数字图像复习题及答案数.doc

MATLAB和图像相关的命令的功能。 Size（） 函数：获取图像矩阵大小。 Zeros（）函数：零矩阵函数 fft2(),ifft() 函数：ftt2（）函数为二维快速傅里叶变函数； ftt2（）函数为二维逆快速傅里叶变换函数。 Imhist（）函数：图像直方图函数。 Imrotate（）函数：旋转图像函数。 Imnoise（）函数：给图像增加噪声。 Histeq（）函数：直方图均衡化函数 Edge（）函数：边缘检测函数。 Title（）函数：给图像加标题。 Xlable（），Ylable（）函数：对图像的x轴，y轴加标注。 什么是直方图，直方图均衡算法。 直方图：图像的直方图是图像的重要统计特性，是表示数字图像中每一灰度级与其出现的频数（该灰度像素的数目）间的统计关系。其横坐标表示灰度级，纵坐标表示频数。（杨帆） 灰度直方图：灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。其横坐标表示灰度值，纵坐标表示像素个数。 灰度直方图将数字图像中的所有像素，按照灰度值得大小，统计其所出现的频度。其横坐标表示灰度值，纵坐标表示像素个数。（朱虹）（简称直方图） 灰度直方图有两种表示形式 1）图形表示形式：横坐标表示灰度级，纵坐标表示图像中对应某灰度级所出现的像素个数。 2）数组表示形式：数组的下标表示相应的灰度级，数组的元素表示该灰度级下的像素个数。 灰度直方图的性质：所有的空间信息全部丢失； 每一灰度级的像素个数可直接得到。 （老师课件） 直方图均衡算法： 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。 直方均衡方法的基本原理是，对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。从而达到清晰图像的目的。（朱虹） 基本步骤：①统计直方图每个灰度级出现的次数；②累计归一化的直方图；③计算新的像素值。 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。（老师课件） 图像之间运算有哪些？ 图像的代数运算： 加法运算：计算两幅图像矩阵对应像素值的和。（前提是两幅图像矩阵的大小和类型相同，维数要相同。） 减法运算：去除图像中所不需要的加性图案。 乘法运算：可以实现掩膜操作，即屏蔽掉图像的某些部分。 除法运算：可用于校正成像设备的非线性影响，可以用来检测两幅图像的区别。 逻辑运算： 求反：获得一个子图像的补图像；绘制区别于背景的、可恢复的图形。 异或：获取相交子图像；绘制区别于背景的、可恢复的图形。 并：合并子图像。 交：求两个子图像的相交子图。 点运算： 点运算的实质是灰度到灰度的映射过程；显然点运算时各像素间不发生关系，各像素的处理时独立进行的，也不会改变图像内像素点之间的空间位置关系。 几何运算：（几何运算也称几何变换） 图像的几何变换包括了图像的形状变换和图像的位置变换以及图像复合变换。 图像的形状变换主要是指图像的缩小、放大、错切。 图像的位置变换是指图像的平移、镜像、旋转。 模拟图像如何转变为数字图像。 图像数字化就是将二维坐标系中连续变化的像素点离散化，以及对表示亮暗程度的数值离散化处理，像素点的亮度或色彩取值空间离散为有限个数值的量化级数，以数码表示图像信息。这两个操作就是采样和量化。 采样：采样是指将空域上或时域上连续的图像（模拟图像）变换成离散采样点（像素）集合的一种操作。 采样先将二维信号变为一维信号，再对一维信号完成采样。 量化：量化就是把采样点上表示亮暗信息的连续量离散化后，用数值来表示的。一般的量化值为整数。这样，经过采样和量化之后，数字图像可以用整数阵列的形式来描述。（朱虹） 所谓的图像数字化，是指将模拟图像经过离散化之后，得到用数字表示的图像。 图像的数字化包括了空间离散化（即采样）和明暗表示数据的离散化（即量化）。 采样：是指将在空间上连续的图像转换成离散的采样点（即像素）集的操作。 由于图像是二维分布的信息，所以采样是在 x轴和y轴两个方向上进行的。 一般情况下，x轴方向与y轴方向的采样间隔相同。 采样时的注意点是：采样间隔的选取。 采样间隔太小，则增大数据量；太大，则会发生信息的混叠，导致细节无法辨认。 量化：量化是将各个像素所含的明暗信息离散化后，用数字来表示。一般的量化值为整数。 充分考虑到人眼的识别能力之后，目前非特殊用途的图像均为8bit量化，即采用0 ~ 255的整数来描述“从黑到白”。 量化可分为均匀量化和非均匀量化。 均匀量化是简单地在灰度范围内等间隔量化。 非均匀量化是对像素出现频度少的部分量化间隔取大，而对频度大的量化