数字图像处理整理经典
数字图像处理知识点
数字图像处理知识点(总9页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--数字图像处理知识点课程重点：图像数字化，图像变换，图像增强，图像的恢复与重建，图像的编码，图像的分割与特征提取，图像识别。
数字图像处理的基本内容：1、图像获取。
举例：摄像机+图像采集卡、数码相机等。
2、图像增强。
显示图像中被模糊的细节，或是突出图像中感兴趣的特征。
3、图像复原。
以图像退化的数学模型为基础，来改善图像质量。
4、图像压缩。
减小图像的存储量，或者在图像传输时降低带宽。
5、图像分割。
将一幅图像划分为几个组成部分或分割出目标物体。
6、图像的表达与描述。
图像分割后，输出分割标记或目标特征参数。
7、目标识别。
把目标进行分类的过程。
8、彩色图像处理。
9、形态学处理。
10、图像的重建。
第一章导论图像按照描述模型可以分为:模拟图像和数字图像。
1)模拟图像，模拟图像可用连续函数来描述。
其特点：光照位置和光照强度均为连续变化的。
2)数字图像，数字图像是图像的数字表示，像素是其最小的单位,用矩阵或数组来描述图像处理：对图像进行一系列的操作,以达到预期的目的的技术。
内容：研究图像信息的获取、传输、存储，变换、显示、理解与综合利用”的一门崭新学科。
三个层次：狭义图像处理，图像分析，图像理解。
狭义图像处理主要指对图像进行各种操作以改善图像的视觉效果，或对图像进行压缩编码以减少所需存储空间或传输时间、传输通路的要求。
图像分析主要是对图像中感兴趣的目标进行检测和测量，从而建立对图像的描述。
图像分析是一个从图像到数值或符号的过程。
图像理解则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译，从而指导和规划行动;图像分析主要是以观察者为中心研究客观世界，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。
图像处理的三个层次：低级图像处理内容：主要对图像进行各种加工以改善图像的视觉效果、或突出有用信息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输时间或传输带宽的要求。
数字图像处理整理经典
名词解释数字图像:是将一幅画面在空间上分割成离散的点（或像元），各点（或像元)的灰度值经量化用离散的整数来表示,形成计算机能处理的形式。
1.数字图像:一幅图像ｆ（x,y),当ｘ,ｙ和幅值ｆ为有限的离散数值时,称该图像为数字图像。
图像:是自然生物或人造物理的观测系统对世界的记录，是以物理能量为载体,以物质为记录介质的信息的一种形式。
数字图像处理：采用特定的算法对数字图像进行处理,以获取视觉、接口输入的软硬件所需要数字图像的过程。
图像增强:通过某种技术有选择地突出对某一具体应用有用的信息，削弱或抑制一些无用的信息。
无损压缩:可精确无误的从压缩数据中恢复出原始数据。
灰度直方图:灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数。
或：灰度直方图是指反映一幅图像各灰度级像元出现的频率。
细化:提取线宽为一个像元大小的中心线的操作。
8、8-连通的定义:对于具有值V的像素p和q ，如果ｑ在集合N8（p)中,则称这两个像素是8-连通的。
9、中值滤波:中值滤波是指将当前像元的窗口(或领域)中所有像元灰度由小到大进行排序,中间值作为当前像元的输出值。
10、像素的邻域: 邻域是指一个像元（x,y)的邻近(周围）形成的像元集合。
即{（ｘ=p,ｙ＝q）}ｐ、q为任意整数。
像素的四邻域:像素p(x，ｙ）的4－邻域是:(x+１,y)，（x-1，ｙ） ,(x，ｙ+1), (ｘ，ｙ-1) １１、灰度直方图:以灰度值为自变量，灰度值概率函数得到的曲线就是灰度直方图。
1２.无失真编码:无失真编码是指压缩图象经解压可以恢复原图象，没有任何信息损失的编码技术。
1３.直方图均衡化:直方图均衡化就是通过变换函数将原图像的直方图修正为平坦的直方图,以此来修正原图像之灰度值。
14.采样：对图像f（x，y）的空间位置坐标(x,ｙ)的离散化以获取离散点的函数值的过程称为图像的采样。
１５.量化：把采样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化，即采样点亮度的离散化。
数字图像处理知识点总结
数字图像处理知识点总结第二章：数字图像处理的基本概念2.3 图像数字化数字化是将一幅画面转化成计算机能处理的数字图像的过程。
包括：采样和量化。
2.3.1、2.3.2采样与量化1.采样：将空间上连续的图像变换成离散点。
（采样间隔、采样孔径）2.量化：采样后的图像被分割成空间上离散的像素，但是灰度是连续的，量化就是将像素灰度转换成离散的整数值。
一幅数字图像中不同灰度值的个数称为灰度级。
二值图像是灰度级只有两级的。
（通常是0和1）存储一幅大小为M×N、灰度级数为G的图像所需的存储空间：（bit）2.3.3像素数、量化参数与数字化所得到的数字图像间的关系1.一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时会出现国际棋盘效应。
采样间隔越小，所的图像像素数越多，空间分辨率高，图像质量好，但是数据量大。
2.量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大。
量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓，质量变差，但数据量小。
2.4 图像灰度直方图2.4.1定义灰度直方图是反映一幅图像中各灰度级像素出现的频率，反映灰度分布情况。
2.4.2性质（1）只能反映灰度分布，丢失像素位置信息（2）一幅图像对应唯一灰度直方图，反之不一定。
（3）一幅图像分成多个区域，多个区域的直方图之和是原图像的直方图。
2.4.3应用（1）判断图像量化是否恰当（2）确定图像二值化的阈值（3）物体部分灰度值比其他部分灰度值大的时候可以统计图像中物体面积。
（4）计算图像信息量（熵）2.5图像处理算法的形式2.5.1基本功能形式（1）单幅->单幅（2）多幅->单幅（3）多幅/单幅->数字或符号2.5.2图像处理的几种具体算法形式（1）局部处理（邻域，如4-邻域，8-邻域）（移动平均平滑法、空间域锐化等）（2）迭代处理反复对图像进行某种运算直到满足给定条件。
（3）跟踪处理选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素。
数字图像处理实例集锦
阈值分割
基于像素的聚类算法，适用于彩色图像分割
将像素点聚类成K个类别，使得同一类别内的像素点在颜色和空间上相近。通过迭代优化，将像素点归入最接近的类别，从而实现图像分割。
数字图像处理实例集锦
CATALOGUE
目录
图像增强 图像恢复 特征提取 图像分割 图像识别 图像压缩
01
图像增强
总结词
通过拉伸图像的灰度直方图，增强图像的对比度。
详细描述
直方图均衡化通过重新分配图像像素强度，使得图像的灰度级分布更均匀，从而提高图像的对比度。这种方法尤其适用于图像整体偏暗或对比度不足的情况。
03
优缺点： 优点是能够处理复杂背景和多目标分割；缺点是计算量大，需要确定初始区域数目和生长规则。
基于区域的分割
05
图像识别
总结词
人脸识别技术利用计算机算法对输入的人脸图像或视频流进行身份识别。
实现原理
人脸识别通常包括人脸检测和人脸特征提取两个步骤。人脸检测用于确定输入图像中的人脸位置，而人脸特征提取则通过算法提取出人脸的几何特征或纹理特征，用于比对。
应用场景
人脸识别技术广泛应用于智能手机解锁、银行ATM机、机场安检等领域，提高了安全性和便利性。
详细描述
人脸识别技术广泛应用于安全、门禁、移动支付等领域，通过比对人脸特征与数据库中存储的信息，实现快速的身份验证。
人脸识别
总结词：物体识别是计算机视觉领域的一个重要分支，旨在识别图像中的物体并对其进行分类。
优缺点： 优点是能够处理彩色图像，对噪声和光照变化有一定的鲁棒性；缺点是计算量大，需要预先确定聚类数目K。
数字图像处理整理
1、BMP图像文件的基本结构（文件的组成，图像色彩的表示方法及存储容量）答：文件头（bitmap-file header）（14字节）包含了图像类型、图像大小、图像数据存放地址和两个保留未使用的字段。
位图信息头（bitmap-information header）（40字节）包含了位图信息头的大小、图像的宽高、图像的色深、压缩说明图像数据的大小和其他一些参数。
调色板（color table）（4字节）是单色、16色和256色图像文件所特有的，相对应的调色板大小是2、16和256，调色板以4字节为单位，每4个字节存放一个颜色值，图像的数据是指向调色板的索引。
实际位图数据如果图像是单色、16色和256色，则紧跟着调色板的是位图数据，位图数据是指向调色板的索引序号。
如果位图是16位、24位和32位色，则图像文件中不保留调色板，即不存在调色板，图像的颜色直接在位图数据中给出。
2、数字图像处理基础：采样，量化，图像的基本概念。
答：数字图像是将连续的模拟图像经过离散化处理后得到的计算机能够识别的点阵图像。
在严格意义上讲，数字图像是经过等距离矩形网格采样，对幅度进行等间隔量化的二维函数。
因此，数字图像就是被量化的二维采样数组。
取样和量化基本概念：一幅图像的x,y都可能是连续的，为了把它转换成数字形式，必须在坐标和幅度上都做取样操作。
数字化坐标称为取样，数字化幅值称为量化。
3、图像亮度变换：灰度图像的概念，图像灰度的各种变换及作用。
线性变换与非线性变换的区别，直方图的概念与作用。
直方图均衡化。
答：灰度图像:只含有亮度信息，不包含彩色信息的图像。
直方图:反映图像中灰度级与灰度级出现频率的关系的图形直方图均衡化:算法思想通过函数变换，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。
4、图像空间滤波及其意义：平滑滤波，锐化滤波的各种算子及其特点。
答：图像平滑：高频率分量主要对应图像中的区域边缘等灰度值具有较大较快变化的部分，平滑滤波将这些分量滤去可减少局部灰度起伏，使图像变得比较平滑。
数字图像处理重点汇总
第一章：数字图像处理研究的内容主要有：（1）图像获取，表示和表现（2）图像增强（3）图像复原（4）图像分割（5）图像分析（6）图像重建（7）图像压缩编码数字图像处理：利用计算机对图像进行去除噪声、增强、复原、分割、特征提取、识别等处理的理论、方法和技术。
一般情况下，图像处理是用计算机和实时硬件实现的，因此，也称之为计算机图像的实现。
数字图像处理的特点：（1）处理精度高，再现性好（2）易于控制处理效果（3）处理的多样性（4）图像数据量庞大（5）处理费时（6）图像处理技术综合性强图像：就是三维场景在二维平面上的影像数字图像：是用配置在二维平面（画面）上的灰度值或彩色值来表示信息的，信息扩展在二维平面上。
数字图像以数字格式存储图像数据，数字图像常用矩阵来描述。
图像处理的研究目的：（1）提高图像的视感质量，以达到赏心悦目的目的（2）提取图像中所包含的某些特征或特殊信息，只要用于计算机分析，经常用作模式识别，计算机视觉的预处理（3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输图像工程三层示意图：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、图像分析、图像理解各有什么特点？它们之间有何联系和区别？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。
数字图像处理概述归纳总结
数字图像处理概述归纳总结数字图像处理是指将图像的像素信息进行数字化并对其进行处理的一门技术。
它广泛应用于计算机视觉、医学图像处理、工业检测等领域。
本文将对数字图像处理的基本概念、常见算法以及未来发展趋势进行归纳总结。
一、数字图像处理的基本概念数字图像由像素阵列组成，每个像素存储着图像的亮度信息。
在数字图像处理中，常用的表示方法是灰度图像和彩色图像。
灰度图像是指每个像素只包含一个亮度值，通常以8位表示，取值范围为0~255。
而彩色图像则包含了红、绿、蓝三个通道的亮度值，通常以24位表示，每个通道的取值范围也为0~255。
数字图像处理的主要任务包括图像增强、图像恢复、图像分割、图像压缩等。
二、数字图像处理的常见算法1. 图像增强算法图像增强旨在改善图像的视觉品质，常用的算法包括直方图均衡化、灰度拉伸、滤波等。
直方图均衡化可以通过调整图像的亮度分布来增强图像的对比度，从而使图像细节更加清晰可见。
2. 图像恢复算法图像恢复用于去除图像中的噪声，常见的算法有均值滤波、中值滤波、小波去噪等。
其中，中值滤波可以有效地去除椒盐噪声，而小波去噪能够在保持图像细节的同时消除高频噪声。
3. 图像分割算法图像分割旨在将图像划分为不同的区域，常用的算法有阈值分割、边缘检测、区域生长等。
阈值分割根据像素灰度值与设定阈值的大小关系将图像分为前景和背景，而边缘检测则可用于检测图像中的边界。
4. 图像压缩算法图像压缩是指通过减少图像的存储空间来实现数据压缩，常见的算法有无损压缩和有损压缩。
其中，无损压缩保证了图像的质量不受损失，而有损压缩通过舍弃图像中的冗余信息来实现更高的压缩比率。
三、数字图像处理的未来发展趋势1. 深度学习在图像处理中的应用随着深度学习的发展，其在数字图像处理中的应用越来越广泛。
通过深度学习算法，可以实现更精确的图像分类、目标检测等任务，从而提升图像处理的效果和准确性。
2. 多模态图像处理多模态图像处理是指处理多个不同模态的图像，比如红外图像、可见光图像等。
数字图像处理总结
一、1.图像的概念图像是当光辐射能量照在物体上，经过它的反射或透射，或由发光物体本身发出的光能量，在人的视觉器官中所重现出的物体的视觉信息。
与图像密切相关的两个基本概念是图片（picture）和图形（graphics）。
一般认为，图片是图像的一种类型。
图形与图像的数据结构不同，图形采用矢量结构，图像则采用栅格结构。
图像处理包括图像增强、模式识别、图像压缩和图像分割等领域。
1. 按照图像的存在形式分类实际图像：通常为二维分布，又可分为可见图像和不可见图像。
抽象图像：如数学函数图像，包括连续函数和离散函数。
2. 按照图像亮度等级分类分二值图像和灰度图像。
灰度图像:指每个像素由一个量化灰度来描述的图像，没有彩色信息二值图像:若图像像素灰度只有两级（通常取0（黑色）或1（白色））3. 按照图像的光谱分类分彩色图像和黑白图像。
4. 按照图像是否随时间变换分类分静止图像与活动图像。
5. 按照图像所占空间和维数分类分二维图像和三维图像。
6. 数字图像由二维的矩阵组成，每一个元素具有一个特定的位置（x,y）和幅值f(x,y),这些元素就称为像素数字图像是图像的数字表示，像素是其最小的单位。
二、基本原理1．数字图像的表示：f(x,y) 其中x，y表示空间坐标，f为(x，y)出的幅度（亮度），f、x、y均为离散值2．读取图像函数imread 用法:imread(‘filename’) %使用’ ’ 界定字符串3. 读出图像的行数列数函数size用法：>>size（f）%获得图像f的行数和列数ans=1024 1024>>[M,N]=size（f）%f的行数和列数给M、N函数whos 用法：>>whos f4．显示图像函数用法：imshow(f,G) %f为图像，G为用于显示的灰度级数,默认256mshow(f,[low high]) %f为图像，f中所有小于等于low的均被显示为黑色，f中所有大于等于high的均被显示为白色imshow(f,[ ]) %f为图像，f中最小值被显示为黑色，最大值被显示为白色5．保存图像函数imwrite用法：imwrite(f,‘filename’)6．图像类型图像处理工具箱支持4种图像类型，它们是：真彩色图像、索引色图像、灰度图像、二值图像7．数据类间的转换格式: B=data_class_type(A) 例：B=double（A）C=uint（D）第三章、亮度变换与空间滤波1．空间域：指图像平面本身，在空间域内处理图像的方法是直接对图像的像素进行处理。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
名词解释数字图像：是将一幅画面在空间上分割成离散的点（或像元），各点（或像元）的灰度值经量化用离散的整数来表示，形成计算机能处理的形式。
1.数字图像：一幅图像f(x,y)，当x,y 和幅值f 为有限的离散数值时，称该图像为数字图像。
图像：是自然生物或人造物理的观测系统对世界的记录，是以物理能量为载体，以物质为记录介质的信息的一种形式。
数字图像处理：采用特定的算法对数字图像进行处理，以获取视觉、接口输入的软硬件所需要数字图像的过程。
图像增强：通过某种技术有选择地突出对某一具体应用有用的信息，削弱或抑制一些无用的信息。
无损压缩：可精确无误的从压缩数据中恢复出原始数据。
灰度直方图：灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数。
或：灰度直方图是指反映一幅图像各灰度级像元出现的频率。
细化：提取线宽为一个像元大小的中心线的操作。
8、8-连通的定义：对于具有值V的像素p和q ,如果q在集合N8(p)中,则称这两个像素是8-连通的。
9、中值滤波：中值滤波是指将当前像元的窗口（或领域）中所有像元灰度由小到大进行排序，中间值作为当前像元的输出值。
10、像素的邻域：邻域是指一个像元（x，y）的邻近（周围）形成的像元集合。
即{（x=p,y=q）}p、q为任意整数。
像素的四邻域：像素p(x,y)的4-邻域是:(x+1,y),(x-1,y) ,(x,y+1), (x,y-1) 11、灰度直方图：以灰度值为自变量，灰度值概率函数得到的曲线就是灰度直方图。
12.无失真编码：无失真编码是指压缩图象经解压可以恢复原图象，没有任何信息损失的编码技术。
13.直方图均衡化：直方图均衡化就是通过变换函数将原图像的直方图修正为平坦的直方图，以此来修正原图像之灰度值。
14.采样：对图像f(x,y)的空间位置坐标（x,y）的离散化以获取离散点的函数值的过程称为图像的采样。
15.量化：把采样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化，即采样点亮度的离散化。
16.灰度图像：指每个像素的信息由一个量化的灰度级来描述的图像，它只有亮度信息，没有颜色信息。
17.色度：通常把色调和饱和度通称为色度，它表示颜色的类别与深浅程度。
18.图像锐化：是增强图象的边缘或轮廓。
19.直方图规定化（匹配）：用于产生处理后有特殊直方图的图像的方法20. 数据压缩：指减少表示给定信息量所需的数据量。
像素的邻域:邻域是指一个像元（x，y）的邻近（周围）形成的像元集合。
即{（x=p,y=q）}p、q为任意整数。
像素的四邻域:像素p(x,y)的4-邻域是:(x+1,y),(x-1,y) ,(x,y+1), (x,y-1)灰度直方图:灰度直方图是指反映一幅图像各灰度级像元出现的频率。
、中值滤波:中值滤波是指将当前像元的窗口（或领域）中所有像元灰度由小到大进行排序，中间值作为当前像元的输出值。
像素数字图像是由有限的元素组成的，每个元素都有一个特定的位置和幅值，这些元素称为图像元素、画面元素或像素。
4.空间分辨率：是图像中可辨别的最小细节。
灰度级分辨率：是指在灰度级别中可分辨的最小变化。
.取样：数字化坐标值；量化：数字化幅度值。
11：HSI 彩色模型:HSI 颜色模型用H、S、I 三参数描述颜色特性，其中H 定义颜色的波长，称为色调；S 表示颜色的深浅程度，称为饱和度；I 表示强度或亮度。
12：伪彩色:伪彩色图像的每个像素值实际上是一个索引值或代码，该代码值作为色彩查找表CLUT 中某一项的入口地址，根据该地址可查找出包含实际R、G、B 的强度值。
这种用查找映射的方法产生的色彩称为伪彩色。
自适应滤波器：包含有自适应局部噪声消除滤波器和自适应中值滤波器。
随机变量最简单的统计度量是均值和方差。
这些参数是自适应滤波器的基础.。
均值给出了计算均值的区域中灰度平均值的度量，方差给出了这个区域的平均对比度的度量。
简答1、图像复原和图像增强的主要区别是：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2.图像减法处理的作用。
两幅图像f(x,y)与h(x,y)的差异表示为g(x,y)=f(x,y)-h(x,y)。
减法处理最主要的作用是增强两幅图像的差异。
12.简述直方图均衡化的基本原理。
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。
5.什么是直方图均衡化？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。
8、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。
17.什么是区域？什么是图像分割？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。
5. 什么是中值滤波？中值滤波有何特点中值滤波法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值. 中值滤波能够较好的处理脉冲状噪声，其优点主要在于去除图像噪声的同时，还能保护图像的边缘信息。
1.请简述快速傅里叶变换的原理。
傅里叶变换是复杂的连加运算，计算时间代价很大。
快速傅里叶变换的核心思想是，将原函数分解成一个奇数项和一个偶数项加权和，然后对所分解的奇数项和偶数项再分别分解成其中的奇数项和偶数项的加权和。
这样，通过不断重复两项的加权和来完成原有傅里叶变换的复杂运算，达到较少计算时间代价的目的。
3. 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。
、伪彩色增强与假彩色增强有何异同点？前者使用的数据是单色波段图像，后者使用的数据是多波段图像伪彩色增强是对一幅灰度图像经过三种变换得到三幅图像，进行彩色合成得到一幅彩色图像；假彩色增强是对一幅彩色图像进行处理得到与原图像不同的彩色图像；主要差异在于处理对象不同。
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。
．什么是逆滤波？如果退化图像有噪声，逆滤波的结果会如何？答：逆滤波是指在频域中，直接用图像除以退化器，进行图象恢复的方法。
如果退化图像有噪声，逆滤波会使噪声放大。
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。
7、什么是中值滤波及其它的原理？答：中值滤波法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值。
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，中值滤波的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。
、在彩色图像处理中，常使用HSI模型，它适于做图像处理的原因有:1、在HIS模型中亮度分量与色度分量是分开的；2、色调与饱和度的概念与人的感知联系紧密。
11、图像增强时，平滑和锐化有哪些实现方法？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。
16.对于椒盐噪声，为什么中值滤波效果比均值滤波效果好？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。
14、说明一幅灰度图像的直方图分布与对比度之间的关系答：直方图的峰值集中在低端，则图象较暗，反之，图象较亮。
直方图的峰值集中在某个区域，图象昏暗，而图象中物体和背景差别很大的图象，其直方图具有双峰特性，总之直方图分布越均匀，图像对比度越好。
15、简述梯度法与Laplacian算子检测边缘的异同点？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。
20.试述图像退化的基本模型，并画出框图且写出数学表达式。
图像复原处理的关键是建立退化模型，原图像f(x,y)是通过一个系统H及加入一来加性噪声n(x,y)而退化成一幅图像g(x ,y)的，如下图所示填空1.图像锐化除了在空间域进行外，也可在频率域进行。
2.对于彩色图像，通常用以区别颜色的特性是色调、饱和度、亮度。
3.依据图像的保真度，图像压缩可分为无损压缩和有损压缩4.存储一幅大小为1024×1024，256 个灰度级的图像，需要 8M bit。
5、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。
6、低通滤波法是使高频成分受到抑制而让低频成分顺利通过，从而实现图像平滑。
7、一般来说，采样间距越大，图像数据量少，质量差；反之亦然。
8、多年来建立了许多纹理分析法，这些方法大体可分为统计分析法和结构分析法两大类。
9、直方图修正法包括直方图均衡和直方图规定化两种方法。
10、图像压缩系统是有编码器和解码器两个截然不同的结构块组成的。
11、图像处理中常用的两种邻域是 4-邻域和 8-邻域。
12. 若将一幅灰度图像中的对应直方图中偶数项的像素灰度均用相应的对应直方图中奇数项的像素灰度代替（设灰度级为256），所得到的图像将亮度增加，对比度减少。
13、数字图像处理，即用计算机对图像进行处理。
14、图像数字化过程包括三个步骤：采样、量化和扫描14、图像数字化过程包括三个步骤：采样、量化和扫描15、MPEG4标准主要编码技术有DCT变换、小波变换等16、灰度直方图的横坐标是灰度级，纵坐标是该灰度出现的频率17、数据压缩技术应用了数据固有的冗余性和不相干性，将一个大的数据文件转换成较小的文件。