数字图像处理复习

单门限灰度图象分割方法适合于什么样的图像？为什么？如何确定合适的门限制？

适合的图像：
(1) 图像分为目标物和背景
(2) 同一分割区域内有灰度值相近的像素点组成
(3) 目标物和背景、不同目标物之间的灰度值有明显差异

利用取阀值方法来分割灰度图象是基于一定图像模型的。最常用的模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成，在目标和背景内部的相邻像素间的灰度值是高度相关的，但在目标和背景交界处两边的像素在灰度之上有很大的差别。

取阀值分割方法的关键问题是选取合适的阀值。阀值一般可写成如下形式：

T = T [ x, y, f(x, y), p(x, y) ]

其中f(x, y)是在像素点(x, y)处的灰度值，p(x, y)是该点邻域的某种局部性质。。换句话说，在一般情况下T是(x, y), f(x, y)和g(x, y) 的函数。我们可将取阀值分割方法分成如下3类：
(1) 如果仅根据f(x, y)来选取阀值，所得的阀值仅与各个图像像素的本身性质有关(也有叫全局阀值的，因为此时确定的阀值对全图使用)
(2) 如果阀值是根据f(x, y)和p(x, y)来选取的，所得的阀值就是与(局部)区域性质相关的(也叫局部阀值)
(3) 如果阀值进一步(除根据f(x, y)和p(x, y)来选取外)还与x, y有关，这所得的阀值是与座标相关的(也叫动态阀值，且可将前两种阀值对应称为固定阀值)。

变换编码的步骤如何？各种编码有何不同？

变换编码由4个操作模块构成：分解(构造)子图像、变换、量化和编码。具体步骤如下：
1. 一幅N*N图像先被分解成尺寸为n*n的子图像，通过变换这些子图像得到(N / n)*(N / n)个 n*n 的子图像变换数组
2. 变换的目的是解除每个子图像内部像素之间的相关性或将尽可能多的信息集中到尽可能少的变换系数上
3. 接下来的量化步骤有选择的消除或较粗糙的量化携带信息最少的系数，因为他们对重建的子图像的质量影响最小
4. 最后是符号编码，即(常利用变长码)对量化了的系数进行编码。

分析和理解H.264、Deinterlace以及upconversion之间的联系

帧速率上转换(Frame rate up-conversion FRC)是近些年提出的论点，它伴随着新的电视和多媒体系统的发展而产生。通常，电影的播放速率是每秒24帧，大部分视频的播放速率为每秒25或30帧，但是随着高清晰度电视(HDTV)和多媒体计算机的发展人们需要更高的帧速率来提高视频质量。尤其是在高清晰度电视上帧速率要实现从50帧提高到100帧。因此，帧速率转换技术的研究和应用成为一个非常活跃的研究领域。

在世界各国现行广播电视系统中，为了压缩电视信号的带宽，普遍采用隔行(interlace)扫描方式。但是在现在高分辨率的显示器上，这种隔行扫描方式存在行闪烁和运动边缘出现锯齿的缺陷。于是人们提出了各种de-interlace算法。De-interlace算法可以分为场内插值和场间插值两大类[1]。