数字图像总复习

一、第一章

1.图像文件格式由（文件头）及（图像数据）组成

2.常见的图像文件格式：（JPEG）、（png）、（gif）、（bmp）

3.图像处理中常用的Python工具包：（OpenCV）、（Matplotlib）、（Pillow）、（Scikit-image）、（Numpy）

4.图像类型：（矢量图）、（位图）

二、第三章

1.滤波：滤波一词起源于（通信理论），是从含有干扰的信号中提取（有用信号）的一种技术

2.空域滤波：按照一定计算规则直接修改图像像素值

3.频域滤波：一种变换域滤波，先对图像进行傅里叶变换，然后在变换域中对图像的频谱系数进行处理，再进行逆变换

4.线性空域滤波器：滤波输出是该像素指定邻域内像素灰度值的线性组合

5.非线性空域滤波器：滤波输出是该像素指定邻域内像素灰度值的非线性函数

6.图像平滑：能保留信号的低频成分、去除或抑制高频成分，从而减弱图像像素灰度或颜色值的空间波动程度，使之变得平滑，导致图像模糊

7.图像锐化：保留信号的高频拼成、去除或抑制低频成分，提取图像中的纹理细节

三、第四章

1.正弦信号的时域表达可由（幅度、相位、频率）三个参数完全确定

2.傅里叶变化能（将时间或空间信号与频率联系起来）

3.带通滤波器：仅允许信号中特定频率成分通过，同时对其余频率成分进行有效抑制

4.带阻滤波器：有效抑制信号中特定频率成分，而允许其余频率成分通过

5.同态滤波器：能压缩图像低频分量的动态范围，同时扩展提升图像高频分量的动态范围

四、第五章

1.进入眼睛的光线来自：（光源的辐射光）、（物体的反射光）、（透明物体传输的透射光）

2.人类眼球可分为：（屈光系统）和（感光系统）

3.可见光的波长范围下限一般在：（360~400nm之间），上限在（760~830nm之间）

4.单色光：只含有单一波长成分的光称为单色光

5.复合光：含有两种或两种以上波长成分的光

6.同色异谱现象：一种颜色感觉对应不只一种光谱组合，两种不同复合光可能引起完全相同的颜色感觉

7.色温：当光源所发出的光的颜色与黑体在某一温度下辐射的颜色相同时，黑体的这个温度就称为该光源的颜色温度，简称色温

8.色温高，光线的颜色偏冷；色温低，光纤的颜色偏暖；色温适中时，光线接近于白色

9.相关色温：光源发射的光与黑体在某一温度下辐射的光颜色最接近，则黑体的温度就称为该光源发射的光的相关色温

10.照明体：定义为在影响物体颜色知觉的波长范围内具有确定的相对光谱功率分布的辐射，是指一种经过定义的光谱能量分布，不一定是可实现的或可由光源提供

11.颜色分为：“无彩色”和“彩色”

五、第八章

1.开运算：先腐蚀后膨胀

2.闭运算：先膨胀后腐蚀

3.Hough变化直线检测的基本步骤

创建累加器数组
点线映射
确定累加器数组的极大值
确定直线的端点及间断连接

六、第十章

1.图像分割严重依赖于图像灰度或颜色值的两个属性之一

2.不连续性：基于灰度或颜色值的突变（图像中的边缘）进行分割

3.相似性：基于灰度或颜色的相似性进行分割

4.阈值分割通常将图像中感兴趣的物体所形成的区域称为：“兴趣区域”、“目标”、“前景”，其余称为背景

5.当阈值T用于整个图像所有像素时，称为“全局阈值分割”

6.处理图像中不同像素时，阈值T可以改变，称为“可变阈值分割”

7.如果像素所用的阈值T取决于像素邻域的图像特征，此时可变阈值分割又称为“局部阈值分割”或“基于区域的阈值分割”

8.如果一幅图像中的每个像素都要计算各自的阈值T，则此种可变分割称为“动态阈值分割”或“自适应阈值分割”

9.Otus（大津法）其核心概念是“类间方差”

10.局部均值和方差两个统计量，描述了像素附近的对比度和明暗程度

11.区域生长条件：当候选像素的灰度值与已生长区像素灰度平均值之差的绝对值小于阈值T

作业一

简述图像的亮度、对比度和动态范围的含义。

图像的亮度：“通常指图像的整体亮度，像素的明暗取决于其灰度值或颜色分量的大小，图像的整体亮度则取决于所有像素的平均值”

对比度：“用于描述图像中不同区域、物体之间的可区分性”

动态范围：“一幅图像的像素灰度值所跨越的值域”

试比较图像直方图均衡化、直方图规定化和直方图匹配三者之间的异同。

直方图均衡化：“目的是找到一个灰度变化函数，使得处理后图像的灰度直方图近似为均匀分布”

直方图规定化与直方图匹配是同一种方法：“目的是寻找一个灰度变换函数，使得处理后图像的灰度直方图，与指定的灰度直方图相同(相匹配)”

3. 讨论用于图像平滑和锐化的空域滤波器的异同及联系。

图像平滑常用滤波器有：“均值滤波器、高斯低通滤波器等线性滤波器”和“最大值、最小值、中值等各种统计排序滤波器”

图像锐化常用滤波器有：“ 拉普拉斯滤波器”

相同点：
- 都依赖于邻域像素的信息，无论是增强还是减少像素值。
不同点：
- 目标不同：平滑的目标是去噪，锐化的目标是增强细节。
- 对边缘的处理不同：平滑滤波器会模糊边缘，锐化滤波器会强化边缘。

4. 在处理椒盐噪声时，为什么中值滤波效果比均值滤波效果好？

原因：“椒盐噪声是一种随机噪声，表现为图像中出现孤立的白点和黑点，这种噪声会改变某些像素的值，造成图像失真。由此可知，使用均值滤波器计算邻域内所有像素的平均值，这种方法会受到极端值的影响，如果中心像素被污染，那么均值滤波会导致周围正常像素值的平均计算变得不准确，从而引入更多模糊。而使用中值滤波器将邻域像素值排序，并取中间值作为新的像素值，能够有效保留领域的整体趋势，从而有效降低椒盐噪声的影响”