数字图像处理知识点小记1

Question1

图像锐化和图像平滑的联系与区别

1. 图像锐化：增强图像的边缘与细节，增强图像的高频部分，使图像变清晰。
2. 图像平滑：用于图像去噪，但是会使图像的高频部分减弱，使图像边缘有影响
3. 都属于图像增强，改善图像的可懂度与视觉效果。

Question2

伪彩色增强与假彩色增强的异同点

1. 伪彩色增强：对灰度图像进行三种变换得到三幅图像，进行彩色合成一幅图像
2. 假彩色增强：对一幅彩色图像进行处理得到与原图像不同的彩色图像
   主要区别：
   伪彩色是对灰度图像进行处理，主要是输入一个灰度值映射到不同的彩色。
   假彩色是对彩色图像或者多波段图像，映射到RGB图像生成和原本彩色图像不同的彩色，使得图像特征更明显
   共同点：
   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。

Question3

图像锐化滤波的方式：

1. 直接以梯度值代替像素
2. 辅以门限值替代，梯度大于门限的像素以梯度替代
3. 给边缘一个特定的灰度级
4. 给背景一个特定的灰度级
5. 二值化图像

Question4

中值滤波是指将当前像元的窗口中所有像素灰度由小到大进行排序，中间值作为当前像素的输出值
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够有效保护边缘少受模糊。

Question5

什么是直方图均衡化？

• 直方图均衡化是通过对原图像进行某种变换使原图像的灰度直方图修正为均匀分布的直方图的一种方法。
• 直方图均衡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。

Question6

图像增强和图像复原的联系与区别？

1. 图像增强是为了增强图像的可懂度，图像复原是为了提高图像的逼真度，但是大部分情况下都是符合人眼对图像的喜好，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，而是试图选取一些技术增强图像的视觉效果，不顾增强后图像是否失真，人眼效果好即可
3. 图像复原需要知道图像退化的机制和过程等先验知识，找出一种逆处理办法，将图像复原
4. 如果图像退化，则需要先进行图像复原处理，在进行图像增强处理。

Question7

三种图像冗余的概念以及消除的例子。
视觉心理冗余：
人对图像中的部分信息不敏感，如高频部分，去除后不影响人眼的观感。
方法：量化，DCT压缩，去除高频边缘部分；降低颜色通道的分辨率
像素冗余：
图片中存在相似的像素，如颜色接近，亮度接近，导致数据重复存储造成冗余
方法：DPCM预测编码，存储相似像素之间的差值；DCT变换后接近的
编码冗余：
定义：
由于编码方式不够高效，导致某些符号（如像素值）的编码长度超出其信息熵所需的最小长度。
示例：

• 用固定长度8位二进制表示所有像素值，即使某些值出现概率极高（如灰度图像中255可能频繁出现）。
• 英文文本中字母“e”出现频率高，但用与其他字母相同位数的编码。

Question8

问题：叙述图像处理研究的内容

1. 图像处理包括三个层面：狭义图像处理，图像分析和图像识别
   • 狭义图像处理：输入图像，对图像进行各种操作处理，改善图像视觉效果
   • 图像分析：对图像中的目标进行描述
   • 图像识别：使用算法和人工智能方法，研究图像中各个目标的性质以及相互之间的联系
2. 处理的内容包括：图像识别，图像编码，图像增强，图像复原，特征提取与图像分割等

Question9

灰度变换的目的是为了改善图像的画质，使图像的显示效果更加清晰（属于图像增强的一种）
灰度变换的定义：通过调整像素的灰度值来改变图像的视觉效果或增强特定特征
灰度变换曲线：描述输入灰度值与输出灰度值之间关系的函数，其形状直接决定了图像的整体或局部特征在灰度函数下是如何修改的。
作用：

1. 控制图像的对比度和亮度
2. 实现阈值化和二值化操作
3. 动态范围扩展和图像压缩
4. 直方图修正方法，包括均衡化和规定化等

Question10

空间滤波和频率滤波的作用

1. 空间滤波：在空间域直接对图像像素进行处理，使用小尺寸的滤波器（卷积核）对图像逐行逐列进行扫描，与周围进行加权求和或非线性运算（如中值滤波等）作用。
   • 直接对图像的像素进行处理，可实现平滑降噪，锐化边缘增强等操作
   • 提取图像的局部特征，如CNN中的卷积核操作等
   • 其他形态学操作，如开闭，膨胀腐蚀均为空间滤波
2. 频域滤波：对图像进行DFT操作变换到频域，对不同的频率分量进行处理，然后进行IDFT回到空间域，得到处理后的图像。
   • 直接对图像的全局进行处理，可以去除高频噪声（低通滤波）或增强边缘（高通滤波器），去除特定频率的干扰（带阻滤波）
   • 图像压缩DCT操作，保留图像中的主频率部分，在尽可能保留图像信息的条件下节约存储资源

Question11

直方图均衡计算题：
Example: Assuming an image with a total pixel count of $ n = 64 \times 64 $, grayscale level number 8, and the distribution of each grayscale level is listed in the table.

$r_k$	$n_k$	$P_r(r_k)=\frac{n_k}{n}$	$S_k计$	$S_k并$	$s_k$	$n_{sk}$	$P_k(s)$
$r_0=0$	790	0.19	0.19	$\frac{1}{7}$	$s_0=\frac{1}{7}$	790	0.19
$r_1=\frac{1}{7}$	1023	0.25	0.44	$\frac{3}{7}$	$s_1=\frac{3}{7}$	1023	0.25
$r_2=\frac{2}{7}$	850	0.21	0.65	$\frac{5}{7}$	$s_2=\frac{5}{7}$	850	0.21
$r_3=\frac{3}{7}$	656	0.16	0.81	$\frac{6}{7}$	$s_3=\frac{6}{7}$	985	0.24
$r_4=\frac{4}{7}$	329	0.08	0.89	$\frac{6}{7}$	$s_3=\frac{6}{7}$	985	0.24
$r_5=\frac{5}{7}$	245	0.06	0.95	1	$s_4=1$	448	0.11
$r_6=\frac{6}{7}$	122	0.03	0.98	1	$s_4=1$	448	0.11
$r_7=1$	81	0.02	1.00	1	$s_4=1$	448	0.11

注意上面表格中的计算策略：首先计算每个灰度出现的概率，然后计算累计概率，计算累计概率乘以灰度数（此处为分母7），然后进行四舍五入，得到$s_k$处于的灰度，然后将其映射过来，得到新的灰度级的分布。