数字图像处理第七章 图像分割
第七章图像分割
1、什么是区域？什么是图像分割？
答：在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些感兴趣的部分常称为目标或图像，它们一般对应图像中的特定的、具有独特性质的区域。这里的区域是指相互连通的、有一致属性的像素的集合。
图像分割是指把图像分成互不重叠区域并提取感兴趣目标的技术。
2、边缘检测的理论依据是什么，有哪些方法？各有哪些特点？
答：边缘是指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合。它存在于目标和背景、目标与目标、区域与区域、基元与基元之间。他对图像识别和分析十分有用，边缘能够画出目标物体轮廓，使观察者一目了然，包含了丰实的信息，是图像识别中抽取的重要属性。利用边缘灰度变化的一阶或二阶导数特点，可以将边缘点检测出来。
方法包括：
（1）梯度算子；特点是仅计算相邻像素的灰度差，对噪音敏感，无法抑制噪声的影响。（2）Roberts梯度算子；与梯度算子检测边缘的方法类似，但效果较梯度算子略好。（3）Prewitt和Sobel算子；该算子不仅能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。
（4）方向算子；检测能力强，抗噪能力好。
（5）拉普拉斯算子；特点是各向同性、线性和位移不变的；对细线和孤立点检测效果较好。但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强作用。
（6）马尔算子；马尔算子用到的卷积模板一般较大，不过这些模板可以分解为一维卷积来快速计算。
（7）Canny算子；可以减少小模板检测中的边缘中断，有利于得到较为完整的线段。3、什么是hough变换？hough变换检测直线时，为什么不采用y=kx+b的表达式？试述采
用hough变换检测直线的原理。
答：设在直线坐标系中有一条直线L,在原点到该直线的垂直距离为Ρ，垂线与x周的夹角为θ，则可用Ρ、θ来表示该直线，其直线方程为：
Ρ=xcosθ+ysinθ
而这条直线用极坐标表示则为一点（Ρ，θ）,可见，直角坐标系中的一条直线对应极坐标系中的一点，这种线到点的变换叫做hough变换。
y=kx+b表示的是一条直线上的点，而hough变换表示的是线到点的关系，因此，hough 变换不能用y=kx+b来表示。
Hough变换的原理：在直角坐标系中过任一点（x0,y0）的直线系，满足
Ρ= x0cosθ+y0sinθ=错误！未找到引用源。sin(θ+Φ)
式中，Φ=arctan(y0/x0).这些直线在极坐标系中所对应的点（Ρ，θ）构成一条正弦曲线。反之，在极坐标系中位于这条直线上的点，对应直线坐标系中过点（x0,y0）的一条直线。设平面上有若干点，过没点的直线系分别对应于极坐标上的一条正弦曲线。
若这些点有共同的交点（Ρ0，θ0），则这些点共线，且对应的直线方程为
Ρ0=xcosθ0+ysinθ0
4、常用的三种最简单图像分割法各有何特点？
答：（1）状态法；状态法首先统计最简单图像灰度直方图，若其直方图成双峰且有明显的谷，则将谷所对应的灰度值作为阈值，按照二值化公式进行二值化，就可将图像从目标中分割出来。这种方法适用于目标和背景的灰度值较大，有明显谷的情况。
（2）判断分析法；判断分析法便利，是一种常用的方法。但它不能反映图像的几何结构，有时分割结果与人的视觉效果不一致。
（3）最佳熵自动阈值法；最佳熵自动阈值法是通过研究图像灰度直方图的熵测量，
由此自动找出分割图像的最佳阈值的区域分割法。
6、区域分割与区域增长有何区别？
答：区域分割是分割出图像中的不同属性，并且图像区域分割是确定属性阈值的问题；而图像增长是把图像分割成若干小区域，比较相邻小区域的相似性。若它们足够相似则作为同一区域合并，以此方式将特征相似的小区域不断合并，直到不能合并为止，最后形成特征不同的区域。
7、区域分割中群聚法的基本思想是什么？
答：基本思想是将图像空间中的像素用对应的特征空间点表示，根据它们在特征空间的聚集对特征空间进行分割，然后将它们映射回原图像空间，得到分割的结果。
8、分裂合并法的基本思想是什么？
答：它是基于四叉树思想，把原图像作为树根或零层，将该图像等分成4个子块，作为被分裂的第一层。对第一层的每个子块，若像素属性一致则不再等分；如果属性不一致，则子块需分裂成相等的四块作为第二层，如此循环。
智慧树知到数字图像处理章节测试答案
智慧树知到《数字图像处理》章节测试答案第一章 1、表示一幅灰度图像，一般用（）？ 一个常数 二维矩阵 三维矩阵 一个变量 答案: 二维矩阵 2、彩色图像中，每个像素点用（）表示色彩值？ 一个值 二个值 三个值 四个值 答案: 三个值 3、不可见光是可以形成图像的 对 错 答案: 对 4、数字图像的质量与量化等级有关 对 错 答案: 对
5、一幅模拟图像转化为数字图像，要经过（）？ 重拍 重拍 采样 量化 变换 答案: 采样,量化 6、某个像素的邻域，一般有（）？ 4-邻域 8-邻域 10-邻域 对角邻域 答案: 4-邻域,8-邻域,对角邻域 第二章 1、傅里叶变换得到的频谱中，低频系数对应于（）？物体边缘 噪音 变化平缓部分 变化剧烈部分 答案: 变化平缓部分 2、一幅二值图像的傅里叶变换频谱是（）？ 一幅二值图像
一幅灰度图像 一幅复数图像 一幅彩色图像 答案: 一幅灰度图像 3、傅里叶变换有下列哪些特点（）？ 有频域的概念 均方意义下最优 有关于复数的运算 从变换结果可以完全恢复原始数据 答案: 有频域的概念,有关于复数的运算,从变换结果可以完全恢复原始数据4、图像的几何变换改变图像的大小或形状，例如（）？ 平移 旋转 缩放 退化 答案: 平移,旋转,缩放 5、傅里叶变换得到的频谱中，高频系数对应于图像的边缘部分。 对 错 答案: 对 6、图像平移后，其傅里叶变换的幅度和相位均保持不变。 对
错 答案: 错 第三章 1、图像与其灰度直方图间的对应关系是（）？ 一一对应 多对一 一对多 都不对 答案: 2、下列算法中属于点处理的是（）？ 梯度锐化 直方图均衡化 傅里叶变换 中值滤波 答案: 3、为了去除图像中某一频率分量，除了用带阻滤波器还可以用（）？ 低通滤波器 高通滤波器 带通滤波器 低通滤波器加高通滤波器 答案: 4、要对受孤立噪声点影响的图像进行平滑滤波，不能达到效果的滤波器是（）？
水平集图像分割方法研究
生物医学图像分割方法研究 1、图像分割概述 图像是用各种观测系统以不同形式和手段观测客观世界所获得的，可以直接或间接作用于人眼并产生视觉感知的实体。在现实生活之中，大约有75%左右的信息来源于人眼（图像），也就是说人类大部分的信息是视觉信息，从图像中得到。所以，对图像的认识和理解一直是人类视觉研究中非常重要的问题。图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。图像分割是计算机视觉领域中最古老也是研究最广泛的问题之一。任何图像处理系统，医学图像或是工业图像，图像分割都是一个关乎系统成败的关键问题。 现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于边缘的分割方法、基于区域的分割方法以及基于特定理论的分割方法等。 1、基于阈值的分割方法。 阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素根据比较结果分到合适的类别中。因此，该类方法最为关键的一步就是按照某个准则函数来求解最佳灰度阈值。阈值分割当面比较有名的方法有最大类间方差法(OTSU)、基于直方图的阈值方法和熵方法等。 2、基于边缘的分割方法 所谓边缘是指图像中两个不同区域的边界线上连续的像素点的集合，是图像局部特征不连续性的反映，体现了灰度、颜色、纹理等图像特性的突变。通常情况下，基于边缘的分割方法指的是基于灰度值的边缘检测，它是建立在边缘灰度值会呈现出阶跃型或屋顶型变化这一观测基础上的方法。 阶跃型边缘两边像素点的灰度值存在着明显的差异，而屋顶型边缘则位于灰度值上升或下降的转折处。正是基于这一特性，可以使用微分算子进行边缘检测，即使用一阶导数的极值与二阶导数的过零点来确定边缘，具体实现时可以使用图像与模板进行卷积来完成。常用的边缘检测算子有sobel，canny和laplace等等。
数字图像处理第三版 (Rafael C.Gonzalez著)第三章答案
（a ）由2 )(Kr Ae r T s -==，3/2 A Ae KL =-得：) 3/1ln(20=-KL ，20 /0986.1L K = 2 2 0986.1)(r L Ae r T s -== （b ）、由 ， 4/)1(2 0B e KL =--B 得： )4/3ln(2 0=-KL ,2 0/2877.0L K = )1()(2 2 2877.0r L e B r T s - -== （c ）、 逐次查找像素值，如（x ，y ）=（0，0）点的f （x ，y ）值。若该灰度值的4比特的第0 位是1，则该位置的灰度值全部置1，变为15；否则全部置0，变为0。因此第7位平面[0,7]置0，[7,15]置1，第6位平面[0,3]，[4,7]置0，[8,11]，[12,15]置15。依次对图像的全部像素进行操作得到第0位平面，若是第i 位平面，则该位置的第i 位值是0还是1，若是1，则全置1，变为15，若是0，则全置0 设像素的总数为n ，是输入图像的强度值，由，rk 对 应sk ，所以，由 和得 由此得知，第二次直方图均衡化处理的结果与第一次直 方图均衡化处理的结果相同，这里我们假设忽略不计四舍五入的误差。
3.11题、由 dw w p z G v z z )()(0 ? = =, ?? ?=<<-5 .0041 5.044)( w w w w z w p { 5 .0021 5.02210 2 2 )()(<<<<+-= = =? z z z z z z z dw w p z G v 令v s =得 所以?? ???=?? ?? ?==- <<+-±<<- -+-±±-±-5.010221 5.0121 )2(25.022 125.01 22 )(r r r r r r v v v G z 3.12题、第k 个点邻域内的局部增强直方图的值为： P r (r k )=n k /n (k=0,1,2,……K-1)。这里n k 是灰度级为r k 的像素个数，n 是邻域内像素的总个数，k 是图像中可能的灰度级总数。假设此邻域从左以一个像素为步长向右移动。这样最左面的列将被删除的同时在后面又产生一个新的列。变化后的直方图则变成 ： (k=0,1,2,……K-1) 这里n lk 是灰度级r k 在左面的列出现的次数，n rk 则为在右面出现的次数。 上式也可以改写成： (k=0,1,2,……K-1) 同样的方法也适用于其他邻域的移动： 这里a k 是灰度级r k 在邻域内在移动中被删除的像素数，b k 则是在移动中引入的像素数： (k=0,1,2,…… K-1) 上式等号右边的第一项为0（因为f 中的元素均为常数）。变量 是噪声的简单抽样，它 的方差是。因此 并且我们可以得到。上述过
第七章 图像分割
第七章图像分割 1.什么是区域？什么是图像分割？ 区域是指相互连通的、有一致属性的像素的集合。 图像分割是指把图像分成互不重叠的区域并提出感兴趣目标的技术。 2.边缘检测的理论依据是什么？有哪些方法？各有什么特点？ 边缘能勾画出目标物体轮廓，使贯彻着一目了然，包含了丰富的信息（如方向、阶跃性质、形状等），是图像识别中抽取的重要属性。 （1）梯度算子。特点：仅计算相邻像素的灰度差，对噪声敏感，无法抑制噪声的影响。 （2）Roberts梯度算子。特点：与梯度算子检测边缘的方法类似，但效果较梯度算子略好。 （3）Prewitt和Sobel算子。特点：不仅能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。 （4）方向算子。特点：边缘检测能力强，且抗噪性能好。 （5）拉拉普拉斯算子。特点：各向同性、线性和位移不变的；对细线和孤立点检测效果好。但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强效果。 （6）马尔算子。特点： （7）Canny边缘检测算子。特点：可以减小检测中的边缘中断，有利于得到较为完整的线段。 （8）沈俊边缘检测方法。特点：用对称的指数函数滤波器进行平滑，并在阶跃边缘，可加白噪声的模型下，按信噪比最大准则，证明了对称的指数函数滤波器是最 佳滤波器。 （9）曲面拟合法。特点：对一些噪声比较严重的图像进行边缘检测可以取得较为满意的结果。 3.拉普拉斯边缘检测算子与拉普拉斯边缘增强算子有何区别？ 拉普拉斯边缘检测算子模板中心是-4，拉普拉斯边缘增强算子模板中心是+5。 4.什么是Hough变换？Hough变换检测直线时，为什么不采用y=kx+b的表达形式？试 述采用Hough变换检测直线的原理。 直角坐标系中的一条直线对应极坐标系中的一点，这种线到点的变换就是Hough变换。在直角坐标系中过任一点（x0，y0）的直线系，满足 其中而这些直线 在极坐标系中所对应的点（ρ、θ）构成一条正弦曲线。反之在极坐标系中位于这条正弦曲线上的点，对应直角坐标系中过点（x0，y0）的一条直线，设平面上有若干点，过每点的直线分别对应于极坐标系上的一条正弦曲线。若这些正弦曲线有共同的交点（ρ‘、θ’），则 这些点共线，且对应的直线方程为 5.常用的三种最简单图像分割法各有何特点？
数字图像处理：部分课后习题参考答案
数字图像处理：部分课后习题参考答案 第一章 1.连续图像中，图像为一个二维平面，(x,y)图像中的任意一点，f（x,y）为图像于 (x,y)于处的值。连续图像中，(x,y)的取值是连续的，f(x,y)也是连续的 数字图像中，图像为一个由有限行有限列组成的二维平面，（i,j)为平面中的任意一点，g（i,j)则为图像在（i,j)处的灰度值，数字图像中，（i,j) 的取值是不连续的，只能取整数，对应第i行j列,g（i,j) 也是不连续的，表示图像i行j列处图像灰度值。 联系：数字图像g(i,j)是对连续图像f(x,y)经过采样和量化这两个步骤得到的。 其中 g(i,j)=f(x,y)|x=i,y=j 2. 图像工程的内容可分为图像处理、图像分析和图像理解三个层次，这三个层次 既有联系又有区别，如下图所示。 图像处理的重点是图像之间进行的变换。尽管人们常用图像处理泛指各种图像技术，但比较狭义的图像处理主要是对图像进行各种加工，以改善图像的视觉效果并为自动识别奠定基础，或对图像进行压缩编码以减少所需存储空间 图像分析主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述。如果说图像处理是一个从图像到图像的过程，则图像分析是一个从图像到数据的过程。这里的数据可以是目标特征的测量结果，或是基于测量的符号表示，它们描述了目标的特点和性质。 图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行动。 如果说图像分析主要以观察者为中心来研究客观世界，那么图像理解在一定程度上是以客观世界为中心，借助知识、经验等来把握整个客观世界(包括没有
数字图像处理第三章答案
3.1 a 为正常数的指数式 e ar -2 对于构造灰度平滑变换函数是非常有 用的。由这个基本函数开始，构造具有下图形状的变换函数。所示的常数是输入参数，并且提出的变换必须包含这些参数的特定形式（为了答案曲线中的L 0不是所要求的参数）。 解：由（a ）图所示，设e ar A r T -=2 )(,则 在r=0时，T(r)=A 在r=L 0时，T(r)=A/2 联立，解得L L a 0 693 .00 2 ln 2 2 ≈ = 则C r L C D r T s e K +--==-)1)(()(2 2 由（b ）图所示，可以由(a)图翻转得到，所以（b ）图的表达式 s=)1()(2 20 693 .0r L B r T e --= （c ）图是（b ）图沿y 轴平移得到，所以（c ）图的表达式 C r L C D r T s e K +--==-)1)(()(2 3.19 (a)在3.6.2节中谈到，分布在图像背景上的孤立的亮和暗的像素团块，当它们小于中值滤波器区域的一半时，经过中值滤波器处理后会被滤除（被其邻值同化）。假定滤波器尺寸为n n ?,n 为奇数，解释这种现象的原因？
（b ）考虑一副有不同像素团块的图像，假设在一个团块的所有点都比背景凉或者暗（但不是同时既比背景亮又比背景暗），并且每个团块的尺寸不大于22 n 。试求当n 符合什么条件时，有一个或多个这样的团块像（a ）中所说的那样被分离出来？ 答：在A 的结论下，我们考虑的团块的像素个数不可能超过2 )1(2 -n ， 两个相近的或亮或暗的团块不可能同时出现在相邻的位置。在这个 n n ?的网格里，两个团块的最小距离至少大于)1(2-n ，也就是说至 少在对角线的区域分开跨越（n-1）个像素在对角线上。 3.29 CCD 电视摄像机用于每天24小时，每月30天对同一区域进行长期观测研究。5分钟拍一次数字图像并传送到中心场所。场景的照明，白天为自然光，晚上为人造光，没有无照明的时间，因此摄像机本身并不需要使用任何补偿装置。另外，使用数字技术对图像进行后处理并归一化，这样就使图像与恒定照明是等效的。对此，设计一种方法。可以在实验室内使用希望的任何方法，但要在设计中明确列出所做的所有假设。 答：本题是考虑到范围的照明停留在线性部分的相机的反应范围,
基于水平集的gac模型的图像分割报告
偏微分方程与图像处理(GAC的水平集方法)
实验二 GAC 的水平集方法 一 实验目的 采用GAC 模型的水平集方法检测图像中对象的轮廓，以便有效地进行分割。 二 原理分析 推广GAC 模型的水平集方法对应的PDE 为： u gc u g u gk u t ?=?+???+?? （3.31） 按照上式，曲线运动将受两种“力”的支配，第一种力来自于曲率几何形变—曲率运动（gc u gk u ?+?），不过它的强弱还要受到因子()g I ?的影响。 I ?为图象I(x,y)的梯度模值，函数g (r) 是可以是任何具有单调减性的函数。 因为图象梯度模值I ?在图象的边缘附近有较大值，从而使g(I ?)取极小的值，故在图象边缘附近，该作用力将会变的很小，因此有时将边缘函数()g I ?称之为边缘停止函数。常数c 的作用是加速曲线向内部收缩。 第二种力来自于g 的梯度(1,2)g αα?= ，它是一种不论当前C 的局部是在对象内部或外部，都能将曲线引向边界的“吸引力”。从而g u ??? 总是使曲线向着更接近于边界线的方向运 动，最终达到贴近对象边界的稳定状态。 由于这两种作用使曲线演化可最终达到紧靠轮廓这一稳定状态而不再继续演化。 采用单边迎风方案，根据（1.76）式的数值方案实现上式： 考虑到 0g >,0c > 可得： (1) () () {n n ij ij ij u u t g c +-=+?? () () () () max(1,0)min(1,0)max(2,0)min(2,0)x ij x ij y ij y ij D u D u D u D u αααα-+-+++++ (0) 2 (0) 212 [()()]}n ij ij x ij y ij g k D u D u ++ (2.1) 其中 () 2222 [(max(,0))(min(,0))(max(,0))(min(,0))] x ij x ij y ij y ij D u D u D u D u -+-+-? =+++ (2.3) ,1,1 (0) 2 i j i j x ij u u D u +--= 中心差分 (2.2)
数字图像处理第三章答案【1-11】
首先，对原图像进行处理，使其最小像素值为0，即用f （x,y ）减去原图像的最小像素值，形式如下： g(x,y) = f(x,y)-f min ，f min 为最小像素值 其次，对g （x,y ）的像素值进行归一化处理，即用g （x ，y ）除以像素中的最大值 g1(x,y)=g(x,y)/max (g),max(g)代表g(x,y)中像素的最大值。 最后，映射灰度进行变换 G2(x,y)=(L-1)g1(x,y)=(L-1)g(x,y)/max(g)=(L-1)[f(x,y)-f min ]/m ax(f(x,y)-f min ) (a)从图中得最大值为A ，在r=0时，T(r)=A ，可设通用形式s=T(r)=Ae -ar2. 如图中所示在r=L 0时，T(r)=A/3 《 联立，解得a=ln2/L 02= L 02 则s=L02 （b ）从图中得知曲线最大值为B ，最小值为0，可设s= s=T(r)=B(1-e -ar2),从图中可知，r=L 0时，T(r)=B/4 解得，a= L 02 s=T(r)=B r2/ L02) （c ）图是（b ）图沿y 轴平移得到，所以（c ）图的表达式 C r L C D r T s e K +--==-)1)(()(2 20 (a)根据官网提供的答案为s=T(r)=1/(1+(m/r)E )
(b)根据条件m=L/4，即s=T(r)=1/(1+(L/4r)E) 在matlab中进行画图实现，情况如下。 程序： %% %习题 %作者:褚凯 %日期： 1./(1+(255./(4.*x)).^1); y2= 1./(1+(255./(4.*x)).^2); ） y3= 1./(1+(255./(4.*x)).^5); y4= 1./(1+(255./(4.*x)).^10); y5= 1./(1+(255./(4.*x)).^20); y6= 1./(1+(255./(4.*x)).^100); y7= 1./(1+(255./(4.*x)).^150); y8= 1./(1+(255./(4.*x)).^200); plot(x,y1,x,y2,x,y3,x,y4,x,y5,x,y6,x,y7,x,y8); legend('e=1','e=2','e=5','e=10','e=20','e=100','e=150','e=2 00'); 】 结果：
数字图像处理第七章 图像分割
第七章图像分割 1、什么是区域？什么是图像分割？ 答：在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些感兴趣的部分常称为目标或图像，它们一般对应图像中的特定的、具有独特性质的区域。这里的区域是指相互连通的、有一致属性的像素的集合。 图像分割是指把图像分成互不重叠区域并提取感兴趣目标的技术。 2、边缘检测的理论依据是什么，有哪些方法？各有哪些特点？ 答：边缘是指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合。它存在于目标和背景、目标与目标、区域与区域、基元与基元之间。他对图像识别和分析十分有用，边缘能够画出目标物体轮廓，使观察者一目了然，包含了丰实的信息，是图像识别中抽取的重要属性。利用边缘灰度变化的一阶或二阶导数特点，可以将边缘点检测出来。 方法包括： （1）梯度算子；特点是仅计算相邻像素的灰度差，对噪音敏感，无法抑制噪声的影响。（2）Roberts梯度算子；与梯度算子检测边缘的方法类似，但效果较梯度算子略好。（3）Prewitt和Sobel算子；该算子不仅能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。 （4）方向算子；检测能力强，抗噪能力好。 （5）拉普拉斯算子；特点是各向同性、线性和位移不变的；对细线和孤立点检测效果较好。但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强作用。 （6）马尔算子；马尔算子用到的卷积模板一般较大，不过这些模板可以分解为一维卷积来快速计算。 （7）Canny算子；可以减少小模板检测中的边缘中断，有利于得到较为完整的线段。3、什么是hough变换？hough变换检测直线时，为什么不采用y=kx+b的表达式？试述采 用hough变换检测直线的原理。 答：设在直线坐标系中有一条直线L,在原点到该直线的垂直距离为Ρ，垂线与x周的夹角为θ，则可用Ρ、θ来表示该直线，其直线方程为： Ρ=xcosθ+ysinθ 而这条直线用极坐标表示则为一点（Ρ，θ）,可见，直角坐标系中的一条直线对应极坐标系中的一点，这种线到点的变换叫做hough变换。 y=kx+b表示的是一条直线上的点，而hough变换表示的是线到点的关系，因此，hough 变换不能用y=kx+b来表示。 Hough变换的原理：在直角坐标系中过任一点（x0,y0）的直线系，满足 Ρ= x0cosθ+y0sinθ=错误！未找到引用源。sin(θ+Φ) 式中，Φ=arctan(y0/x0).这些直线在极坐标系中所对应的点（Ρ，θ）构成一条正弦曲线。反之，在极坐标系中位于这条直线上的点，对应直线坐标系中过点（x0,y0）的一条直线。设平面上有若干点，过没点的直线系分别对应于极坐标上的一条正弦曲线。 若这些点有共同的交点（Ρ0，θ0），则这些点共线，且对应的直线方程为 Ρ0=xcosθ0+ysinθ0 4、常用的三种最简单图像分割法各有何特点？ 答：（1）状态法；状态法首先统计最简单图像灰度直方图，若其直方图成双峰且有明显的谷，则将谷所对应的灰度值作为阈值，按照二值化公式进行二值化，就可将图像从目标中分割出来。这种方法适用于目标和背景的灰度值较大，有明显谷的情况。 （2）判断分析法；判断分析法便利，是一种常用的方法。但它不能反映图像的几何结构，有时分割结果与人的视觉效果不一致。 （3）最佳熵自动阈值法；最佳熵自动阈值法是通过研究图像灰度直方图的熵测量，
数字图像处理各章节考核要求
数字图像处理各章节考核要求 第0章Matlab 1. 掌握常用的matlab函数，如图像的读写与显示、不同类型图像之间的转换、不同数据类型图像的转换、傅里叶变换、图像的滤波、总面积等。限于实验过程出现过的函数。 2.会编写简单的图像处理代码。 3.掌握常见编码错误的调试方法。 第1章概述 一、识记与理解 1. 数字图像处理、数字图像处理的目的、特点和优点 2. 数字图像处理应用、研究内容和发展动向。 二、简单应用（无） 第2章数字图像处理的基础 一、识记与理解 1. 数字的函数表达，采样、量化 2. 不同采样间隔或量化等级数对图像质量和数据量的影响 3. 4-邻接、8-邻接、m-邻接和连接性 5. 像素之间的距离计算：欧式距离、城市街区距离和棋盘距离 6. 图像的分类 7.掌握不同分辨率、不同量化等级的图像占用的存储空间大小 二、简单应用 1、图像数字化的过程 2、图像量化等级对图像有什么影响？如果量化等级过小会出现什么现象？为什么？ 第3章图像基本运算 一、识记与理解 1. 图像基本运算的分类 2. 图像代数运算的种类及各自的意义 3. 多幅图像平均降噪方法的原理 二、简单应用 1. 会根据图像的灰度分布和图像变换目标选择合适的点变换函数。要求掌握两个重要的非线变换函数—对数变换和幂变换的特性，结合第5章基于灰度变换的图像增强分析不同变换函数适合的图像情况。 第4章图像变换 一、识记与理解 1. 二维离散傅里叶变换 2. 傅立叶变换的性质 3. 图像变换的目的 4. FFT的基本思想 5. MATLAB中，傅立叶变换的频谱分布特点 二、简单应用
1、掌握傅里叶变换在图像处理中应用的原理。（含高通和低通） 第5章图像增强 一、识记与理解 1．直方图、直方图均衡化、图像增强的概念、分类及主要研究内容 2. 点处理和模板处理概念 3. 低通滤波对图像处理的作用或者说丢失图像高频成分对图像视觉效果的影响。 二、简单应用 1. 基于灰度变换的图像增强：线性变换、分段线性变、反转变换、对数变换，会根据变换函数预测图像变换的效果。 2. 基于直方图的图像增强：直方图均衡化（参照习题5.4） 3. 空间滤波增强：给定图像矩阵和滤波器，要求计算滤波结果 4. 频域滤波增强：掌握不同滤波器的滤波效果（振铃程度、图像模糊程度、噪声平滑效果） 5.了解同态滤波 第6章图像复原 一、识记与理解 1.图像复原与图像增强的异同点 2.频域滤波复原的通用技术及各自适合复原的图像情况 4.均值滤波、中值滤波、最大值/最小值滤波器 6.逆滤波和维纳滤波 三、简单应用 1．线性位移不变系统逆滤波恢复图像原理 2．给定图像退化函数，设计图像复原方法。 3、中值滤波对椒盐噪声的滤波效果如何？试分析其中的原因。 4、均值滤波对高斯噪声的滤波效果如何？试分析其中的原因。 第7章图像压缩编码 略 第8章图像分割 一、识记与理解 1. 边缘 2. 阈值分割、根据直方图选择阈值 3.了解区域增长法、区域分裂算法步骤 4. 形态学图像处理方法：腐蚀、膨胀、开运算、闭运算 5. 掌握图像分割的概念、作用及策略。 二、简单应用 1.掌握Roberts 算子、Prewitt 算子、Sobel 算子对于噪声条件下边界检测的性能。 2.根据图像的实际情况，设计合适的图像分割方法。 3.能够应用数学形态学的方法完成简单的图像应用处理，如提取区域边缘、计算周长等。 第9章彩色图像处理
医学图像的分割
第六章医学图像分割 医学图像分割是医学图像处理和分析的关键步骤，也是其它高级医学图像分析和解释系统的核心组成部分。医学图像的分割为目标分离、特征提取和参数的定量测量提供了基础和前提条件，使得更高层的医学图像理解和诊断成为可能。本章首先对医学图像分割的意义、概念、分类及其研究现状进行了概述,然后分别对基于阈值、基于边缘、基于区域和基于模式识别原理的各种常见医学图像分割方法作了详尽而系统的介绍，接着在对图像分割过程中经常用到的二值图像数学形态学基本运算作了简单叙述之后，较为详细地讨论了医学图像分割效果和分割算法性能的常用评价方法。 第一节医学图像分割的意义、概念、分类和研究现状 医学图像分割在医学研究、临床诊断、病理分析、手术计划、影像信息处理、计算机辅助手术等医学研究与实践领域中有着广泛的应用和研究价值，具体表现为以下几个方面：(1) 用于感兴趣区域提取，便于医学图像的分析和识别。如不同形式或来源的医学图像配准与融合，解剖结构的定量度量、细胞的识别与计数、器官的运动跟踪及同步等；(2)用于人体器官、组织或病灶的尺寸、体积或容积的测量。在治疗前后进行相关影像学指标的定量测量和分析，将有助于医生诊断、随访或修订对病人的治疗方案； (3)用于医学图像的三维重建和可视化。这有助于外科手术方案的制定和仿真、解剖教学参考及放疗计划中的三维定位等；(4)用于在保持关键信息的前提下进行数据压缩和传输。这在远程医疗中对实现医学图像的高效传输具有重要的价值；(5)用于基于内容的医学图像数据库检索研究。通过建立医学图像数据库，可对医学图像数据进行语义学意义上的存取和查找。 所谓医学图像分割，就是根据医学图像的某种相似性特征（如亮度、颜色、纹理、面积、形状、位置、局部统计特征或频谱特征等）将医学图像划分为若干个互不相交的“连通”的区域的过程，相关特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同，也就是说在区域边界上的像素存在某种不连续性。一般说来，有意义的图像分割结果中至少存在一个包含感兴趣目标的区域。