*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。空间均值处理的重要应用是，为了对感兴趣的物体得到一个粗略的描述而模糊一幅图像。
*中值滤波器机理：将像素邻域内灰度的中值代替该像素的值；
对于处理脉冲噪声非常有效，该种噪声也称为椒盐噪声；
*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。
*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。
*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。*伪彩色增强和假彩色增强有何异同点。
答：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；假彩色增强则是对一幅彩色图像进行处理得到与原图象不同的彩色图像；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。
*图像编码基本原理是什么？数字图像的冗余表现有哪几种表现形式？
答：虽然表示图像需要大量的数据，但图像数据是高度相关的，或者说存在冗余（Redundancy）信息，去掉这些冗余信息后可以有效压缩图像，同时又不会损害图像的有效信息。
数字图像的冗余主要表现为以下几种形式：空间冗余、时间冗余、视觉冗余、信息熵冗余、结构冗余和知识冗余。
*什么是中值滤波，有何特点？
答：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。
*图像增强的目的是什么？
答：对图像进行加工，使其结果比原始图像更适用于特定应用。
“特定”一词表明图像增强技术是面向问题的。
*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。
*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
*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。
*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。
*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。
*图像中微分算子的特点
1.一阶微分产生较粗的边缘，二阶微分产生的边缘则较细；
2.对于孤立的噪声点，在该点及其周围点上，二阶微分比一阶微分的响应要强很多；
3.二阶微分有一个过渡，即从正回到负，在图像中，表现为双线。
*二维图像函数f(x,y)的拉普拉斯变换定义为：
锐化图像= 原图像+ 拉普拉斯图像
*对于数字图像处理而言，离散傅里叶变换和其反变换必定存在。
用(-1)x+y乘以f(x,y)，可以将F(u,v)原点变换到频率坐标的(M/2,N/2)处。在决定形状特点时，相位信息非常重要。
