項目暫時告一段落，複習複習！要期末考試了，整理一份寶典備考。文章內容由淺葉輕舟弟弟提供，覺得不錯的話，點贊支持一波！
單選
1、如果要將圖像旋轉90度，應調用matlab函數（B）
A、imread B、imrotate C、imresize D、imshow
2、圖像增強的作用是（D）
A、在儘可能保持原圖信息的基礎上，抑制噪聲
B、將圖像中物體的邊緣和輪廓提取出來
C、減少圖像的存儲量
D、顯示圖像中被模糊的細節，或是突出圖像中感興趣的特徵
3、X光片是（A）
A、物理圖像 B、虛擬圖像
4、CG遊戲截屏是（B）
A、物理圖像 B、虛擬圖像
5、對一幅圖像而言，矩陣座標系的起點位於圖像的（B）
A、左下角 B、左上角 C、右下角 D、右上角
6、我們日常生活中所說的“黑白照片”是哪種圖像（B）
A、黑白圖像 B、灰度圖像 C、彩色圖像 D、二值圖像
7、顏色(255,0,0)是（A）
A、紅色 B、白色 C、綠色 D、藍色
8、顏色(255, 255, 255)是（B）
A、紅色 B、白色 C、黑色 D、綠色
9、顏色(0,0,255)是（D）
A、紅色 B、白色 C、綠色 D、藍色
10、一幅亮度級均勻分佈的RGB真彩圖像，每個顏色通道的亮度範圍在[0，255]，其圖像深度爲（A）
A、24 B、255 C、256 D、8
11、下列說法正確的是（C）
A、當圖像採樣間隔過大時，空間分辨率過高
B、當圖像採樣間隔過大時，可能出現僞輪廓現象
C、當圖像採樣間隔過大時，可能出現國際棋盤效應
D、量化等級越多，灰度分辨率高，越可能出現僞輪廓現象
12、關於直方圖的說法不正確的是（假設直方圖的產生方式固定）：（B）
A、圖像與灰度直方圖間是多對一的關係
B、圖像與灰度直方圖間是一一對應的關係
C、灰度直方圖能反映圖像的灰度分佈特點
D、僅從一副圖像的灰度直方圖，不能夠還原這幅圖像的原貌
13、閱讀下面的線性對比度展寬代碼並回答：
function G=ContrastWidening(ImPath,fa,fb,ga,gb)
x = imread(ImPath); %% 語句1
[m,n,c] = size(x);
if(c>1)
F=rgb2gray(x);
end
G=zeros(m,n);
k1 = %%% 填空1
k2 = %%% 填空2
k3 = %%% 填空3
for i=1:m
for j=1:n
if F(i,j)<fa
G(i,j) = k1*F(i,j);
elseif F(i,j)<fb
G(i,j) = k2*(F(i,j)-fa)+ga;
else
G(i,j) = k3*(F(i,j)-fb)+gb;
end
end
end
G = uint8(G);
end
（1）上述代碼中，“填空1”出應該填寫的代碼是（A）
A、ga/fa;
B、(gb-ga)/(fb-fa);
C、(255-gb)/(255-fb);
D、fa/ga;
（2）上述代碼中，“填空2”出應該填寫的代碼是（C）
A、ga/fa;
B、(255-gb)/(255-fb);
C、(gb-ga)/(fb-fa);
D、fa/ga;
（3）上述代碼中，“填空3”出應該填寫的代碼是（C）
A、ga/fa;
B、(gb-ga)/(fb-fa);
C、(255-gb)/(255-fb);
D、fa/ga;
14、閱讀下面代碼並回答相應問題：
function [im]=rot3_inv(I,delta_ang)
[M,N,K] = size(I);
a=delta_ang*pi/180; %%----------(a行)
x1=1; x2=M;x3=M;x4=1; %%----------(b行)
y1=1; y2=1;y3=N;y4=N;
x=[x1,x2,x3,x4];
y=[y1,y2,y3,y4];
x_2 = round(x*cos(a)-y*sin(a));
y_2 = round(x*sin(a)+y*cos(a));%%----------(c行)
xmin=min(x_2);
xmax=max(x_2);
ymin=min(y_2);
ymax=max(y_2);
if xmin<=0 %%-------(d行)
deltaX = abs(xmin)+1;
else
deltaX = 0;
end %%-------(e行)
if ymin<=0
deltaY = abs(ymin)+1;
else
deltaY = 0;
end
M_2 =xmax- xmin+1; %%-------(f行)
N_2 =ymax- ymin+1;
im = ones(M_2,N_2,K)*-1; %%-------(g行)
for i=1:M_2
for j=1:N_2
x = round((i-deltaX)*cos(a)+(j-deltaY)*sin(a));
y = round(-(i-deltaX)*sin(a)+(j-deltaY)*cos(a));
if(x>0 && x<=M && y>0 && y<=N) %%-------(h行)
im(i,j,:)=I(x,y,:);
end %%-------(i行)
end
end
im=uint8(im );
（1）解釋第 a 行代碼的作用（B）
A、將旋轉的弧度轉化爲角度
B、將旋轉的角度轉化爲弧度
C、計算四個頂點旋轉之後的座標
（2）解釋第 b 行到第 c 行代碼的作用（C）
A、計算四個頂點旋轉的弧度
B、計算四個頂點旋轉的角度
C、計算四個頂點旋轉之後的座標
（3）解釋第 d 行到第 e 行代碼的作用（A）
A、計算行的方向上的偏移量
B、計算新的圖像有幾行
C、計算新的圖像有幾列
（4）解釋第 f 行到第 g 行代碼的作用（B）
A、計算新的圖像有幾行、幾列，並得到新的圖像
B、計算新的圖像有幾行、幾列，並初始化新的圖像
C、計算新的圖像有幾列
（5）解釋第 h 行到第 i 行代碼的作用：（A）
A、新圖像的行列座標i和j，經過旋轉逆變換後的座標爲x、y，如果x、y在原圖像的合法範圍內，就將原圖像x、y處的像素值賦給新圖像i、j處的像素
B、原圖像的行列座標i和j，經過旋轉變換後的座標爲x、y，將原圖像i、j處的像素值賦給新圖像x、y處的像素
填空
1、數字圖像的一個最小單位，稱爲像素
2、光的三原色包括紅色、綠色、藍色
3、一幅1024 * 768的彩色圖像（其亮度級範圍在 [0，255] ），採用真彩色模式的位圖文件存儲，所需要的數據量是多少字節？ 1024 * 768 * 24 / 8
4、圖像畫面的點是無限稠密的，灰度值也是無限稠密的，這樣的圖像稱爲模擬圖像。又稱連續圖像。
5、用數字陣列表示的圖像，稱爲離散圖像、數字圖像。
6、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
7、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
8、採樣間隔過大，空間分辨率低，可能出現國際棋盤、或棋盤格效應
9、量化等級過少，圖像灰度分辨率低，會出現僞輪廓現象
10、已知原圖像F(i,j)，圖像大小爲M*N。原圖像 F(i,j) 到新圖像 G(i’, j’) 的變換關係爲：
i'=M-i+1
j'=j
則原圖像到新圖像的變換爲垂直鏡像
11、圖像上每一點都存在噪聲，但是噪聲的幅值是隨機分佈的，這類噪聲稱爲高斯噪聲
12、椒鹽噪聲的特徵是：出現的位置是隨機的，但噪聲的幅值是基本相同的
13、對圖像進行水平方向的一階銳化，水平方向一階銳化的係數矩陣爲H=[1 2 1; 0 0 0; -1 -2 -1]。某3*3的圖像塊如圖所示，該圖像塊的中心點進行水平方向的一階銳化後，結果爲 -14（直接點乘，不是矩陣相乘）
14、對圖像進行Laplacian銳化，Laplacian銳化的係數矩陣爲H=[0 -1 0; -1 4 -1; 0 -1 0]。某3*3的圖像塊如圖所示，該圖像塊的中心點進行Laplacian銳化後，結果爲 5（直接點乘，不是矩陣相乘）
15、Laplacian算子是 二階微分算子
16、Wallis算子是 二階微分算子
17、圖像分割方法依照分割時所依據的圖像特性不同，大致可以分爲三大類：閾值方法、邊界分割方法、區域提取方法
18、均勻性度量法的設計思想認爲，屬於“同一類別”的對象具有較大的一致性。因此“同一類別”的所有像素的 方差 比較小。
19、對圖1所示圖像進行膨脹（黑色表示1，白色表示0），結構元素如圖2所示。求膨脹後的結果（注意，圖像畫面上邊框處不能被結構元素覆蓋的部分全部置爲背景）
圖1
圖2
膨脹結果圖像的第2行像素分別爲：1、1、1、1、1、0
膨脹結果圖像的第3行像素分別爲：0、0、1、1、1、0
20、對圖1所示圖像進行腐蝕（黑色表示1，白色表示0），結構元素如圖2所示。求腐蝕後的結果（注意，圖像畫面上邊框處不能被結構元素覆蓋的部分全部置爲背景）
圖1
圖2
腐蝕結果圖像的第3行像素分別爲：0、0、0、0、0、0
腐蝕結果圖像的第4行像素分別爲：0、0、0、0、1、0
21、在圖像頻域變換中，高頻信號反映細節
22、在圖像頻域變換中，低頻信號反映景物概貌
23、由於圖像中存在冗餘，所以可以對圖像進行壓縮編碼
24、Huffman編碼是將在圖像中出現頻度大的像素值，給一個比較短的編碼
25、人眼觀察，兩個相同的像素，其RGB值卻各不相同，我們稱這兩個像素之間構成視覺冗餘。
判斷
1、對比度，通俗地講，就是亮暗的對比程度。√
2、對比度高的圖像，一般圖像畫質的清晰程度比較低。×
3、對比度展寬的原理，是通過抑制不重要的部分，來擴展所關心部分的對比度。√
4、灰級窗算法，是將原圖中灰度值分佈在[fa,fb]範圍內的像素值映射到 [0,255]範圍內。√
5、對於椒鹽噪聲，中值濾波的噪聲抑制效果比較好。對於高斯噪聲，中值濾波的噪聲抑
制效果不夠好。√
6、椒鹽噪聲是幅值近似相等但隨機分佈在不同位置上，圖像中有乾淨點也有污染點。均值濾波，有較大概率選擇到圖像中未被噪聲污染的點來替代污染點，所以抑制噪聲的作用好。×
7、高斯噪聲是幅值近似正態分佈，但分佈在每點像素上。因爲圖像中的每點都是污染點，所以中值濾波選不到合適的乾淨點。√
8、邊界保持類平滑濾波器希望解決的問題是，經過平滑濾波處理之後，圖像就會變得模糊。√
9、邊界點與噪聲點有一個共同的特點是，都具有灰度的躍變特性。採用均值濾波和中值濾波等方法進行平滑處理噪聲時，不會同時模糊邊界。×
10、邊界保持類平滑濾波器的設計思想是，爲了解決圖像模糊問題，在進行平滑處理時，首先判別當前像素是否爲邊界上的點，如果是，則不進行平滑處理；如果不是，則進行平滑處理。√
11、圖像f(x,y)的梯度大小爲f(x,y) 的最快變化率。√
12、圖像f(x,y)的梯度的方向爲f(x,y) 的最慢變化方向。×
13、任一點(x,y)處一個邊緣的方向與該點處的梯度向量的方向平行。×
14、在灰度變化平緩的區域其梯度值較小，而在灰度均勻區域其梯度值爲零。√
15、圖像中灰度變化較大的邊緣區域梯度值小。×
16、交叉微分算法（Roberts算法）是一階微分算子。√
17、Sobel銳化算子是二階微分算子。×
18、開運算是使用相同的結構元素，對原圖先進行腐蝕處理，後再進行膨脹的處理。√
19、開運算可以在分離粘連目標物的同時，基本保持原目標物的大小。√
20、閉運算是使用不同的結構元素，對原圖先進行膨脹處理，後再進行腐蝕的處理。×
21、閉運算在合併斷裂目標物的同時，不能基本保持原目標物的大小。×
問答
1、簡述中值濾波器對不同類型的噪聲抑制效果。
（1）對於椒鹽噪聲，中值濾波的噪聲抑制效果比較好
椒鹽噪聲是幅值近似相等但隨機分佈在不同位置上，圖像中有乾淨點也有污染點。中值濾波，有較大概率選擇到圖像中未被噪聲污染的點來替代污染點，所以有抑制噪聲的作用。
（2）對於高斯噪聲，中值濾波的噪聲抑制效果不夠好
高斯噪聲是幅值近似正態分佈，但分佈在每點像素上。因爲圖像中的每點都是污染點，所以中值濾波選不到合適的乾淨點
2、對於一張灰度圖像，其梯度是如何定義的？圖像梯度的物理意義是什麼？
（1）定義
圖像 f(x,y) 在其座標(x,y) 上的梯度是一個二維列向量
其中 ∇f 的大小爲 f(x,y) 的最快變化率，方向爲 f(x,y) 的最快變化方向
梯度的模：
（2）物理意義
- 任一點(x,y)處一個邊緣的方向與該點處的梯度向量的方向正交
- 在灰度變化平緩的區域其梯度值較小
- 圖像中灰度變化較大的邊緣區域梯度值大
- 在灰度均勻區域其梯度值爲零
3、什麼是採樣，簡述採樣間隔與圖像的關係。
（1）含義
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。
（2）關係
一般來說，採樣間隔越大，所得圖像像素數越少，空間分辨率低，質量差，嚴重時出現像素呈塊狀的國際棋盤效應；採樣間隔越小，所得圖像像素數越多，空間分辨率高，圖像質量好，但數據量大。
4、什麼是量化，簡述量化等級與圖像關係。
（1）含義
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。
（2）關係
圖像的採樣點數一定時：量化等級越多，所得圖像層次越豐富，灰度分辨率高，圖像質量好，但數據量大；量化等級越少，圖像層次欠豐富，灰度分辨率低，會出現僞輪廓現象（3bit以下的量化），圖像質量變差，但數據量小。
5、開運算是爲了解決什麼問題而提出的？開運算的算法原理是什麼？開運算有什麼特點？
（1）問題提出
雖然腐蝕處理可以將粘連的目標物進行分離，膨脹處理可以將斷開的目標物進行接續，但同時都存在一個問題，就是經過腐蝕處理後，目標物的面積小於原有面積，而經過膨脹處理之後，目標物的面積大於原有面積。
（2）原理
開運算是對原圖先進行腐蝕處理，後再進行膨脹的處理。
（3）特點
開運算可以在分離粘連目標物的同時，基本保持原目標物的大小。開運算具有磨光物體外邊界的作用。
6、閉運算是爲了解決什麼問題而提出的？閉運算的算法原理是什麼？閉運算有什麼特點？
（1）問題提出
雖然腐蝕處理可以將粘連的目標物進行分離，膨脹處理可以將斷開的目標物進行接續，但同時都存在一個問題，就是經過腐蝕處理後，目標物的面積小於原有面積，而經過膨脹處理之後，目標物的面積大於原有面積。
（2）原理
閉運算是對原圖先進行膨脹處理，後再進行腐蝕的處理。
（3）特點
閉運算可以在合併斷裂目標物的同時，基本保持原目標物的大小。閉運算可以使物體的輪廓線變得光滑，具有磨光物體內邊界的作用。
計算
1、直方圖均衡化算法的計算
已知有一張4行5列的灰度圖，灰度值的範圍在0-9之間。
按以下步驟進行直方圖均衡化算法的計算
-
步驟1：求直方圖（灰度0到灰度9的像素個數依次爲）
1、3、1、3、3、1、5、1、1、1
-
步驟2：計算原圖的灰度分佈概率 (表示成小數的形式，小數點後保留2位)（灰度0到灰度9的灰度分佈概率依次爲）
0.05、0.15、0.05、0.15、0.15、0.05、0.25、0.05、0.05、0.05
-
步驟3：計算原圖灰度的累計分佈(表示成小數的形式，小數點後保留2位)（灰度0到灰度9的灰度累計分佈依次爲）
0.05、0.20、0.25、0.40、0.55、0.60、0.85、0.90、0.95、1.00
-
步驟4：計算原圖與新圖灰度值的影射關係（原圖中灰度0到灰度9的在新圖中的灰度值依次爲）
0、2、2、4、5、5、8、8、9、9
2、基於像素採樣的圖像縮小方法對圖進行縮小。
已知原始圖像如圖所示，基於像素採樣的圖像縮小方法對圖進行縮小。設原圖像大小爲M*N，將其縮小爲 k1M*k2N，（k1=0.5，k2=0.6）。
算法步驟如下：
1）設原圖爲 F(x,y)，x=1,2,…,M；共M行 y=1,2,…,N ；共N列
縮小後圖像是 G(i,j), i=1,2,…,k1M；j=1,2,…,k2N.
2）新圖的i行j列與原圖的對應關係爲：G(i,j)=F(i/k1, j/k2)。
-
請計算縮小後的新圖像大小；
新圖有2行3列
-
請計算新圖像的每一行對應原圖像的哪一行；（計算結果四捨五入，取整數）
新圖第1行對應原圖 2 行
新圖第2行對應原圖 4 行 -
計算新圖像的每一列對應原圖像的哪一列；（計算結果四捨五入，取整數）
新圖第1列對應原圖 2 列
新圖第2列對應原圖 3 列
新圖第3列對應原圖 5 列
3、用3*3的模版對圖像進行對稱近鄰(SNN)均值濾波。
-
該圖像塊的中心點濾波得到的4個對稱近鄰的像素值分別爲 8、7、5、6
-
該圖像塊的中心點濾波後的像素值爲（結果四捨五入）：7
如若本文整理有不對之處，請予以指正，謝謝。
學如逆水行舟，不進則退