数字图像处理期末复习资料.

《数字图像处理》复习指南选择题1、采用幕次变换进行灰度变换时，当幕次取大于1时，该变换是针对如下哪一类图像进行增强。

（B ）A图像整体偏暗B图像整体偏亮C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景2、图像灰度方差说明了图像哪一个属性（B ）A平均灰度B图像对比度C图像整体亮度D图像细节3、计算机显示器主要采用哪一种彩色模型（A ）A、RGBB、CMY 或 CMYKC、HSID、HSV4、采用模板[-1 1] T主要检测（A ）方向的边缘。

A.水平B.45 0C.垂直D.135 05、下列算法中属于图象锐化处理的是：（ C ）A.低通滤波B.加权平均法C.高通滤波D.中值滤波6、维纳滤波器通常用于（ C ）A、去噪B、减小图像动态范围C、复原图像D、平滑图像7、彩色图像增强时，（ C ）处理可以采用 RGB彩色模型。

A.直方图均衡化B.同态滤波C.加权均值滤波D.中值滤波8、B_滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。

A.逆滤波B.维纳滤波C.约束最小二乘滤波D.同态滤波9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以便引入一些低频分量。

这样的滤波器叫（ B ）。

A.巴特沃斯高通滤波器 B.高频提升滤波器C.高频加强滤波器D.理想高通滤波器10、图象与灰度直方图间的对应关系是（ B ）A.——对应B.多对一C. 一对多D.都不11、下列算法中属于图象锐化处理的是：（ C）A.低通滤波B.加权平均法C.高通滤波D.中值滤波12、一幅256*256的图像，若灰度级数为 16,则存储它所需的比特数是：（A ）A. 256KB.512KC. 1M C.2M13、一幅灰度级均匀分布的图象，其灰度范围在[0, 255],则该图象的信息量为：（D）18、对椒盐噪声抑制效果最好的是下列那种图像增强技术？ (DA 低通滤波B Laplace 微分C 邻域平均D 中值滤波 19、将图像“ name.tif”存储到文件中的命令(C )A 、 imread( ’ name.tif ’)B 、 loadC 、 imwrite( ’ name.tif ’ )20 . 计算机显示设备使用的颜色模型是( A )A. RGBB. HSVC. CMYD. 以上都 不对 21 .下列关于直方图的叙述错误的是 ( D )A. 描绘了各个灰度级像素在图像中出现的概率B. 描述图像中不同灰度级像素出现的次数C. 没有描述出像素的空间关系D. 直方图均衡化不能增强图像整体对比度的效果 22 . 锐化滤波器的主要用途不包括 ( B) A. 突出图像中的细节增强被模糊了的细节B. 超声探测成像分辨率低可以通过锐化来使图像边缘模糊C. 图像识别中分割前的边缘提取D. 锐化处理恢复过度钝化、暴光不足的图像23 .假设f(x,y)是一幅图像，则下列有关 f(x,y)的傅里叶变换说法中不正确 (C )A. 在原点的傅里叶变换等于图像的平均灰度级B . 一个二维傅里叶变换可以由两个连续一维的傅里叶运算得到 C. 图像频率域过滤可以通过卷积来实现 D. 傅里叶变换具有线性移不变性24. 列有关图像复原和图像增强的说法错误的是 (D )A. 与图像增强不同，图像复原的目的是提供给用户喜欢接收的图像B.图像增强主要是一个客观过程，而图像复原主要是一个主观过程C.图像增强被认为是一种对比度拉伸，图像复原技术追求恢复原始图像的一种近似 估计值D.图像复原技术只能使用频率域滤波器实现a. 0b.255 14 、下列算法中属于局部处理的是：a.灰度线性变换b.二值化15、下列算法中属于点处理的是：(a.梯度锐化b.二值化c.6d.8D)c.傅立叶变换d.中值滤波 )c.傅立叶变换d.中值滤波16、下列算法中属于图象平滑处理的是：( C)a.梯度锐化b.直方图均衡c.中值滤波placian 增强17、设灰度图中每一个像素点由1 个字节表示，则可表示的灰度强度范围是B) A . 128 B. 256 C. 36 D. 96)D 、 imshow( ’25、下列哪一个模板可用于图像平滑 （A26、对于含有孤立线噪声的图像，既要保证图像的边缘，又要去除噪声应该用那种滤波器 (B)判别正确、错误1 .图像按其亮度等级的不同，可以分为二值图像和灰度图像两种。

1图像的特点:1)直观形象2)易懂3)信息量大2 图像的分类：1）按灰度分类：二值图像，多灰度图像2）按色彩分类：单色图像，动态图像3）按运动分类：静态图像，动态图像4）按时空分布分类：二维图像，三维图像3 数字图像处理的主要内容：1）图像获取2）图像变换3）图像增强4）图像复原5)图像编码6）图像分析7）图像识别8）图像理解4数字图像处理方法：1）空域法2）变换域法5什么是数字图像的采样和量化？采样：将模拟图像在空间上连续的点按照一定的规则变换成离散点的操作。

量化：由于采样图像被分割成空间上离散的像素，但其灰度是连续的，还不能用计算机进行处理，所以要对采样后的图像进行量化，即将连续的像素灰度值转换成离散的整数值的过程。

6图像像素间的邻接、连接和连通的区别？邻接：两个像素是否邻接就看它是否接触，一个像素和在它邻域中的像素是邻接的。

邻接仅仅考虑了像素间的空间关系。

连接：对两个像素，要确定它们是否连接，要考虑两点：①空间上要邻接；②灰度值要满足某个特点的相似准则第二章1 试述图像采集系统的结构及其各部分的功能？2 连续图像随机过程可以用哪些数字特征来描述？概率密度，一阶矩或平均值，二阶矩或自相关函数，自协方差，方差3 为什么说只要满足采样定理，就可以有离散图像无失真的重建元连续图像？这是由图像的连续性决定的，由图像上某一点的值可以还原出该点的一个小邻域里的值，这个图像连续性越好，这个邻域就可以越大，抽样次数可以很少就可以无失真还原。

而抽样定理对应这个邻域最小的情况即抽样次数最多的情况，大概是每周期两个样本4与标量量化相比，向量量化有哪些优势？合理地利用样本间的相关性,减少量化误差提高压缩率,5 Matlab图像处理工具箱提供了哪几类类型的数字图像？它们之间能否转换？如果可以如何转换？二进制图像，索引图像，灰度图像，多帧图像，RGB图像，它们之间可以相互转换，转换函数（23页6 数字图像的空间分辨率和采样间隔有什么联系？采样间隔是决定图像分辨率的主要参数1 FFT的基本思想是什么?？利用DFT系数的特性，合并DFT运算中的某些项，把长序列DFT变成短序列DFT，从而减少其运算量。

第一章数字图像处理概论*图像是对客观存在对象的一种相似性的、生动性的描述或写真。

*数字图像空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。

是图像的数字表示，像素是其最小的单位。

*数字图像处理（Digital Image Processing）利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。

（计算机图像处理）图像处理：【图像输入——（图像处理<增强、复原、编码、压缩等>）——图像输出）图像识别：【图像输入——（图像预处理<增强、复原>）——（图像分割）——（特征提取）——（图像分类）——类别、识别结果】图像理解：【图像输入——（图像预处理）——（图像描述）——（图像分析和理解）——图像解释】第二章数字图像处理基础取样：图像空间坐标的数字化量化值太小出现伪轮廓！取样值太小出现棋盘格！量化：图像函数值（灰度值）的数字化存储一幅M×N的数字图像，需要的存储位数为：b = M × N × k 字节数为：B=b/8优先采用4邻接空间操作：单像素操作，领域操作！第三章图像变换领域与预定义的操作一起称为空间滤波器**直方图均衡化是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。

*直方图均衡化实质上是减少图象的灰度级以换取对比度的加大。

*在均衡过程中，原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。

*若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。

均值：平均值灰度方差：对比度第四章**同态滤波(1)灰度级动态范围很大，即黑的部分很黑，白的部分很白，而我们感兴趣的图中的某一部分灰度级范围又很小，分不清物体的灰度层次和细节。

Digital Image Processing Examination1. Fourier Transform problem.1） F or an image given by the function f(x,y)=(x+y)3 where x,y are continuous varibales; evaluatef(x,y)δ(x-1,y-2) and f(x,y)* δ(x-1,y-2),where δ is the Dorac Delta function.2） F or the optical imaging system shoen below,consisting of an image scaling and two forwardFourier transforms show that the output image is a scale and inverted replica of the original3) three binary images (with value 1 on black areas and value 0 elsewhere) are shown below. Sketch the continuous 2D FT of these images(don’t do this mathematically, try to use instead the convolution theorem and knowledge of FTs of common functions)2. The rate distortion function of a zero memory Gaussian source of arbitary mean and variance σ2 with respect to the mean-square error criterion is⎪⎩⎪⎨⎧≥≤≤=2220log 21)(σσσD D for D D Ra) Plot this functionb) What is D max c) If a distortion of no mor than 75% of the source’s variance is allowed, what is the maximumcompression that can be achieved?3. The PDF of an image is given by Pr(r) as shown below. Find the transform toconvert the image's PDF to Pr(z). Assume continuity, and find the transform in terms of r and z. Explain the transformation.4. A certain inspection application gathers black & white images of parts as they travel along a con-veyor belt. It is necessary to sort the parts into two categories: parts with holes and parts with-out holes. An example of an image that might be taken by the inspection camera is shown at the right. Propose a method to identify and locate the objects of each category in the image so that they can be picked up by a robotic system and placed in different bins. Assume that the imaging system knows where each image pixel is located on the conveyor belt at every point in time.Provide an annotated flow chart of the algorithm you propose.5.In a given application, an averaging mask is applied to input images to reduce noise and then aLaplacian mask is applied to enhance small details. Would mathematics predict that the result should be the same if the order of the operations were reversed? What practical issues would be encountered in computer implementation?Digital Image Processing Examination1. A preprocessing step in an application of microscopy is concerned with the issue ofisolating individual round particles from similar particles that overlap in groups of two or more.Assuming that all particles are of the same size, propose a morphological algorithm that will produce an image that contains only the isolated (non-overlapping) particles that are not in contact with the boundary of the image.2. An image represented by a continuous function f(x, y) is w = 2 cm wide and h = 3 cm high. The imageis to be converted to an array of pixels by a scanner whose response is zero above 80 lines/centimeter in both the horizontal and vertical directions. The discrete image is represented by an array ˆf(n, m) where n and m take on integer values, 0 ~ n ~ N - 1, 0~ m ~ M-1.(a)Determine suitable values for N and M.(b)Assume that ˆf(n, m) = f(na, mb). Determine the values of a and b.(c)Determine constants A, B, C, D, E such that the DFT of fˆ can be expressed as)(00) ,() , (EvmDuniBnCmemnfAvu F+-==∑∑=(d)Find numbers (P1, P2) such that F(u + jP1, v + kP2) = F(u, v) for any integers j, k, u, v.3. The arithmetic decoding process is the reverse of the encoding procedure. Decode the message 0.23355 given the coding model.4. The gradient of a function f (x) is defined as⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡∂∂∂∂=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=∇y f x f G G f y xComputationally, the first derivative is implemented by calculating the difference between adjacent pixels.(a) Is the following a linear operator?2122⎥⎥⎦⎤⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛∂∂+⎪⎭⎫ ⎝⎛∂∂=∇y f x f f (b) State how would you implement the above operator using differences between pixels.(c) A Sobel operator uses two masks, Hx and Hy to process an image. Explain why are two masksneeded and what do they measure?(d)Write down the masks Hx and Hy, and identify them in the followingfigures:5. The three images shown were blurred using square averaging masks of sizes n=23, 25 , and 45, respectively. The vertical bars on the left lower part of (a) and (c) are blurred, but a clear separation exists between them. However, the bars have merged in image (b), in spite of the fact that the mask that produced this image is significantly smaller than the mask that produced image (c). explain this.Digital Image Processing Examination1. An image array f(m, n) of size M1 × N1 is to be convolved with a filter array h(m, n) of size M2 × N2 to produce a new image array g(m, n).1)Write a pseudo code program that describes a method to compute g(m, n) throughthe use of Fourier transforms. The result should be the same size as would beachieved with direct convolution.2)Modify the algorithm so that it does the correlation f ~ h rather than theconvolution.2. You have the job of designing an algorithm that will count the number of objects with holes and the number of objects without holes in images of the kind shown here. Assume that the images are binary with 0 corresponding to black and 1 correspondingto white. The imaging system is of low quality and produces images that are corrupted with salt and pepper noise.The objects do not overlap or touch, but may be close to each other in any direction.They may be of any shape or size. The algorithm should not be confused by the salt and pepper noise, and should not count noise pixels as objects.Write a pseudo-code description of your algorithm. You may also include a block diagram and other information to make it understandable to a programmer. State any assumptions you make, such as: “Objects must contain at least 50 pixels.”least 50 pixels.”3. Suppose that an image has the gray-level probability density functions shown. Here, p 1(z) corresponds to objects and p 2(z) corresponds to the background. Assume that p 1=p 2 and find the optimal threshold between object and back ground pixels.4. The Sobel operator computes the following quantity at each location (x, y) in an image array, A:Gx[j,k]=(A[j+1,k+1]+2A[j+1,k]+A[j+1,k-1])-(A[j-1,k+1]+2A[j-1,k]+A[j-1,k-1]) Gy[j,k]=(A[j-1,k-1]+2A[j,k-1]+A[j+1,k-1])-(A[j-1,k+1]+2A[j,k+1]+A[j+1,k+1]) G[j,k] = |Gx[j,k]| + |Gy[j,k]|The position of A[j, k] is column j and row k of the array.The operation is implemented as the convolution of the image array A with two masks, Mx and My followed by the magnitude operation.1) Write a 3 × 3 array for each mask, Mx and My.2) What mathematical operation on an image array is approximated by the Sobeloperator? Show how the Sobel operator is related to the mathematical operation.5. Answer the following questions about morphological image processing.(a) Shown below are two tables with expressions that relate to binary morphological image processing. Associate each expression in the left table with one from the right table.(b) A well-known morphological algorithm uses the following iteration with a structuring element B.(1) Initialize X[p] = 1 for some pixel A p ∈(2) A B X Y )(⊕=(3) If X Y ≠ then set X = Y and repeat (2)An original set A is shown in (A) and an initial pixel p 2 A is shown in (B). The result after one iteration of the algorithm with structuring element⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=010111010Bis shown in (C). Fill in the result of the next two iterations by marking theappropriate pixels for the set Y in (D) and (E). In frame (F) show the result for Y that would be reached after a large number of iterations.Digital Image Processing Examination1. Consider the edge model depicted below. Sketch the gradient and Laplacian of the signal. It is not needed to compute exact numerical values in your answer. Plot of approximate shapes of the responses will be sufficient.2. The white bars in the test pattern shown are 7pixels wide and 210 pixels high. The separation between bars is 17 pixels. What would this image look like after application of .1) A 3*3 arithmetic mean filter?2) A 7*7 median filter.3) A 9*9 contraharmonic mean filter with Q=13. The video coding system introduced in the class utilizes several major components –inter-frame motion estimation, motion compensated prediction, DCT, Huffman coding,and quantization.(a)When an encoded signal can be used to reconstruct the exact value of theoriginal signal, we say the encoding method is lossless; otherwise, it’s calledlossy. A lossy coding technique introduces distortion to the signal.Which component in the above video coding system is lossy?(b)The motion compensation process in the encoder generates a motion vectorand prediction errors for each image block in the video signal. Suppose duringthe transmission of the encoded video stream, one motion vector is lost (e.g.,due to the network erasure error). What will be the visual effects of suchtransmission errors on the decoded image sequence?4.Consider a black-and-white image consisting of round and rectangular objects, as shown in the image below. Assume the sizes of the objects are fixed and known. We also know that the width and length of the rectangles are larger than the diameter of the circles. None of the rectangles are tilted. In general, the objects may overlap with each other.Design a morphological operation based system to automatically detect all the instances of the rounds objects that overlap with rectangular objects.5. An image A, represented by an N × M array of bytes, has a uniform brightnesshistogram. It is desired transform A into an image B in a way that produces a triangular brightness histogram2550,36240][≤≤=k k MNk h bDescribe a process that will accomplish the transformation. If possible, derive an equation for the transformation function. At a minimum, sketch the transformation function and indicate how you would use it in a program to compute the array B.模拟试卷一1.对将一个像素宽度的8通路转换到4通路提出一种算法。

第一章数字图像处理概论*图像是对客观存在对象的一种相似性的、生动性的描述或写真。

*模拟图像空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像*数字图像空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。

是图像的数字表示，像素是其最小的单位。

*数字图像处理（Digital Image Processing）利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。

（计算机图像处理）*数字图像处理的特点（优势）（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）图像处理技术综合性强。

*数字图像处理的目的（1）提高图像的视感质量，以达到赏心悦目的目的a.去除图像中的噪声；b.改变图像的亮度、颜色；c.增强图像中的某些成份、抑制某些成份；d.对图像进行几何变换等，达到艺术效果；（2）提取图像中所包含的某些特征或特殊信息。

a.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。

**数字图像处理的主要研究内容（1）图像的数字化a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理b.主要包括的是图像的采样与量化（2*）图像的增强a.加强图像的有用信息，消弱干扰和噪声（3）图像的恢复a.把退化、模糊了的图像复原。

模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。

（5）图像的重建a.由二维图像重建三维图像（如CT）（6）图像的分析a.对图像中的不同对象进行分割、分类、识别和描述、解释。

（7）图像分割与特征提取a.图像分割是指将一幅图像的区域根据分析对象进行分割。

b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。

（8）图像隐藏a.是指媒体信息的相互隐藏。

一、填空题（每空1分，共10分）填空题主要是一些常见知识。

三、论述题（每小题8分，共40分）下面的内容包括简答和论述题的部分1.简述线性位移不变系统逆滤波恢复图像原理。

答：设退化图象为g(x,y)，其傅立叶变换为G(u,v),若已知逆滤波器为1/H(u,v)则对G(u,v)作逆滤波得F(u,v)=G(u,v)/H(u,v) （2分）对上式作逆傅立叶变换得逆滤波恢复图象f(x,y)f(x,y)=IDFT[F(u,v)]以上就是逆滤波恢复图象的原理。

（2分）若存在噪声，为避免H(u,v)=0,可采用两种方法处理。

（0.5分）①在H(u,v)=0时,人为设置1/H(u,v)的值；②使1/H(u,v)具有低同性质。

即H-1(u,v)=1/H(u,v) 当D≤DH-1(u,v)=0 当D>D(0.5分)2.直方图均衡化。

如果对一幅图像已经用直方图均衡化方法进行了处理，那么对处理后的图像再次应用直方图均衡化，处理结果会不会更好？答：1. 直方图均衡化的基本思想是对原始图像中的像素灰度图做某种映射变换，使变换后图像灰度的概率密度是均匀分布的，即变换后图像是一幅灰度级均匀分布的图像，这意味着图像灰度的动态范围得到了增加，从而可提高图像的对比度。

2.处理结果与处理前结果大致相同,没有太大的变化,只是平均值稍有所变。

3. 图像锐化与图像平滑有何区别与联系？答：区别：图象锐化是用于增强边缘，导致高频分量增强，会使图象清晰；（2分）图象平滑用于去噪，对图象高频分量即图象边缘会有影响。

（2分）联系：都属于图象增强，改善图象效果。

（1分）4.什么是中值滤波，有何特点？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.中值滤波是非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留。

中值滤波首先选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把该窗口中所含的像素点按灰度级的升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。

（完整版）数字图像处理复习整理《数字图像处理》复习第⼀章绪论数字图像处理技术的基本内容：图像变换、图像增强、图象恢复、图像压缩编码、图像分割、图像特征提取（图像获取、表⽰与描述）、彩⾊图像处理和多光谱及⾼光谱图像处理、形态学图像处理第⼆章数字图像处理基础2-1 电磁波谱与可见光1.电磁波射波的成像⽅法及其应⽤领域：⽆线电波（1m-10km）可以产⽣磁共振成像，在医学诊断中可以产⽣病⼈⾝体的横截⾯图像☆微波（1mm-1m）⽤于雷达成像，在军事和电⼦侦察领域⼗分重要红外线（700nm-1mm）具有全天候的特点，不受天⽓和⽩天晚上的影响，在遥感、军事情报侦察和精确制导中⼴泛应⽤可见光（400nm-700nm）最便于⼈理解和应⽤最⼴泛的成像⽅式，卫星遥感、航空摄影、天⽓观测和预报等国民经济领域☆紫外线（10nm-400nm）具有显微镜⽅法成像等多种成像⽅式，在印刷技术、⼯业检测、激光、⽣物学图像及天⽂观测X射线（1nm-10nm）应⽤于获取病⼈胸部图像和⾎管造影照⽚等医学诊断、电路板缺陷检测等⼯业应⽤和天⽂学星系成像等伽马射线（0.001nm-1nm）主要应⽤于天⽂观测2-2 ⼈眼的亮度视觉特征2.亮度分辨⼒——韦伯⽐△I/I（I—光强△I—光照增量），韦伯⽐⼩意味着亮度值发⽣较⼩变化就能被⼈眼分辨出来，也就是说较⼩的韦伯⽐代表了较好的亮度分辨⼒2-3 图像的表⽰3.⿊⽩图像：是指图像的每个像素只能是⿊或⽩，没有中间的过渡，⼀般⼜称为⼆值图像（⿊⽩图像⼀定是⼆值图像，⼆值图像不⼀定是⿊⽩图像）灰度图像：是指图像中每个像素的信息是⼀个量化了的灰度级的值，没有彩⾊信息。

彩⾊图像：彩⾊图像⼀般是指每个像素的信息由R、G、B三原⾊构成的图像，其中的R、B、G是由不同的灰度级来描述的。

4.灰度级L、位深度k L=2^k5.储存⼀幅M×N的数字图像所需的⽐特 b=M×N×k例如，对于⼀幅600×800的256灰度级图像，就需要480KB的储存空间（1KB=1024Byte 1Byte=8bit）2-4 空间分辨率和灰度级分辨率6.空间分辨率是图像中可分辨的最⼩细节，主要由采样间隔值决定，反映了数字化后图像的实际分辨率。

《数字图像处理》期末考试重点总结（5篇材料）第一篇：《数字图像处理》期末考试重点总结*数字图像处理的主要内容及特点图像获取、图像变换、图像增强、图像恢复、图像压缩、图像分析、图像识别、图像理解。

（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）图像处理技术综合性强。

*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。

图像增强不存在通用理论。

图像增强的方法：空间域方法和变换域方法。

*图像反转：S=L-1-r 1.与原图像视觉内容相同2.适用于增强嵌入于图像暗色区域的白色或灰色细节。

*对数变换 S=C*log（1+r）c为常数，r>=0 作用与特点：对数变换将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值，同时，对输入中范围较宽的高灰度值映射为输出中较窄范围的灰度值。

对数函数的一个重要特征是可压缩像素值变化较大的图像的动态范围；*幂律（伽马）变换 s=c*(r+ɛ)ɤ伽马小于1时减小图像对比度，伽马大于1时增大对比度。

*灰度直方图：是数字图像中各灰度级与其出现的频数间的统计关系。

*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均匀的直方图，即使各灰度级具有相同的出现频数，图象看起来更清晰。

直方图均衡化变换函数必须为严格单调递增函数。

直方图均衡化的特点：1.能自动增强图像的对比度2.得到了全局均衡化的直方图，即均匀分布3.但其效果不易控制*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*空间滤波即直接对图像像素进行处理。

获得最佳滤波效果的唯一方法是使滤波掩模中心距原图像边缘的距离不小于(n-1)/2个像素。

*平滑滤波器用于模糊处理和减小噪声。

平滑线性空间滤波器的输出是：待处理图像在滤波器掩模邻域内的像素的简单平均值。

优点：减小了图像灰度的“尖锐”变化，故常用于图像降噪。

负面效应：模糊了图像的边缘，因为边缘也是由图像灰度的尖锐变化造成的。

第二章数字化过程对于M，N值和每个像素允许的离散灰度级数L的判定。

（书本P43~44,ppt1）○M,N必须取正整数○出于处理，存储和取样硬件的考虑，灰度级典型的取值是2的整数次幂，即L=2^k. 这里假设离散灰度级是等间隔的，并且是区间[0,L-1]内的整数。

数字b是存储数字图像所需的比特数，有b = M×N×k ，当M=N时，上式变为b=（N^2）*k . 当衣服图像有2^k 灰度级时，实际上通常称为该图像是k比特图像取样值是决定衣服图像控件分辨率的主要参数。

空间分辨率是突袭党中可辨别最小细节。

通常把大小为M*N，灰度为L级的数字图像称为控件分辨率为M*N像素，灰度级分辨率为L 级的数字图像。

比较不同空间分辨率的图像要保证同时他们的灰度分辨率相同。

（书本P44,ppt2）像素间的基本关系（书本P51~54,ppt3）相邻像素位于坐标（x,y）的一个像素p有4个水平和垂直的相邻像素，其坐标由下式给出：（x+1,y）(x-1,y) (x,y+1) (x,y-1)这个像素集称为N4（p）。

每个像素距（x,y）一个单位，如果(x,y)位于图像的便捷，则p的某个邻像素位于数字图像的外部。

P的4个对角的相邻像素有如下坐标：（x+1,y+1）(x+1,y-1) (x-1,y+1) (x-1,y-1)并用N D(p)表示。

与4个邻域点一起，这些点称为p的8领域，用N8（p）表示。

邻接性：定义V是用于定义邻接性的灰度值集合（Ⅰ）4邻接：如果q在N4（p）集中，则具有V中数值的两个像素p和q是4邻接。

（Ⅱ）8邻接：如果q在N8（p）集中，则具有V中数值的两个像素p和q是8邻接。

（Ⅲ）m邻接/混合邻接：如果（Ⅰ）q在N4（p）中，或者（Ⅱ）q在N D(p)中且集合N4（p）∩N4（q）没有V值的像素，则具有V值的像素p和q是m邻接。

☆混合邻接是8邻接的改进，其引入是为了消除采用8邻接常常发生的二义性。

数据图像处理期末复习1.1数字图像处理及特点1、什么是数字图像？什么是数字图像处理？数字图像：数字图像是物体的一个数字表示，是以数字格式存放的图像，它传递着物理世界事物状态的信息，是人类获取外界信息的主要途径。

数字图像处理：它指将图像信号转换成数字信号并利用计算机对其进行处理的过程，已提高图像的实用性，达到人们所要求的的预期结果。

2、图像处理的目的①提高图像的视觉质量，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，便于计算机分析。

③对图像数据进行变换、编码和压缩，便于图像的存储和传输。

3、数字图像的特点①处理信息量很大②数字图像处理占用的频带较宽③数字图像中各个像素相关性大1.2数字图像处理系统1、数字图像处理系统的组成（结构）数字图像处理系统由输入设备、输出设备、存储、处理组成。

图像输入设备将图像输入的模拟物理量转变为数字化的电信号，以供计算机处理。

图像输出设备则是将图像处理的中间结果或最后结果显示或打印记录。

图像处理计算机系统是以软件方式完成对图像的各种处理和识别，是数字图像处理系统的核心部分。

由于图像处理的信息量大，还必须有存储设备。

2、数字图像处理的优点①精度高②再现性好③通用性、灵活性强1.3数字图像处理的主要研究内容1、数字图像处理的主要研究内容①图像增强②图像编码③图像复原④图像分割⑤图像分类⑥图像重建1.4数字图像处理的应用和发展1、举例说明数字图像处理有哪些应用和发展？①航天和航空技术方面的应用②生物医学工程方面的应用③通信工程方面的应用④工业和工程方面的应用⑤军事、公安方面的应用⑥文化艺术方面的应用⑦其他方面的应用2、数字图像处理领域的发展方向①图像处理的发展向着高速率、高分辨率、立体化、多媒体化、智能化和标准化方向发展。

②图像、图形结合朝着三维成像或多维成像的方向发展③结合多媒体技术，硬件芯片越来越多，把图像处理的众多功能固化在芯片上将会有更加广阔的应用领域④在图像处理领域近年来引入了一些新的理论并提出了一些新的算法，如神经网络。

数字图像处理知识总结1、基本概念解释（1）图像图像是对客观对象的一种相似性、生动性的一种描述或写真（2）数字图像数字图像是一种空间坐标和灰度均不连续的、用离散数字（一般用整数）表示的图像（3）数字图像处理学通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术，是研究图像的获取、传输、存储、变换、显示、理解与综合利用的一门学科（4）图像对比度与图像相对对比度图像对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，即指一幅图像灰度反差的大小（图像中最大亮度与最小亮度之比）图像相对对比度是最大亮度与最小亮度之差同最小亮度之比（5）图像数字化图像数字化是将一幅画面转换成计算机能处理的形式——数字图像的过程（6）采样与量化将空间上连续的图像变换成离散的操作称为采样将像素灰度级转换成离散的整数值的过程叫量化（7）局部处理与点处理在对输入图像进行处理时，计算某一输出像素JP(i,j)值由输入图像IP(i,j)像素的小邻域N[IP(i,j)]中的像素值确定，这样的处理称为局部处理在局部处理中，当输出值JP(i,j)仅与IP(i,j)像素灰度有关的处理称为点处理（8）特征向量与特征空间把从图像提取的m个特征量y1，y2,···，y m用m维的向量Y=[y1，y2,···，y m]表示称为特征向量由各特征构成的m维空间叫做特征空间（9）空间域图像通常称傅立叶变换前变量变化的空间为空间域（10）频率域图像通常称傅立叶变换后变量变化的空间为频率域（11）点处理在局部处理中，当输出值JP(i,j)仅与IP(i,j)像素灰度有关的处理称为点处理（12）局部处理在对输入图像进行处理时，计算某一输出像素JP(i,j)值由输入图像IP(i,j)像素的小邻域N[IP(i,j)]中的像素值确定，这样的处理称为局部处理（13）空间低通滤波空间低通滤波法是应用模板卷积方法对图像每一像素进行局部处理。

空域内对图像进行平移运算（几何运算）图像平移变换式的矩阵形式为：P37close all;clear all;clc;%图像的平移运算Im = imread('meinv.jpg');if numel(size(Im)) > 2 %如果是彩色图像就转换为灰度图像Im = rgb2gray(Im);endIm = im2double(Im); %归一化处理subplot(1, 2, 1); imshow(Im); title('平移前的图像');[m, n] = size(Im); %获取图像大小res = zeros(m, n) + 255; %构造结果矩阵。

每个像素点默认初始化为0（黑色）delX = 50; %平移量XdelY = 50; %平移量Ymask = [1 0 delX; 0 1 delY; 0 0 1]; %平移的变换矩阵fori = 1 : mfor j = 1 : ntmp = [i; j; 1];tmp = mask * tmp; %矩阵乘法得到的结果是一个3行1列的数x = tmp(1, 1);y = tmp(2, 1);%判断变换后的位置是否越界if (x <= m) && (y <= n) && (x >= 1) && (y >= 1)res(x, y) = Im(i, j);endendendsubplot(1, 2, 2); imshow(res); title('平移后的图像');空域内对图像进行镜像运算（几何运算）%灰度图像clcclearimg = imread('meinv.jpg');%读取图像if ndims(img) == 3 %ndims(a)表示矩阵a的维数。

如果是彩色图像就转换为灰度图像img = rgb2gray(img); % 转换endsubplot(1, 3, 1); imshow(img); title('原始图像');img = im2double(img);% 转换为double类型，使所有点在0-1之间[m, n] = size(img);%获取图像大小res1 = zeros(m, n) + 255;%构造结果矩阵，加255将图像初始化为白色，不加就是黑色res2 = zeros(m, n) + 255;fori = 1 : mfor j = 1 : nres1(i, n - j + 1) = img(i, j);%水平镜像res2(m - i + 1, j) = img(i, j);%垂直镜像endendsubplot(1, 3, 2); imshow(res1); title('水平镜像');subplot(1, 3, 3); imshow(res2); title('垂直镜像');imwrite(res1, 'hor.bmp');imwrite(res2, 'ver.bmp');%彩色图像clcclearimg = imread('meinv.jpg');%读取图像subplot(1, 3, 1); imshow(img); title('原始图像');img = im2double(img);% 转换为double类型，使所有点在0-1之间[m, n, l] = size(img);%获取图像大小res1 = zeros(m, n, l) + 255;%构造结果矩阵，加255将图像初始化为白色，不加就是黑色res2 = zeros(m, n, l) + 255;fori = 1 : mfor j = 1 : nfor k = 1 : lres1(i, n - j + 1, k) = img(i, j, k);%水平镜像res2(m - i + 1, j, k) = img(i, j, k);%垂直镜像endendendsubplot(1, 3, 2); imshow(res1); title('水平镜像');subplot(1, 3, 3); imshow(res2); title('垂直镜像');imwrite(res1, 'hor.bmp');imwrite(res2, 'ver.bmp');空域内使用指定的模板对灰度图像进行平滑处理[1]%均值滤波clcclose all;clearimg = imread('meinv.jpg');if numel(size(img)) > 2 %如果是彩色图像就转换为灰度图像img = rgb2gray(img);endfigure;imshow(img);img = double(img);%n是模板大小(即n×n)n = 3;a(1 : n, 1 : n) = 1; %a即n×n模板,元素全是1[height, width] = size(img); %输入图像是[height,width]的,且hight>n,width>nx1 = double(img);x2 = x1;fori = 1 : height - n + 1for j = 1 : width - n + 1c = x1(i :i + (n - 1), j : j + (n - 1)) .* a; %取出x1中从(i,j)开始的n行n列元素与模板相乘s = sum(sum(c)); %求c矩阵中各元素之和x2(i + (n - 1) / 2,j + (n - 1) / 2) = s / (n * n); %将与模板运算后的各元素的均值赋给模板中心位置的元素endend%未被赋值的元素取原值pha = uint8(x2);figure; imshow(pha);[2]%中值滤波（最大值滤波、最小值滤波）clcclose all;clearimg = imread('meinv.jpg');if numel(size(img)) > 2 %如果是彩色图像就转换为灰度图像img = rgb2gray(img);endfigure;imshow(img);img = double(img);%n是模板大小(即n×n)n = 3;a(1 : n, 1 : n) = 1; %a即n×n模板,元素全是1[height, width] = size(img); %输入图像是[height,width]的,且hight>n,width>nx1 = double(img);x2 = x1;fori = 1 : height - n + 1for j = 1 : width - n + 1c = x1(i : i + (n - 1),j : j + (n - 1)); %取出x1中从(i,j)开始的n行n列元素,即模板(n×n的)e = c(1, :); %是c矩阵的第一行for u = 2 : ne = [e, c(u, :)]; %将c矩阵变为一个行矩阵end%mm=median(e);%mm是中值（mm=max(e)是最大值，mm = min(e)是最小值）mm = min(e);x2(i + (n - 1) / 2,j + (n - 1) / 2) = mm; %将模板各元素的中值赋给模板中心位置的元素endend%未被赋值的元素取原值pha = uint8(x2);figure; imshow(pha);彩色图像平滑处理（均值滤波）close all;clearclcimg = imread('meinv.jpg');if (numel(size(img)) < 3)disp('请输入彩色图像');elsesubplot(2, 3, 1); imshow(img); title('原始图像');img = imnoise(img, 'gaussian');%g=imnoise(f，‘gaussian’，m，var)是将均值为m，方差为var的高斯噪声加到图像f上。

数字图像处理考试复习资料第⼀章：图像的概念: 图像是对客观存在的物体的⼀种相似性的、⽣动的写真或描述。

图像处理：对图像进⾏⼀系列操作，达到预期⽬的处理。

数字图像处理的三个层次：(1)狭义的图像处理：(图像——图像的过程)指对图像进⾏各种操作以改善图像的视觉效果或进⾏压缩编码减少存储空间和传输时间等。

(2)图像识别与分析：(图像——数值或符号的过程)对图像中感兴趣的⽬标进⾏检测和测量，建⽴对图像的描述。

(3)图像理解：(图像——描述及解释)在图像处理与识别的基础上，基于⼈⼯智能和认知理论，研究图像中各⽬标的性质和它们之间的相互联系，对图像内容的含义加以理解以及对原来景观场景加以描述，从⽽指导和规划⾏动。

数字图像处理的特点：（1）精度⾼：对于⼀幅图像⽽⾔，数字化时不管是⽤4⽐特还是8⽐特和其它⽐特表⽰，只需改变计算机中程序的参数，处理⽅法不变。

所以从原理上讲不管对多⾼精度的数字图像进⾏处理都是可能的。

⽽在模拟图像处理中，要想使精度提⾼⼀个数量级，就必须对装置进⾏⼤幅度改进。

（2）再现性好：不管是什么数字图像，均⽤数组或数组集合表⽰。

在传送和复制图像时，只在计算机内部进⾏处理，这样数据就不会丢失或遭破坏，保持了完好的再现性。

⽽在模拟图像处理过程中，就会因为各种⼲扰因素⽽⽆法保持图像的再现性。

（3）通⽤性、灵活性强：不管是可视图像还是X光图像、热红外图像、超声波图像等不可见光图像，尽管这些图像⽣成体系中的设备规模和精度各不相同，但当把这些图像数字化后，对于计算机来说，都可同样进⾏处理，这就是计算机处理图像的通⽤性。

第⼆章图像数字化是将⼀幅画⾯转化成计算机能处理的形式——数字图像的过程。

采样：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。

量化：将像素灰度转换成离散的整数值的过程叫量化。

⼀幅数字图像中不同灰度值的个数称为灰度级数，⽤G表⽰。

图像数字化⼀般采⽤均匀采样和均匀量化⽅式。

Digital Image Processing Examination1. Fourier Transform problem.1） F or an image given by the function f(x,y)=(x+y)3 where x,y are continuous varibales; evaluatef(x,y)δ(x-1,y-2) and f(x,y)* δ(x-1,y-2),where δ is the Dorac Delta function.2） F or the optical imaging system shoen below,consisting of an image scaling and two forwardFourier transforms show that the output image is a scale and inverted replica of the original image f(x,y). f(x,y) Scaling f(ax,by) F F g(x,y)_3) three binary images (with value 1 on black areas and value 0 elsewhere) are shown below. Sketch the continuous 2D FT of these images(don’t do this mathematically, try to use instead the convolution theorem and knowledge of FTs of common functions)2. The rate distortion function of a zero memory Gaussian source of arbitary mean and variance σ2 with respect to the mean-square error criterion is⎪⎩⎪⎨⎧≥≤≤=22200log 21)(σσσD D for D D Ra) Plot this functionb) What is D maxc) If a distortion of no mor than 75% of the source’s variance is allowed, what is the maximumcompression that can be achieved?3. The PDF of an image is given by Pr(r) as shown below. Find the transform toconvert the image's PDF to Pr(z). Assume continuity, and find the transform in terms of r and z. Explain the transformation.4. A certain inspection application gathers black & white images of parts as they travel along a con-veyor belt. It is necessary to sort the parts into two categories: parts with holes and parts with-out holes. An example of an image that might be taken by the inspection camera is shown at the right. Propose a method to identify and locate the objects of each category in the image so that they can be picked up by a robotic system and placed in different bins. Assume that the imaging system knows where each image pixel is located on the conveyor belt at every point in time.Provide an annotated flow chart of the algorithm you propose.5.In a given application, an averaging mask is applied to input images to reduce noise and then aLaplacian mask is applied to enhance small details. Would mathematics predict that the result should be the same if the order of the operations were reversed? What practical issues would be encountered in computer implementation?Digital Image Processing Examination1. A preprocessing step in an application of microscopy is concerned with the issue ofisolating individual round particles from similar particles that overlap in groups of two or more.Assuming that all particles are of the same size, propose a morphological algorithm that will produce an image that contains only the isolated (non-overlapping) particles that are not in contact with the boundary of the image.2. An image represented by a continuous function f(x, y) is w = 2 cm wide and h = 3 cm high. The imageis to be converted to an array of pixels by a scanner whose response is zero above 80 lines/centimeter in both the horizontal and vertical directions. The discrete image is represented by an array ˆf(n, m) where n and m take on integer values, 0 ~ n ~ N - 1, 0~ m ~ M-1.(a)Determine suitable values for N and M.(b)Assume that ˆf(n, m) = f(na, mb). Determine the values of a and b.(c)Determine constants A, B, C, D, E such that the DFT of fˆ can be expressed as)(00) ,() , (EvmDuniBnCmemnfAvu F+-==∑∑=(d)Find numbers (P1, P2) such that F(u + jP1, v + kP2) = F(u, v) for any integers j, k, u, v.3. The arithmetic decoding process is the reverse of the encoding procedure. Decode the message 0.23355 given the coding model.4. The gradient of a function f (x) is defined as ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡∂∂∂∂=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=∇y f x f G G f y xComputationally, the first derivative is implemented by calculating the difference between adjacent pixels.(a) Is the following a linear operator?2122⎥⎥⎦⎤⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛∂∂+⎪⎭⎫ ⎝⎛∂∂=∇y f x f f (b) State how would you implement the above operator using differences between pixels.(c) A Sobel operator uses two masks, Hx and Hy to process an image. Explain why are two masksneeded and what do they measure?(d) Write down the masks Hx and Hy, and identify them in the followingfigures:5. The three images shown were blurred using square averaging masks of sizes n=23, 25 , and 45, respectively. The vertical bars on the left lower part of (a) and (c) are blurred, but a clear separation exists between them. However, the bars have merged in image (b), in spite of the fact that the mask that produced this image is significantly smaller than the mask that produced image (c). explain this.Digital Image Processing Examination1. An image array f(m, n) of size M1 × N1 is to be convolved with a filter array h(m, n) of size M2 × N2 to produce a new image array g(m, n).1)Write a pseudo code program that describes a method to compute g(m, n) throughthe use of Fourier transforms. The result should be the same size as would beachieved with direct convolution.2)Modify the algorithm so that it does the correlation f ~ h rather than theconvolution.2. You have the job of designing an algorithm that will count the number of objects with holes and the number of objects without holes in images of the kind shown here. Assume that the images are binary with 0 corresponding to black and 1 correspondingto white. The imaging system is of low quality and produces images that are corrupted with salt and pepper noise.The objects do not overlap or touch, but may be close to each other in any direction.They may be of any shape or size. The algorithm should not be confused by the salt and pepper noise, and should not count noise pixels as objects.Write a pseudo-code description of your algorithm. You may also include a block diagram and other information to make it understandable to a programmer. State any assumptions you make, such as: “Objects must contain at least 50 pixels.”least 50 pixels.”3. Suppose that an image has the gray-level probability density functions shown. Here, p 1(z) corresponds to objects and p 2(z) corresponds to the background. Assume that p 1=p 2 and find the optimal threshold between object and back ground pixels.4. The Sobel operator computes the following quantity at each location (x, y) in an image array, A:Gx[j,k]=(A[j+1,k+1]+2A[j+1,k]+A[j+1,k-1])-(A[j-1,k+1]+2A[j-1,k]+A[j-1,k-1]) Gy[j,k]=(A[j-1,k-1]+2A[j,k-1]+A[j+1,k-1])-(A[j-1,k+1]+2A[j,k+1]+A[j+1,k+1]) G[j,k] = |Gx[j,k]| + |Gy[j,k]|The position of A[j, k] is column j and row k of the array.The operation is implemented as the convolution of the image array A with two masks, Mx and My followed by the magnitude operation.1) Write a 3 × 3 array for each mask, Mx and My.2) What mathematical operation on an image array is approximated by the Sobeloperator? Show how the Sobel operator is related to the mathematical operation.5. Answer the following questions about morphological image processing.(a) Shown below are two tables with expressions that relate to binary morphological image processing. Associate each expression in the left table with one from the right table.(b) A well-known morphological algorithm uses the following iteration with a structuring element B.(1) Initialize X[p] = 1 for some pixel A p ∈(2) A B X Y )(⊕=(3) If X Y ≠ then set X = Y and repeat (2)An original set A is shown in (A) and an initial pixel p 2 A is shown in (B). The result after one iteration of the algorithm with structuring element⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=010111010Bis shown in (C). Fill in the result of the next two iterations by marking theappropriate pixels for the set Y in (D) and (E). In frame (F) show the result for Y that would be reached after a large number of iterations.Digital Image Processing Examination1. Consider the edge model depicted below. Sketch the gradient and Laplacian of the signal. It is not needed to compute exact numerical values in your answer. Plot of approximate shapes of the responses will be sufficient.2. The white bars in the test pattern shown are 7pixels wide and 210 pixels high. The separation between bars is 17 pixels. What would this image look like after application of .1) A 3*3 arithmetic mean filter?2) A 7*7 median filter.3) A 9*9 contraharmonic mean filter with Q=13. The video coding system introduced in the class utilizes several major components –inter-frame motion estimation, motion compensated prediction, DCT, Huffman coding,and quantization.(a)When an encoded signal can be used to reconstruct the exact value of theoriginal signal, we say the encoding method is lossless; otherwise, it’s calledlossy. A lossy coding technique introduces distortion to the signal.Which component in the above video coding system is lossy?(b)The motion compensation process in the encoder generates a motion vectorand prediction errors for each image block in the video signal. Suppose duringthe transmission of the encoded video stream, one motion vector is lost (e.g.,due to the network erasure error). What will be the visual effects of suchtransmission errors on the decoded image sequence?4.Consider a black-and-white image consisting of round and rectangular objects, as shown in the image below. Assume the sizes of the objects are fixed and known. We also know that the width and length of the rectangles are larger than the diameter of the circles. None of the rectangles are tilted. In general, the objects may overlap with each other.Design a morphological operation based system to automatically detect all the instances of the rounds objects that overlap with rectangular objects.5. An image A, represented by an N × M array of bytes, has a uniform brightnesshistogram. It is desired transform A into an image B in a way that produces a triangular brightness histogram2550,36240][≤≤=k k MNk h bDescribe a process that will accomplish the transformation. If possible, derive an equation for the transformation function. At a minimum, sketch the transformation function and indicate how you would use it in a program to compute the array B.模拟试卷一1.对将一个像素宽度的8通路转换到4通路提出一种算法。

1.欧氏距离：坐标分别位于（x，y）和（u，v）处的像素p和像素q之间的欧氏距离定义为：D e(p,q)=（x−u）2+（y−u）212。

2.街区距离：坐标分别位于（x，y）和（u，v）处的像素p和像素q之间的街区距离定义为:D4p，q=x−u+y−v。

3.棋盘距离：坐标分别位于（x，y）和（u，v）处的像素p和像素q之间的街区距离定义为:D8p，q=man（x−u，y−v）。

4.灰度数字图像有什么特点？答：灰度数字图像的特点是只有灰度（亮度）属性，没有彩色属性。

对于灰度级为L的图像，起灰度取值范围为[0，L-1].5.一副200×300的二值图像、16灰度级图像和256灰度级图像分别需要多少存储空间？答：由于存储一副M×N的灰度级为L 的数字图像所需的位数为：M ×N×L，其中L=2k。

二值图像，16灰度级图像和256灰度级图像的k值分别为1、4和8，也即存储一个像素需要的位数分别为1位、4位和8位。

所以，一副200×300的二值图像所需的存储空间为200×300×1/8=7.5kB；一副200×300的16灰度级图像所需的存储空间为200×300×4/8=30kB；一副200×300的256灰度级的图像所需的存储空间为200×300×8/8=60kB。

6.简述采样数变化对图像视觉效果的影响。

答：在对某景物的连续图像进行均匀采样时，在空间分辨率（这里指线对宽度）不变的情况下，采样数越少，即采样密度越低，得到的数字图像阵列M×N越小，也即数字图像尺寸就越小。

反之，采样数越多，即采样密度越高，得到的数字图像阵列M×N 越大，也即数字图像的尺寸就越大。

7.简述灰度级分辨率变化对图像视觉效果的影响。

答：灰度级分辨率是指在灰度级别克分辨的最小变化。

灰度级别越大，也即图像的灰度级分辨率越高，景物图像总共反映其亮度的细节就越丰富，图像质量也就越高。