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。
连通性：确定两个像素是否连通，必须确定他们是否相邻以及其灰度值是否满足特定的相似性准则。
从具有坐标（x,y）的像素p到具有坐标（s,t）的像素q的通路（或曲线）是特定
的像素序列，其坐标为
（x0,y0）, (x1,y1) ……，（x n,y n）
其中（x0,y0）=（x,y）,（x n,y n）=(s,t) ，并且像素（x i,y i）与(x i-1,y i-1)(对于1≦i≦n)是邻接的。n是通路的长度。
不同的测量距离的方法（书本P53,ppt4~6）
△距离函数/度量D 定义：对于像素p,q和z，其坐标分别为（x,y）(s,t) （v,w），如果有
①D（p,q）≧0 [D（p,q）=0,当且仅当p=q]
②D（p,q）= D（q，p）
③D（p,z）≦D（p,q）+ D（q，z）
p 和q间的欧式距离定义如下：
D e（p，q）=[(x-s)^2+(y-t)^2]^(1/2)
对于距离度量，距点(x,y)的距离小于或等于某一值r的像素是中心在（x,y）且半径为r的圆平面
p 和q间的距离D4（又称城市街区距离）如下：
D4(p,q)=|x-s|+|y-t|
在这种情况下，距（x,y）的D4距离小于或等于某一值r的像素形成一个中心在（x,y）的菱形具有D4=1的像素是（x,y）的4邻域
p 和q间的D8距离（又称棋盘距离）定义如下：
D8(p,q)=max（|x-s|,|y-t|）
在这种情况下，距点（x,y）的D8 距离小于或等于某一值r的像素形成中心在（x,y）的方形
计算题：求Dm距离（ppt7）
第三章
灰度变换函数/亮度函数的特点：s=T(r)其值仅取决于亮度的值r，而与（x,y）无关
基本灰度变换：对比拉伸（左）和二值变换（右）（ppt8）
直方图处理:掌握直方图均衡化处理过程（ppt9~11）
直方图定义：离散函数h(r k)=n k.其中r k是区域[0,L-1]范围内第k级的亮度（灰度），n k是灰度为r k的图像中的像素数。
归一化直方图：把所有元素h(r k)除以图像中像素总数n. 即p(r k)=h(r k)/n=n k/n
直方图均衡化：假设灰度级为归一化至范围[0,1]内的连续量，并令pr(r)表示某给定图像中的灰度级的概率密度，通过s=T(r)=∫(0-r)pr(w)dw 灰度级s k=T（r k）=∑pr(r j)= ∑n j/n
了解位平面的概念（ppt12）
如果移动窗口（滤波器/掩膜）大小是m*n,则填充行和列应该分别是(m-1)/2 和(n-1)/2 。（ppt13）
掌握加权平均滤波器和中值滤波器处理方法（ppt14，15）
锐化滤波器
□ 锐化处理的主要目的是突出图像中的细节或者增强被模糊了的细节，这种模糊不是
由于错误操作造成的，就是特殊图像获取方式的固有影响。空间域用像素邻域平均法可以使图像变模糊，而锐化滤波正好相反。
□ 基本思想：因为均值处理与积分类似，从逻辑角度可以断定，锐化处理可以用空间
微分处理。
□ 图像微分增强了边缘和其他突变（如噪声）并削弱了灰度变化缓慢的区域。
第四章
傅里叶变化的性质（书本154～158，ppt19～21）
■位移性质
位移性质的应用
当 u0 = M/2 以及 v0 = N/2, 则有
在这种情况下，
■ 可分离性
离散傅里叶变换
可以用可分离形式表示
■ 周期性
离散傅里叶变换具有如下周期性质：
F(u, v) = F(u+M, v) = F(u, v+N) = F(u+M, v+N)
反函数也具有周期性：
f(x, y) = f(x+M, y) = f(x, y+N) = f(x+M, y+N)
■ 共轭对称性
离散傅里叶变换具有原点共轭对称
F(u, v) = F*(-u, -v)
)
,(),(00)//(200v v u u F y x f e N y v M x u j --⇔+πe N vy M ux j v u F y y x x f )//(20000),(),(+-⇔--πy
x y x j N y v M x u j e
e +++-==)1()()//(200ππ)
2/,2/()1)(,(N v M u F y x f y x --⇔-+v
u v u F N y M x f +-⇔--)1)(,()2/,2/(∑∑-=-=+-=1010
)//(2),(1),(M x N y N vy M ux j e y x f MN v u F π∑∑∑-=--=--=-==10/210/210/2),(),(111),(M x M ux j N y N vy j M x M ux j e v x F e y x f e M N M v u F πππ)
,(),(v u F v u F --=
