第一章

圖像的概念:
1.什麼是圖像?
圖 —— 物體投射或反射光的分佈，是客觀存在；
像 —— 人的視覺系統對圖的接收在大腦中形成的印象或認識，是人的感覺；
數字圖像的概念
數字圖像是圖像的數字表示，像素是其最小單位。
數字圖像的描述有：

無彩色圖像
彩色圖像
圖像處理的研究目的
目的：滿足人的視覺、心理需要；實際應用或某種目的的要求
數字圖像處理的定義、特點
圖像處理：對圖像信息進行性加工（處理）和分析
特點：
優：精度高、內容豐富、方法易變、靈活度高；
缺：處理速度較慢。
數字圖像處理研究的主要內容及其特點
包括圖像數字化、圖像變換、圖像編碼、圖像增強、圖像恢復、圖像分割、圖像分析與描述、圖像的理解和識別。
圖像數字化：將非數字形式的圖像信號通過數字化設備轉換成數字圖像，包括採樣和量化。
圖像變換：對圖像信息進行變換以便於在頻域對圖像進行更有效的處理。
圖像增強：增強圖像中的有用信息，削弱干擾和噪聲，提高圖像的清晰度，突出圖像中感興趣的部分。主要技術有：直方圖修正、圖像平滑、圖像銳化、同態系統、僞彩色技術
圖像壓縮編碼：對待處理圖像進行壓縮編碼以減少描述圖像的數據量，以便節省圖像傳輸、處理時間、減少存儲空間。
圖像復原：是尋找圖像降質的起因，儘可能恢復圖像本來面目。
圖像分割：根據選定的特徵將圖像劃分成若干個有意義的部分，這些選定的特徵包括圖像的邊緣、區域等。
目的：提取出感興趣的對象，爲進一步的理解和識別做準備。
主要方法：灰度閾值分割、基於紋理的分割、區域生長法
圖像分析與描述：主要是對已經分割的或正在分割的圖像各部分的屬性及各部分之間的關係進行分析表述。
圖像識別分類：根據從圖像中提取的各目標物的特徵，與目標物固有的特徵進行匹配、識別，以識別出目標物。
圖像工程相關概念
包括圖像處理、圖像分析和圖像理解三個層次。把這三個層次綜合集成在一個整體框架上進行，這個框架就是圖像工程。

數字圖像處理系統的組成
一個基本的數字圖像處理系統由圖像輸入、圖像輸出、圖像存儲、圖像通信、圖像處理和分析五個模塊組成。

圖像的數學表示
I=f（x，y，z，λ，t）
（1）靜止圖像：I = f（x，y，z, λ）
（2）灰度圖像：I = f（x，y，z，t ）
（3）平面圖像：I = f（x，y,λ,t）
而對於平面上的靜止灰度圖像，其數學表達式可簡化
爲：
I = f（x，y）

第二章

人眼視覺特點
①總範圍很寬（ c=10^8 ）
②人眼適應某一環境亮度後，範圍限制
適當平均亮度下：c=10^3
很低亮度下： c = 10
對比度概念
C=Bmax/Bmin
相對對比度：cr=（B-B0）/B0
色度學基礎
各種表示顏色的方法，稱做顏色模型。目前使用最多的是面向機器（如顯示器、攝像機、打印機等）的RGB 模型和麪向顏色處理（也面向人眼視覺）的 HIS/HSV模型。
圖像的數字化
所謂的圖像數字化，是指將模擬圖像經過離散化之後，得到用數字表示的圖像
一幅圖像必須要在空間和灰度上都離散化才能被計算機處理。空間座標的離散化叫做空間採樣，而灰度的離散化叫做灰度量化。圖像的空間分辨率主要由採樣所決定，而圖像的幅度分辨率主要由量化所決定。
採樣和量化相關概念
採樣是指將在空間上連續的圖像轉換成離散的採樣點（即像素）集的操作。位置上離散化爲採樣點，稱爲像素(pixel)
量化是將各個像素所含的明暗信息離散化後，用數字來表示。一般的量化值爲整數
分辨率相關概念、特點
圖像分辨率：區分細節的程度；
影響因素：採樣點數（ M，N）和灰度級數G。
採樣點數越多空間分辨率越高，G越多圖像幅度分辨率越高
數字圖像類型、常見文件格式
數字圖像的特點：信息量大、佔用頻帶寬、像素間相關性大、視覺效果的主觀性大
常見文件按格式：兩種存儲模式，一種點陣圖又稱位圖模式，另一種是矢量圖模式。BMP、TIFF、GIF、JPEG、PNG、WMF。視頻文件格式：AVI、MOV、RM、MPEG、WMV
領域相關概念
4鄰域——N4§

對角鄰域——ND§

8鄰域——N8§

第三章

圖像變換的目的、方法
目的：方便處理、便於抽取特性
方法：傅立葉變換、離散餘弦變換、沃爾什-哈達瑪變換
頻譜各部分意義
Fourier變換後的圖像，中間部分爲低頻部分,越靠外邊頻率越高。
因此，我們可以在Fourier變換圖中，選擇所需要的高頻或是低頻濾波。

第四章

圖像增強的目的、方法
目的：目的是根據應用需要突出圖像中的某些“有用”信息，削弱或去除不需要的信息，以達到擴大圖像中不同物體特徵之間的差別。
主要技術有：直方圖修正、圖像平滑、圖像銳化、同態系統、僞彩色技術

點運算的概念、特點
所謂點運算是指像素值（像素點的灰度值）通過運算之後，可以改善圖像的顯示效果。這是一種像素的逐點運算。
點運算與相鄰的像素之間沒有運算關係，是原始圖像與目標圖像之間的影射關係。又稱爲“對比度增強”、“對比度拉伸”、“灰度變換”
點運算方法包括：灰度變換、直方圖變換
灰度變換

直方圖均衡化概念、基本思想、步驟

例：設圖象有64*64=4096個象素，有8個灰度級，灰度分佈如表所示。進行直方圖均衡化。

直方圖規定化概念、基本思想、步驟
修改一幅圖像的直方圖，使它與另一幅圖像的直方圖匹配或具有一種預先規定的函數形狀

模板的概念、作用，模板卷積基本步驟

圖像平滑的目的、方法（空間域、頻率域）
鄰域平均法（線性的）和中值濾波法（非線性的）
噪聲的類型、特點
類型：
設備元器件及材料本身引起的噪聲
系統內部設備電路所引起的噪聲
電器部件機械運動產生的噪聲
特點：
疊加性
分佈和大小的不規則性
噪聲與圖像之間具有相關性
鄰域平均法（均值濾波）基本思想、步驟
與模板相乘求其平均值
中值濾波法基本思想、步驟
按從小到大的順序排列取中間數值
均值濾波和中值濾波的比較
對大的邊緣高度，中值濾波較鄰域均值濾波好得多，而對於較小邊緣高度，兩種濾波只有很少差別。
中值濾波是非線性的。
中值濾波在抑制圖像隨機脈衝噪聲方面甚爲有效。且運算速度快，便於實時處理。
中值濾波去除孤立線或點干擾，而保留空間清晰度較均值濾波爲好；但對高斯噪聲則不如均值濾波。
前面使用的鄰域平均法屬於低通濾波的處理方法。它在抑制噪聲的同時使圖像變得模糊，即圖像的細節(例如邊緣信息)被削弱，如果既要抑制噪聲又要保持細節可以使用中值濾波。
低通濾波
雙線性插值具有低通濾波器的性質，使高頻分量減弱，所以使圖像的輪廓在一定程度上受損。

理想低通濾波器
巴特沃思低通濾波器
指數型低通濾波器
梯形低通濾波器

圖像銳化的目的、方法（空間域、頻率域）
圖像銳化的目的：是加強圖像中景物的細節邊緣和輪廓，銳化作用是使灰度反差增強，銳化算法的實現基於微分作用
方法：圖像的景物細節特徵，一階微分銳化方法、二階微分銳化方法
一階銳化各方法的特點和區別
單方向的一階銳化是指對某個特定方向上的邊緣信息進行增強。
因爲圖像爲水平、垂直兩個方向組成，所以，所謂的單方向銳化實際上是包括水平方向與垂直方向上的銳化。

這種銳化算法需要進行後處理，以解決像素值爲負的問題。
後處理的方法不同，則所得到的效果也就不同。
後處理方法：
整體加一個整數——》可以得到類似浮雕的效果
取絕對值—————》可以獲得對邊緣的有方向提取
無方向一階銳化

 Sobel算法與Priwitt算法的思路相同，屬於同一類型，因此處理效果基本相同。
 Roberts算法的模板爲2*2，提取出的信息較弱。
 單方向銳化經過後處理之後，也可以對邊界進行增強。
二階銳化各方法的特點和區別

高通濾波
圖像輪廓是灰度陡然變化的部分，包含着豐富的空間高頻成分。
把高頻分量相對突出，顯然可使輪廓清晰。
高頻濾波器使高頻分量相對突出，而低頻分量和甚高頻分量則相對抑制。
理想高通濾波器
巴特沃思高通濾波器
指數形高通濾波器
梯形高通濾波器
兩種顏色模型概念、特點
假彩色增強：把真實的自然彩色圖像或遙感多光譜圖像處理成假彩色圖像。
僞彩色增強：把黑白圖象處理成僞彩色圖象。
僞彩色處理的概念、分類
僞彩色增強方法：
灰度分層法
僞彩色變換
頻域濾波
圖像幾何變換概念、分類、方法
圖像的幾何變換（Geometric Transformation）是指圖像處理中對圖像平移、旋轉、放大和縮小，這些簡單變換以及變換中灰度內插處理等
幾何變換不改變像素值，而可能改變像素所在的位置。
空間變換（齊次座標、圖像的平移、圖像的縮小、圖像的放大、圖像的鏡像）、灰度插值（最鄰近插值法、雙線性插值、高階插值）

第五章

圖像復原的目的、常用方法
目的：是尋找圖像降質的起因，儘可能恢復圖像本來面目。是當給定退化的圖像g(x,y)及系統h(x,y)和噪聲n(x,y)的某種瞭解或假設，估計出原始圖像f(x,y)
方法：代數復原法、逆濾波復原法、中值濾波復原法
退化模型

圖像退化的常見點擴展函數

第六章

圖像分割目的、方法
圖像分割的目的是把圖像分成一些具有不同特徵的有意義區域，將圖像中有意義的特徵或者應用所需要的特徵信息提取出來，以便進一步分析和說明。
基於閾值的圖像分割方法
基於邊界的圖像分割方法
基於區域的圖像分割方法
圖像分割算法：三類（閾值法、邊緣檢測、區域提取）
常見分割算法的基本思想、步驟：閾值分割法、區域生長法、分裂合併法
閾值化分割的基本原理就是利用圖像中要提取的目標物與其背景在灰度特性上的差異，選取一個或多個處於圖像灰度取值範圍之中的灰度閾值，然後將圖像中各個像素的灰度值與閾值進行比較，並根據比較的結果將圖像中的像素分成不同等級，從而把圖像分成互不交叉重疊的區域的集合，達到圖像分割的目的。
基於邊界的圖像分割方法就是根據圖像不同區域邊界的像素灰度值變化比較劇烈的情況，首先檢測出圖像中可能的邊緣點，再按一定策略連接成輪廓，從而實現不同區域的圖像分割
區域生長也稱爲區域生成，其基本思想是將一幅圖像分成許多小的區域，並將具有相似性質的像素集合起來構成區域。相似性準則可以是灰度級、彩色、組織、梯度或其他特性，相似性的測度可以由所確定的閾值來判定。從滿足檢測準則的點開始，在各個方向上生長區域，當其鄰近點滿足檢測準則就併入小塊區域中。當新的點被合併後再用新的區域重複這一過程，直到沒有可接受的鄰近點時生成過程終止。
區域生長的主要步驟
對圖像進行逐行掃描，找出尚沒有歸屬的像素；
以該像素爲中心檢查它的鄰域像素，即將鄰域中的像素逐個與它比較，如果灰度值小於預先確定的閾值，將它們合併；
以新合併的像素爲中心，返回步驟2，檢查新像素的鄰域，直到區域不能進一步擴張；
返回到步驟1，繼續掃描到不能發現沒有歸屬的像素，則結束整個生長過程
圖像閾值分割法可以認爲是從上到下對圖像進行分開，而區域生長法相當於從下往上不斷對像素進行合併。將這兩種方法結合起來對圖像進行劃分，便是分裂合併法。

四叉樹
基本思路：將圖像任意分成若干子塊，對每個子塊的屬性進行計算。
當屬性表明該子塊包含不同區域的像素，則該子塊再分裂成若干子塊。
如果幾個子塊的屬性相似，則這幾個相似屬性的子塊合併成一個大的區域。

第九章

圖像壓縮編碼目的、不同方法的特點
是在滿足一定圖像質量條件下，用盡可能少的比特數來表示原始圖像，
以提高圖像傳輸的效率和減少圖像存儲的容量。在信息論中稱爲信源編碼。
圖像冗餘
對於一個圖像，很多單個像素對視覺的貢獻是冗餘的。
圖像編碼方法常用評價參數：熵H、平均碼字長度R、編碼效率n、壓縮比，等

信息冗餘度爲：

每秒鐘所需的傳輸比特數bps爲:

壓縮比r爲：

圖像編碼算法

哈夫曼編碼基本思想、步驟
哈夫曼編碼是一種利用信息符號概率分佈特性的變字長的編碼方法。對於出現概率大的信息符號編以短字長的碼，對於出現概率小的信息符號編以長字長的碼。

算術編碼基本思想、步驟
算術編碼方法是將被編碼的信源消息表示成0~1之間的一個間隔，即小數區間，消息越長，編碼表示它的間隔就越小;
以小數表示間隔，表示的間隔越小所需的二進制位數就越多，碼字就越長。反之，間隔越大，編碼所需的二進制位數就少，碼字就短。
算術編碼將被編碼的圖像數據看作是由多個符號組成的字符序列，對該序列遞歸地進行算術運算後，成爲一個二進制分數;
接收端解碼過程也是算術運算，由二進制分數重建圖像符號序列。

行程編碼基本思想、步驟
編碼思想：去除像素冗餘。
用行程的灰度和行程的長度代替行程本身。
例：設重複次數爲 iC, 重複像素值爲 iP
編碼爲：iCiP iCiP iCiP
編碼前：aaaaaaabbbbbbcccccccc
編碼後：7a6b8c