数字图像处理知识点总结
数字图像处理基本知识
数字图像处理基本知识1、数字图像：数字图像，又称为数码图像或数位图像，是二维图像用有限数字数值像素的表示。
数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。
2、数字图像处理包括内容：图像数字化；图像变换；图像增强；图像恢复；图像压缩编码；图像分割；图像分析与描述；图像的识别分类。
3、数字图像处理系统包括部分：输入（采集）；存储；输出（显示）；通信；图像处理与分析。
4、从“模拟图像”到“数字图像”要经过的步骤有：图像信息的获取；图像信息的存储；图像信息处理；图像信息的传输；图像信息的输出和显示。
5、数字图像1600x1200什么意思？灰度一般取值范围0~255，其含义是什么？数字图像1600x1200表示空间分辨率为1600x1200像素；灰度范围0~255指示图像的256阶灰阶，就是通过不同程度的灰色来来表示图像的明暗关系，8bit的灰度分辨率。
6、图像的数字化包括哪两个过程？它们对数字化图像质量有何影响？采样：采样是将空间上连续的图像变换成离散的点，采样频率越高，还原的图像越真实。
量化：量化是将采样出来的像素点转换成离散的数量值，一幅数字图像中不同灰度值得个数称为灰度等级，级数越大，图像越是清晰。
7、数字化图像的数据量与哪些因素有关？图像分辨率；采样率；采样值。
8、什么是灰度直方图？它有哪些应用？从灰度直方图中你可可以获得哪些信息？灰度直方图反映的是一幅图像中各灰度级像素出现的频率之间的它可以用于：判断图像量化是否恰当；确定图像二值化的阈值；计算图像中物体的面积；计算图像信息量。
从灰度直方图中你可可以获得：- 暗图像对应的直方图组成成分几种在灰度值较小的左边一侧- 明亮的图像的直方图则倾向于灰度值较大的右边一侧- 对比度较低的图像对应的直方图窄而集中于灰度级的中部- 对比度高的图像对应的直方图分布范围很宽而且分布均匀9、什么是点处理？你所学算法中哪些属于点处理？在局部处理中，输出值仅与像素灰度有关的处理称为点处理。
(完整版)数字图像处理知识点总结
数字图像处理知识点总结第一章导论1.图像：对客观对象的一种相似性的生动性的描述或写真。
2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字）。
3.图像处理：对图像进行一系列操作，以到达预期目的的技术。
4.图像处理三个层次：狭义图像处理、图像分析和图像理解。
5.图像处理五个模块：采集、显示、存储、通信、处理和分析。
第二章数字图像处理的基本概念6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0<i(x，y)<∞，反射分量0<r(x，y)<1.7.图像数字化：将一幅画面转化成计算机能处理的形式——数字图像的过程。
它包括采样和量化两个过程。
像素的位置和灰度就是像素的属性。
8.将空间上连续的图像变换成离散点的操作称为采样。
采样间隔和采样孔径的大小是两个很重要的参数。
采样方式:有缝、无缝和重叠。
9.将像素灰度转换成离散的整数值的过程叫量化。
10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。
11.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。
12.采样间隔对图像质量的影响：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，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
13.量化等级对图像质量的影响：量化等级越多，所得图像层次越丰富，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，会出现假轮廓现象，图像质量变差，但数据量小。
但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。
例如对细节比较丰富的图像数字化。
14.数字化器组成：1)采样孔：保证单独观测特定的像素而不受其它部分的影响。
2)图像扫描机构：使采样孔按预先确定的方式在图像上移动。
数字图像处理-知识点总结
图像分类：根据图像空间坐标和幅度（亮度或色彩）的连续性可分为模拟（连续）图像和数字图像。
模拟图像是空间坐标和幅度都连续变化的图像，而数字图像是空间坐标和幅度均用离散的数字（一般是整数）表示的图像。
图像的数学表示：一幅图像所包含的信息首先表现为光的强度（intensity）,即一幅图像可看成是空间各个坐标点上的光强度I 的集合，其普遍数学表达式为：I = f (x，y，z，λ，t) 式中(x,y,z)是空间坐标，λ是波长，t是时间，I是光点(x,y,z)的强度（幅度）。
上式表示一幅运动的(t)、彩色/多光谱的(λ)、立体的(x,y,z)图像。
图像的特点：1.空间有界:人的视野有限，一幅图像的大小也有限。
2.幅度（强度）有限：即对于所有的x，y都有0≤f(x,y) ≤Bm其中Bm为有限值。
图像三大类：在每一种情况下，图像的表示可省略掉一维，即1.静止图像：I = f（x，y，z, λ）2.灰度图像：I = f（x，y，z，t ）3.平面图像：I = f（x，y,λ,t）而对于平面上的静止灰度图像，其数学表达式可简化为：I = f（x，y）数字图像处理的基本步骤：1.图像信息的获取：采用图像扫描仪等将图像数字化。
2.图像信息的存储：对获取的数字图像、处理过程中的图像信息以及处理结果存储在计算机等数字系统中。
3.图像信息的处理：即数字图像处理，它是指用数字计算机或数字系统对数字图像进行的各种处理。
4.图像信息的传输：要解决的主要问题是传输信道和数据量的矛盾问题，一方面要改善传输信道，提高传输速率，另外要对传输的图像信息进行压缩编码，以减少描述图像信息的数据量。
5.图像信息的输出和显示：用可视的方法进行输出和显示。
数字图像处理系统五大模块：数字图像处理系统由图像输入、图像存储、图像通信、图像处理和分析五个模块组成。
1.图像输入模块：图像输入也称图像采集或图像数字化，它是利用图像采集设备（如数码照相机、数码摄像机等）来获取数字图像，或通过数字化设备（如图像扫描仪）将要处理的连续图像转换成适于计算机处理的数字图像。
考研数字图像处理知识点剖析
考研数字图像处理知识点剖析数字图像处理是计算机视觉和图像处理领域的一门重要课程，也是考研计算机专业的必考内容之一。
本文将对考研数字图像处理的知识点进行剖析，并对相关概念和算法进行介绍。
一、数字图像处理基础知识1. 图像的表示和数字化图像可以通过像素矩阵来表示，每个像素由一个灰度值或颜色值来描述。
数字化过程包括采样、量化和编码三个步骤。
2. 灰度变换灰度变换是指通过像素的灰度值进行变换，常见的灰度变换函数包括线性变换、非线性变换和直方图均衡化。
3. 空间域滤波空间域滤波是指通过改变像素的邻域内像素值来实现对图像的增强或去噪。
常见的空间域滤波方法有均值滤波、中值滤波和高斯滤波等。
二、数字图像处理基本算法1. 图像锐化与模糊图像锐化算法可以提高图像的边缘信息，常用算法包括一阶导数算子、Sobel算子和Laplacian算子。
而图像模糊算法可以降低图像的细节信息，常用算法有均值滤波和高斯滤波。
2. 图像分割图像分割是将图像划分成若干个具有独立意义的区域的过程，常见算法有阈值法、边缘检测法和区域生长法等。
3. 图像压缩图像压缩是通过减少图像数据的冗余来实现图像的存储和传输。
常用的压缩算法有无损压缩算法（如Huffman编码）和有损压缩算法（如JPEG压缩）。
4. 图像恢复图像恢复是通过数学模型和算法来恢复由于传感器噪声或其它原因引起的损坏的图像。
常见的图像恢复算法包括逆滤波、最小均方误差和非负约束等。
三、数字图像处理实际应用1. 医学图像处理数字图像处理在医学领域有着广泛的应用，如X光图像的增强和分割，磁共振图像的去噪和恢复等。
2. 视频编码与处理数字图像处理技术在视频编码和处理中起着重要作用，如H.264和HEVC等视频编码标准的实现，视频的剪辑和特效处理等。
3. 计算机视觉数字图像处理是计算机视觉的基础，通过图像处理算法实现物体检测、分割、跟踪等任务。
结语本文对考研数字图像处理的知识点进行了剖析，介绍了数字图像处理的基础知识、基本算法和实际应用。
数字图像处理学习重点
数字图像处理数字图像基础数字图像处理：即利用计算机对数字图像进行处理。
优点：精度高、再现性好、方法易变、灵活度高。
缺点：处理速度受到计算机和数字器件的限制，一般也是串行处理，因此处理速度较慢。
图像处理的基本步骤：1.预处理；2.分割；3.表示与描述；4.匹配+数据储存。
图像增强的目的是突出图像中（主观）感兴趣的部分，而减弱或去除不需要的信息，从而使有用信息得到加强，便于区分或解释。
图像恢复处理的主要目的是去掉干扰和模糊，恢复图像的本来面目。
将图像中包含的物体，按其灰度或几何特性等划分为若干个有意义的区域的技术成为图像分割。
由图像输入、图像存储、图像通信、图像处理和分析 、图像输出五个模块组成。
数字图像数字化：1. 取样：图像空间坐标值的数字化；2. 量化：图像函数值（灰度值）的数字化。
图像质量随N 的增加而增加；图像质量随G(k)(灰度值)的增加而增加。
M,N 必须为正数，L 为灰度级,一般，M 、N 和L 取值为2的整数次幂。
L=2^k ,称为k 位图像。
存储一幅大小为M ×N ，有2^k 个不同灰度级的图像所用的Bit 数为：b=M ×N ×k 。
采样间隔值越小，空间分辨率越高。
保持M ×N 不变而减少L ，则会导致假轮廓;保持L 不变而减少M ×N ，则会导致棋盘状效果;实验表明图像的细节越多，用保持M ×N 恒定而增加L 的方法来提高图像的显示效果就越不明显，因此，对于有大量细节的图像只需要少数的灰度级。
清晰度相关的因素:•亮度•对比度(=最大亮度/最小亮度)•尺寸大小•细微层次•颜色饱和度.常见的图像类型:1.矢量图像：色彩变化小，放大后不容易失真。
2.点阵图像：色彩丰富，放大后容易失真。
4邻域:像素p(x,y)的4邻域是:(x+1,y)；(x-1,y)；(x,y+1)；(x,y-1);用N4(p)表示像素p 的4邻域;D 邻域:像素p(x,y)的D 邻域是:对角上的点(x+1,y+1)；(x+1,y-1)；(x-1,y+1)；(x-1,y-1);用ND(p)表示像素p 的D 邻域，又称对角邻域;8邻域: 像素p(x,y)的8邻域是：4邻域的点＋D 邻域的点;用N8(p)表示像素p 的8邻域;N8(p) = N4(p)+ND(p)。
数字图像处理知识点总结
定小于任何其他排列形式.
矢量量化原理
第7章
矢量量化的编码就是根据一定的失真测度 在码书搜索出与输入矢量失真最小的码字的索引。
用Canny算子进行边缘检测的主要步骤
① 用高斯滤波器平滑图像 第9章
② 计算滤波后图像梯度的幅值和方向
③ 对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的局 部极大值点，把其它非局部极大值点置零以得到得到细化的边 缘 ④ 用双阈值算法检测和连接边缘，使用两个阈值T1和T2(T1>T2)， T1用来找到每条线段，T2用来在这些线段的两个方向上延伸寻 找边缘的断裂处，并连接这些边缘。
背景差分法 如何利用多幅运动图像构造一个 第9章 基准图像
• 找出多幅对应像素点灰度值变化在一定阈值范围内的部 分为基准图像，可通过检测图像序列相邻两帧之间的变 化，保留对应像素点灰度值变化在一定阈值范围内的部 分，再与下一帧的图像对比，重复上述过程，最终取得 基准图像。
• I=imread(‘原图像名.tif’); % 读入原图像,tif格式 • whos I • imshow(I) % 显示图像I的基本信息 % 显示图像
自动阈值 迭代式阈值选择算法的基本思想
第9章
• 开始时选择一个阈值作为初始估计值，然后按某种策略 不断地改进这一估计值，直到满足给定的准则为止。在 迭代过程中，关键之处在于选择什么样的阈值改进策略， 好的阈值的改进策略应该具备两个特征，一是能够快速 收敛，二是在每一个迭代过程中，新产生阈值优于上一 次的阈值。
• title(‘原图像’);
• %对原图像进行屏幕控制；显示直方图均衡化后 的图像 • figure；imshow(J); • %给直方图均衡化后的图像加标题名 • title(‘直方图均衡化后的图像’) ;
数字图像处理知识点
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。
- 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)。
数字图像处理知识点总结第一章导论1.图像：对客观对象的一种相似性的生动性的描述或写真。
2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字）。
3.图像处理：对图像进行一系列操作，以到达预期目的的技术。
4.图像处理三个层次：狭义图像处理、图像分析和图像理解。
5.图像处理五个模块：采集、显示、存储、通信、处理和分析。
第二章数字图像处理的基本概念6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0< i(x，y)< ∞ ，反射分量0 <r(x，y)<1.7.图像数字化：将一幅画面转化成计算机能处理的形式——数字图像的过程。
它包括采样和量化两个过程。
像素的位置和灰度就是像素的属性。
8.将空间上连续的图像变换成离散点的操作称为采样。
采样间隔和采样孔径的大小是两个很重要的参数。
采样方式:有缝、无缝和重叠。
9.将像素灰度转换成离散的整数值的过程叫量化。
10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。
11.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。
12.采样间隔对图像质量的影响：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，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
13.量化等级对图像质量的影响：量化等级越多，所得图像层次越丰富，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，会出现假轮廓现象，图像质量变差，但数据量小。
但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。
例如对细节比较丰富的图像数字化。
14.数字化器组成：1)采样孔：保证单独观测特定的像素而不受其它部分的影响。
2)图像扫描机构：使采样孔按预先确定的方式在图像上移动。
3)光传感器：通过采样孔测量图像的每一个像素的亮度。
4)量化器：将传感器输出的连续量转化为整数值。
5)输出存储体：将像素灰度值存储起来。
它可以是固态存储器，或磁盘等。
15.灰度直方图反映的是一幅图像中各灰度级像素出现的频率。
以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。
16.直方图的性质：1)灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像素的位置信息。
2)一幅图像对应唯一的灰度直方图，反之不成立。
不同的图像可对应相同的直方图3)一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。
17.直方图的应用：1)用于判断图像量化是否恰当2)用于确定图像二值化的阈值3)计算图像中物体的面积4)计算图像信息量：熵H18.图像处理基本功能的形式：单幅图像→单幅图像，多幅图像→单幅图像，单（或多）幅图像→数字或符号。
19.邻域：对于任一像素（i，j），该像素周围的像素构成的集合{（i+p,j+q），p、q取合适的整数}，叫做该像素的邻域。
20.图像处理的几种具体算法：1)局部处理：移动平均平滑、空间域锐化。
2)点处理：图像对比度增强、图像二值化。
3)大局处理：傅里叶变换。
4)迭代处理：细化。
5)跟踪处理6)位置不变处理和位置可变处理：输出像素JP(i，j)的值的计算方法与像素的位置(i，j)无关的处理称为位置不变处理或位移不变处理7)窗口处理和模板处理。
21.图像的数据结构与特征：1)组合方式：一个字长存放多个像素灰度值的方式。
它能起到节省内存的作用，但导致计算量增加，使处理程序复杂。
2)比特面方式：按比特位存取像素，即将所有像素的相同比特位用一个二维数组表示，形成比特面。
3)分层结构：由原始图像开始依次构成像素数愈来愈少的一幅幅图像，就能使数据表示具有分层性，其代表有锥形(金字塔)结构。
4)树结构：对于一幅二值图像的行、列接连不断地二等分，如果图像被分割部分中的全体像素都变成具有相同的特征时，这一部分则不再分割5)多重图像数据存储：逐波段存储，分波段处理时采用；逐行存储，行扫描记录设备采用；逐像素存储，用于分类。
22.图像的特征：1)自然特征：光谱特征、几何特征、时相特征；2)人工特征：直方图特征，灰度边缘特征，线、角点、纹理特征；3)特征的范围：点特征、局部特征、区域特征、整体特征。
4)特征提取：获取图像特征信息的操作。
把从图像提取的m个特征量y1，y 2，…，y m，用m维的向量Y＝[y1 y2…y m]t表示称为特征向量。
另外，对应于各特征量的m维空间叫做特征空间。
23.对比度：一幅图像中灰度反差的大小，对比度=最大亮度/最小亮度第三章图像变换24.图像变换通常是一种二维正交变换。
1)正交变换必须是可逆的；2)正变换和反变换的算法不能太复杂；3)正交变换的特点是在变换域中图像能量集中分布在低频率成分上，边缘、线状信息反映在高频率成分上，有利于图象处理。
25.图像变换的目的在于：1)使图像处理问题简化；2)有利于图像特征提取；3)有助于从概念上增强对图像信息的理解。
第四章图像增强26.图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。
27.空间域增强是直接对图像各像素进行处理；28.频率域增强是先将图像经傅立叶变换后的频谱成分进行某种处理，然后经逆傅立叶变换获得所需的图像。
29.30.灰度变换用来调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。
1)线性变换：对图像每一个像素灰度作线性拉伸，将有效改善图像视觉效果。
2)分段线性变换：为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。
3)非线性灰度变换：对数变换（当希望对图像的低灰度区较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配）。
指数变换（对图像的高灰度区给予较大的拉伸）31.直方图修整法包括直方图均衡化及直方图规定化两类。
32.直方图均衡化：将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。
33.直方图均衡化变换函数，满足下列条件：1)在0≤r≤1内为单调递增函数，保证灰度级从黑到白的次序不变；2)在0≤r≤1内，有0≤T(r)≤1，确保映射后的像素灰度在允许的范围内。
34.直方图均衡化原理：输出图像的概率密度函数可以通过变换函数T(r)控制原图像灰度级的概率密度函数得到,并改善原图像的灰度层次。
35.一幅图像的s k与r k之间的关系称为该图像的累积灰度直方图。
36.直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。
37.利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。
图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。
38.为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。
39.用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑，又称邻域平均法。
40.超限像素平滑法：将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g´(x,y)。
41.灰度最相近的K个邻点平均法：可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。
42.最大均匀性平滑：为避免消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。
具体可选任一像素（x,y）的5个有重叠的3*3邻域，用梯度衡量它们灰度变化的大小。
43.有选择保边缘平滑法：对图像上任一像素(x,y)的5×5邻域，采用9个掩模：一个3×3正方形、4个五边形和4个六边形。
计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模的灰度均值就是像素（x,y) 的输出值。
44.空间低通滤波法：应用模板卷积方法对图像每一像素进行局部处理。
不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。
45.中值滤波：是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。
离散阶跃信号、斜升信号没有受到影响。
离散三角信号的顶部则变平了。
对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。
46.各种空间域平滑算法效果比较：1)局部平滑法算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。
而且邻域越大，在去噪能力增强的同时模糊程度越严重。
2)超限像素平滑法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。
并且随着邻域增大，去噪能力增强，但模糊程度也大。
超限像元平滑法比局部平滑法去椒盐噪声效果更好。
3)灰度最相近的K个邻点平均法：较小的K值使噪声方差下降较小，但保持细节效果较好；而较大的K值平滑噪声较好，但会使图像边缘模糊。
4)最大均匀性平滑经多次迭代可增强平滑效果，在消除图像噪声的同时保持边缘清晰性。
但对复杂形状的边界会过分平滑并使细节消失。
5)有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。
6)中值滤波对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。
但它对点、线等细节较多的图像却不太合适。
中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。
47.图像空间域锐化增强图像的边缘或轮廓。
48.图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。
49.梯度锐化法：梯度为grad(x，y)=Max(|f x′|，|f y′|) 或grad（x，y）=|f x’|+|f y′|。
有梯度算子、Roberts、Prewitt和Sobel 算子计算梯度，来增强边缘。
placian增强算子：g(x，y)=f(x，y)- ▽2f(x，y)=5f(x，y)-[ f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)]placian增强算子特点：1)在灰度均匀的区域或斜坡中间▽2f(x，y)为0，增强图像上像元灰度不变；2)在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高灰度侧形成“上冲”52.高通滤波法就是用高通滤波算子和图像卷积来增强边缘。
53.频率域平滑：由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用低通滤波器H(u,v)来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的：54.频率域低滤波器H(u,v)有四种：理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、. 梯形低通滤波器。