![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数字图像处理习题
akane2002_2005
这个作者很懒,什么都没留下…
展开
-
8.4
计算8.3中IGS编码解码后的均方根差(rms error)和均方根信噪比(rms signal-to-noise).解答 Pixel IGS Code翻译 2006-10-31 02:07:00 · 989 阅读 · 0 评论 -
8.10 8.11
8.10二元丢失信道(binary erasure channel)中, 所传输的信号有一定的几率会没有被接收到. 这样的信道有三种可能的输出: 0 丢失(没有接收信号) 1, 信道矩阵为(a) 计算信道的容量(b) 一个错误率为0.125的二元对称信道和一个丢失率为0.5的二元丢失信道, 哪一个更好. 解答(a)设信源z={Pbs, 1-Pbs}翻译 2006-11-03 17:38:00 · 963 阅读 · 0 评论 -
8.22 8.23
8.22用CCITT Group 4 压缩算法编码下面两行数据的第二行.0 1 1 0 0 1 1 1 0 0 1 1 1 1 1 1 1 1 0 0 0 0 11 1 1 1 1 1 1 0 0 0 1 1 1 0 0 0 0 1 1 1 1 1 1假设初试的参考位置a0在第二行的第一个象素. 解答按图示编码为,[0001] [0001] [010翻译 2006-11-05 18:35:00 · 931 阅读 · 0 评论 -
3.1~3.3
翻译 2006-11-06 01:06:00 · 1193 阅读 · 0 评论 -
3.6~3.8
翻译 2006-11-06 05:18:00 · 1182 阅读 · 0 评论 -
3.22~2.24
3.22下面三幅图像经过了方形的平均滤波器的滤波, 滤波器的大小分别为n=23, 25, 和45. (a)(c)图的左下部分的竖条都变模糊了, 但是之间依然有清晰的间隔. 但是这些竖条在图像(b)中完全混在了一起, 尽管(b)中使用的滤波器大小远小于(c). 解释为什么.解答滤波后的图像是否存在清晰的间隔取决于象素间是否有明显的灰度差异. 如下图所示, 分别代表了三个尺度的滤翻译 2006-11-07 21:57:00 · 1789 阅读 · 2 评论 -
4.5~4.7
4.5高通滤波器具有以下的传递函数Hhp(u, v) = 1 – Hlp(u, v)其中Hlp是对应的低通滤波器的传递函数. 用4.4中得到的结果计算高斯高通滤波器在空间域里的形式.解答:同样计算Hhp(u, v)的傅立叶逆变换. 1的逆变换是一个冲激函数d(x, y). 根据变换的线性性质, 结果等于冲激函数减去在4.4中所计算得到的Hlp的逆变换.翻译 2006-11-08 21:27:00 · 1564 阅读 · 0 评论 -
4.8~4.10
4.8每一个图4.23所示的高通滤波器都在原点处存在一个尖峰, 解释为什么.解答这是因为这些滤波器在频域中的表达式都是1减去一个低通滤波器. 而1的傅立叶逆变换是一个冲激函数, 它在原点处为无穷大. 4.9看下列图像. 右边的图像是由左边的图像经过一下操作得到. (a)原图像乘以(-1)x+y, (b)计算其离散傅立叶变换, (c)得到变换的复共轭., (d)计翻译 2006-11-09 03:50:00 · 2288 阅读 · 1 评论 -
8.20 8.21
翻译 2006-11-05 16:29:00 · 745 阅读 · 0 评论 -
3.4 3.5
3.5为什么离散的直方图均衡技术通常无法得到纯平的直方图.解答这是因为在离散的情况下, 我们永远也无法减小直方图在每一点的高度. 如果某个灰度上的象素值超过了纯平的直方图所需要的数量, 因为不能将这个灰度上的象素分散到几个灰度上去, 所以这样的均衡技术没有办法降低直方图的高度. (但可以将几个灰度映射到同一个灰度上增加某一点直方图的高度)翻译 2006-11-06 02:32:00 · 1512 阅读 · 0 评论 -
3.25~3.28
3.25说明式3.7-1定义的Laplacian算子是各向同性的(旋转不变). 用下列坐标轴的旋转方程证明. 3.26同3.27 3.27证明从一幅图像中减去Laplacain和一个unsharp masking的效果成比例. 使用式3.7-4的定义.证明:(原作者参考答案)翻译 2006-11-08 00:15:00 · 1165 阅读 · 0 评论 -
4.11~4.13
4.11证明卷积定理. 出于简化, 只考虑一维连续函数. 4.12考虑下面的图像. 右边的图像由左边的图像先经过高斯低通滤波器, 再经过高斯高通滤波器滤波而得到. 图像的大小为420×344, 两个滤波器的截止频率D0都为25.(a) 考虑右边的图像, 解释为什么戒指处的部分很亮而且是实心的, 而图像的其他部分只显示物体的轮廓边缘, 中间是黑色的区域. 换翻译 2006-11-09 20:31:00 · 2033 阅读 · 0 评论 -
4.14~4.16
4.14假设你现在构造了一个低通滤波器, 计算点(x, y)的四个直接相邻的点的平均值, 不包括该点自身的值.(a) 得到等价的在频域中的滤波器H(u, v)(b) 显示结果确实是一个低通的滤波器.解答(a)(b)得到的H(u, v)的截面如图所示 4.15一种计算差分的方法是计算f(x+1, y)和f(x, y)的差.(a)翻译 2006-11-10 02:36:00 · 2293 阅读 · 0 评论 -
4.1~4.4
4.3F(u, v)是图像f(x, y)的离散傅立叶变换. 我们知道将F(u, v)乘上滤波器H(u, v)之后再进行逆变换得到的图像将根据滤波器的性质改变原图像. 设H(u, v)=A, 一个正常数. 这样滤波的最终效果是将原图像乘了一个相同的常数. 用卷积定理从数学上解释为什么.证明:由卷积定理, 在频域和滤波器相乘等价于在空间上将图像与H(u, v)的逆变换进行卷积.翻译 2006-11-08 16:44:00 · 1402 阅读 · 0 评论 -
3.19~3.21
3.19(a) 正如在3.6.2节中指出的, 单独的暗的或亮的象素块(和背景比较), 如果面积小于中值滤波器的一半, 可以被滤波消去(设置成背景的灰度值). 假设中值滤波器的大小为n×n, 并且n为奇数, 解释一下为什么.(b) 一幅图像中存在不同的象素块. 假设一个块中的所有点都比背景亮或者暗(不会同时), 而且每一个块的面积都小于等于n2/2. 如果满足什么条件(用n表示), 则翻译 2006-11-07 17:20:00 · 1696 阅读 · 0 评论 -
8.8 8.9
8.8已知信道的A={0,1}, B={0,1}, z=[0.75, 0.25]和计算P(a), P(b), P(b| a), P(a| b) 和 P(a, b). 解答由题目可知P(a= 0) = 0.75 P(a= 1) = 0.25P(b=0|a=0)=2/3 P(b=0|a=1翻译 2006-11-02 15:52:00 · 789 阅读 · 0 评论 -
8.3
对下列已经被均匀量化至6bit精度的8个象素组成的一行数据, {12, 12, 13, 13, 10, 13, 57, 54}, 构造3bit的IGS码.解答 Pixel Gray Level翻译 2006-10-30 03:16:00 · 717 阅读 · 0 评论 -
8.5
8.5(a) 用(7, 4) Hamming码对表中数据进行编码 i i+1 i+2翻译 2006-10-31 23:28:00 · 628 阅读 · 0 评论 -
8.6 8.7
8.6以对数e为底的信息量称为nat, 以10为底的称为Hartley. 计算这两者和以2为底的信息单位bit的换算关系. 解答设相同的信息量用三个单位分别表示的值为Xe X10 X2.则: 8.7证明, 对于包含q个符号的无记忆信源, 熵的最大值是logq, 当且仅当所有符号出现的概率相等时有最大值.(提示:考虑logq-H(z)的大小以及不等式lnx 证翻译 2006-11-01 21:36:00 · 897 阅读 · 0 评论 -
8.1
(a)变长编码(variable-length coding)可以被用在直方图均衡处理后(histogram equalized)的图像中吗?为什么?(b)这样的图像中是否存在可用于数据压缩的像素间冗余(interpixel redundancies)? 解答 (a)变长编码的主要思想是对出现频率高的字符使用较短的编码, 而对出现频率较低的字符使用较长的编码,从而降低平翻译 2006-10-27 19:03:00 · 900 阅读 · 0 评论 -
8.2
一种行程编码的变化方式是这样的, (1)仅对0或1的行程编码(而不是全部), (2)对每一行的起点使用特殊编码,以减少传输引起的错误. 可以使用这样的编码对(xk, rk), 这里分别表示第k个行程的起始坐标和行程长度. 用(0, 0)来表示每行的开始.(a)当对2n*2n大小的二值图像编码时, 推导出为了能够压缩数据, 平均每一行能存在的最大行程数.(b)计算n=10时的最大行程数.翻译 2006-10-28 15:00:00 · 847 阅读 · 0 评论 -
8.17~8.19
8.17(a)构造所有的4位格雷码(gray code).(b)构造一种从gray code转换成二进制码的方法, 并解码0111010100111解答(a) 0000 0000翻译 2006-11-05 02:20:00 · 912 阅读 · 0 评论 -
3.16~3.18
3.16在工业应用中, X光成像常被用于检查组合铸件的内部. 目的是寻找铸件中的孔隙, 通常它们在图像中显示为小的斑点. 然而, 由于铸件的材料和X光能量的特性, 产生了很高的噪声使得检查很困难, 因此决定通过图像平均来减少噪音从而提高可见对比度. 在计算平均值时, 很重要的一点是要保持尽量少的图像, 以至于减少部件所需要停留成像的时间. 通过多次试验, 将噪声的方差减少10倍即可. 如翻译 2006-11-07 03:30:00 · 1459 阅读 · 0 评论 -
8.12 8.13
8.12(a) 三个符号的信源存在几种不同的Huffman编码?(b) 构造出这些编码. 解答(a) 两种(b) [0 10 11] 和 [1 00 01] 8.13(a)计算下表所示信源的熵. rk翻译 2006-11-04 12:31:00 · 867 阅读 · 0 评论 -
8.14~8.16
8.14算术解码是算术编码的逆过程. 已知编码模型如下, 解码信息0.23355. Symbol Prob.翻译 2006-11-04 21:00:00 · 1966 阅读 · 0 评论 -
3.9~3.12
翻译 2006-11-06 17:25:00 · 1119 阅读 · 0 评论 -
3.13~3.15
3.13现有两幅图像a和b, 它们的灰度等级都分布在全部0~255之间.(1) 如果我们不断的从图像a中减去b, 最终将得到什么结果.(2) 如果交换两幅图像是否会得到不同的结果.解答(1)因为两幅图像灰度分布在全部0~255之间, 并且我们假设两幅图像是不相关的, 那么a-b的结果将分布在-255~255之间, 所以每次减法操作可以表示为下式:a(n翻译 2006-11-07 01:44:00 · 1933 阅读 · 0 评论 -
4.17 4.18
4.17如图4.30所示, 结合高频增强和直方图均衡可以获得很好的边缘锐化和对比度拉伸的效果.(a) 这两个处理的顺序有没有关系.(b) 如果顺序有关, 解释原因.解答(a)(b) 有关. 例如我们有一幅变化缓慢但直方图分布已经很均衡的图像, 这时先进行高频增强将得到类次上面左下角的图像. 因为灰度变化缓慢, 所以高频部分的值很小, 从而整幅图像直方图翻译 2006-11-10 21:23:00 · 2071 阅读 · 0 评论