域生长终止。区域生长的好坏决定于1.初始点（种子点）的选取。2.生长准则。3.终止条件。区域生长是从某个或者某些像素点出发，最后得到整个区域，进而实现目标的提取。3.Canny边缘检测器答：Canny边缘检测器是使用函数edge的最有效边缘检测器。该方法总结如下：1、图像使用带有指定标准偏差σ的高斯滤波器来平滑，从而可以减少噪声。2、在每一点处计算局部梯度g（x,y）=[G2x+G2y]1/2和边缘方向α（x,y）=arctan（Gy/Gx）。边缘点定义为梯度方向上其强度局部最大的点。3、第2条中确定的边缘点会导致梯度幅度图像中出现脊。然后，算法追踪所有脊的顶部，并将所有不在脊的顶部的像素设为零，以便在输出中给出一条细线，这就是众所周知的非最大值抑制处理。脊像素使用两个阈值T1和T2做阈值处理，其中T1