第一章概述
1. 图像的概念及数字图像的概念。
图-是物体透射或反射光的分布，是客观存在的。
像-是人的视觉系统对图的接受在大脑中形成的印象或反映，图像是图和像的有机结合，是客观世界能量或状态以可视化形式在二维平面上的投影。
是物体的一个数字表示，是以数字格式存放的图像。
2. 数字图像处理的概念。
数字图像处理又称为计算机图像处理，它是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，以提高图像的实用性。
3. 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
第二章数字图像处理基础1. 人眼视觉系统的基本构造
2. 亮度的适应和鉴别人眼对光亮度的适应性非常高，一般情况下跨度达到10的10次方量级，从伸手不见五指到闪光灯强曝光。
4. 图像的数字化及表达。
（采样和量化的概念）
数字图像的表达经过了原图的采样和量化，采样是将空间上连续的图像变换为离散的操作。
经过采样后的离散像素其灰度值是连续的，不能用计算机处理，量化是将像素灰度转换为离散的整数值得过程。
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；反之..越少，..欠丰富，..低，会出现假轮廓现象，图像质量变差，但数据量小.
5.图像采样过程中决定采样空间分辨率最重要的两个参数。
采样间隔、采样孔径。
采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现马赛克效应；反之..越小，..越多，..高，..好，但数据量大。
6.图像量化过程中量化级数与量化灰度取值范围之间的关系。
一幅图像中不同灰度值的个数称为灰度级数，用G表示。
若一副数字图像的量化灰度级数G=256=2^8级，灰度取值范围一般为0到255的整数。
7. 像素的相邻领域概念（4领域，8领域）。
设p为位于坐标(x,y)处的一个像素,则p的水平和垂直相邻像素坐标为(x+1,y)，(x-1,y),(x,y+1),(x,y-1),上述像素组成了p的4邻域，用N4(P)表示。
像素p的四个对角相邻像素坐标为(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1),该像素用ND (p)表示。
ND(p)和N4(p)合起来称为p的8邻域，用N8(p)表示。
8.领域空间内像素距离的计算。
（欧式距离，街区距离，棋盘距离）
给定p,q,r三个像素，其坐标分别为(x,y),(s,t),(u,v),如果1).D(p,q)>=0 (D(p,q)=0且仅当p=q);2).D(p,q)=D(q,p);3).D(p,r)<=D(p,q)+D(q,r) ，则D为距离函数。
p,q的欧式距离De(p,q)=sqrt((x-s)^2+(y-t)^2),与(x,y)距离<=d的像素组成以(x,y)为中心,d为半径的的圆形;街区距离D4(p,q)=|x-s|+|y-t|，菱形;棋盘距离D8(p,q)=max(|x-s|,|y-t|)，正方形。
第三章图像的基本运算（书后练习3.2，3.9 ）
1. 线性点运算过程中各参数表示的含义（k，b）。
S=kr+b; r:输入点灰度值，s:输出点..。
k调对比度，b调亮度。
k>1,对比度增大，反之；k<0,亮暗互换，图像求补。
2.非线性点运算过程中不同的曲线部分对图像的调整过程。
非线性点运算有对数变换和幂次变换。
对数变换(s=clog(1+r))使窄带低灰度输入图像值映射为宽带输出值，相对的是输入灰度的高调整用该变换来扩展被压缩的高值图像中的暗像素。
幂变换(s=cr^r)同对数变换一样，相反输入高值也成立。
3. 会根据实际图像形式识别两幅图像中做了何种调整。
4. 点运算是否会改变图像内像素点之间的空间位置关系？
只改变其值，不改变其位置
5.对图像灰度拉伸，非线性拉伸与分段线性拉伸的区别？
非线性拉伸不是通过在不同灰度值区间选择不同的线性方程来实现对不同灰度值区间的扩展与压缩，而是在整个灰度值范围内采用统一的非线性变换函数，利用函数的数学性质实现对不同灰度值区间的扩展与压缩
6.对于代数运算，会根据具体的图像识别做了何种运算。
代数运算用来消除加性随机噪声。
加法用于平均值降噪；减法用于检测变化及运动的物体；乘法改变图像灰度级；除法简单的用于改灰度级，经典的用于比值图像处理。
7.对于几何运算，会根据具体的图像形式判断做了何种变换。
改变像素位置平移，镜像、旋转
8. 对于灰度重采样，至少理解最邻近插值法的含义。
最邻近法是将(u0,v0)点最近的整数坐标(u,v)点的灰度值取为(u0,v0)点的灰度值。
在(u0,v0)点各相邻像素间灰度变化较小时，这种方法是一种简单快捷的方法，但当(u0,v0)点相邻像素间灰度差很大时，这种灰度估值方法会产生较大的误差
9.图像旋转引起图像失真现象的解释。
图像旋转之后，由于数字图像的坐标值必须是整数，因此，可能引起图像部分像素点的局部改变，因此，这时图像的大小也会发生一定的改变。
第四章图像变换
1. 二维图像傅里叶变换具有哪些性质。
线性,比例,可分离,空间位移,平移,周期,共轭对称,卷积定理
2. 图像频率的概念（何谓图像上的低频区，高频区）。
高频区是指图像的亮度变化幅度大的区域，反之..
3.会根据实际的图像傅里叶变换形式，解释其使用了哪种运算性质。
4. 图像二维傅里叶变换频谱图中，原点处的最大能量尖峰的含义。
5. 理解图像重构的概念，能够根据给出的图像，分辨图像重构的方法。
第五章图像增强（书后练习5.4？，5.5）
1. 图像增强最常用的两种方法（空间域增强、频率域增强）。
空间域增强是指在空间域中，通过线性或非线性变换来增强构成图像的像素。
方法：点处理、模板处理;频率域增强原理：时域卷积相当于频域乘积。
因此可以在频率域中直接设计滤波器，对信号进行增强处理。
常用方法包括高、低通滤波、同态滤波等
频域处理法的基础是卷积定理，它是将图像看作波，然后利用信号处理中的手段对图像波进行处理。
空域处理法的基础是灰度映射变换，它是直接针对图像中的像素进行处理，所用到的映射变换取决于增强的目的
2.图像直方图的含义，直方图均衡的概念及效果。
直方图是图像的一种统计表达，反映了该图中不同灰度级出现的统计概率。
直方图均衡描述图像中各灰度级出现的相对频率，基于直方图的灰度变换，可调整直方图到一个预定的形状。
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。
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。
效果：变换后直方图趋于平坦，灰级增加，灰度合并；原始图像中含有像素数多的几个灰度间隔被拉大，压缩的只是像素数少的
几个灰度间隔，视觉接受的信息量大大增强。
3. 会用matlab中直方图均衡化的函数。
4. 理解空间域滤波增强中模板的概念，理解模板的工作方式。
空间域滤波增强采用模板处理方法对图像进行滤波，以去除图像噪声或增强图像细节，空..强时，模板中心从一个像素向另一个像素移动，通过模板运算出该店的输出。
5.了解几种最基本的边缘锐化滤波器，知道每种滤波器在处理图像时主要是提取何种边缘特征。
理想高通滤波，巴特沃斯高通滤波，指数高通滤波，梯形高通第六章图像复原（书后练习
6.3,6.4）
1. 图像退化的原因有哪些？成象系统的象差、畸变、带宽有限等造成图像图像失真；由于成象器件拍摄姿态和扫描非线性引起的图像几何失真；运动模糊，成象传感器与被拍摄景物之间的相对运动，引起所成图像的运动模糊；灰度失真，光学系统或成象传感器本身特性不均匀，造成同样亮度景物成象灰度不同；辐射失真，由于场景能量传输通道中的介质特性如大气湍流效应、大气成分变化引起图像失真；图像在成象、数字化、采集和处理过程中引入的噪声等
2. 图像退化的线性模型。
g(x,y)=H[f(x,y)]+n(x,y);g:实际所得退化图像，H:平面所得图像,n:加性噪声
3.掌握几种最基本的噪声模型，掌握分辨图像被何种噪声进行污染退化，并能够从图像中分辨出。
高斯噪声用均值滤波处理，脉冲(椒盐)噪声用中值滤波处理。
4. 掌握中值滤波和均值滤波的含义及处理方法。
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。
特点：它是一种非线性的图像平滑法，它对脉冲干扰级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均值：在图像上，对待处理像素给定一个模板，该模板包含了其周围邻近像素，将模板中全体像素均值来代替该像素值得方法(算术,几何,谐波,逆谐波)，优点把每个像素都用周围的8个像素做均值操作，平滑图像速度快、算法简单。
5.了解最大最小值滤波的含义及处理方法。
最大值、最小值滤波，通过取邻域像素最大或最小值作为输出图像的像素值。
6.什么是图像平滑？图像平滑常用的方法有哪些？
实际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，这些干扰均会使图像质量变差，因此需要进行图像的平滑处理，图像平滑的目的是为了消除噪声。
（2分）图像平滑可以在空间域进行，也可以在频率域进行。
空间域常用的方法有邻域平均法、中值滤波和多图像平均法等。
在频率域，可以采用各种形式的低通滤波方法进行平滑处理。
