一、写在最前
继续复习,放张昨天的图纪念下长沙的酷暑,拍照技术有限,大家凑合先看着
二、填空题
- 均值滤波
🌰:
用3*3的模版对图像进行均值滤波,如图所示,该图像块的中心点滤波后的像素值为:5
解:模板内均值代替中心点像素即可
- 中值滤波
🌰:
用3*3的模版对图像进行均值滤波,如图所示,该图像块的中心点滤波后的像素值为:5
解:模板内中值代替中心点像素即可,2、3、4、4、5、6、6、7、8
- 水平方向一阶锐化
🌰:
对图像进行水平方向的一阶锐化,水平方向一阶锐化的系数矩阵为H=[1 2 1; 0 0 0; -1 -2 -1]。某3*3的图像块如图所示,该图像块的中心点进行水平方向的一阶锐化后,结果为:-14
解:(3-4)+(2-7)*2+(5-8)=-14
- 位图文件存储
🌰:一幅未经压缩800×600像素的256色的风景图片的大小约为(B)KB。
A、1228 B、480 C、2400 D、307200
解:
①首先计算出该图片的大小为多少个bit
②计算图片所占的磁盘存储空间
三、问答题
- 采样?采样间隔与图像的关系?
采样是指将空间上连续的图像转换成离散的采样点(即像素)集的操作。
一般来说,采样间隔越大,所得的图像像素点越少,空间分辨率越低,质量差,严重时出现呈块状的国际棋盘效应;采样间隔越小,所得的图像像素点越多,空间分辨率越高,图像质量好,但数据量大。
- 量化?量化等级与图像的关系?
量化是将各个像素的明暗信息离散化后,用数字来表示。一般的量化值为整数。
图像的采样点数一定时:
量化等级越高,所得图像层次越丰富,灰度分辨率高,图像质量好,但数据量大;量化等级越少,图像层次欠丰富,灰度分辨率低,会出现伪轮廓现象,图像质量变差,但数据量小。
- 中值滤波对不同类型的噪声抑制效果
对椒盐噪声,中值滤波的抑制效果比较好。
椒盐噪声是幅值近似相等但随机分布在不同的位置上,图像中有干净点也有污染点。中值滤波有较大概率选择到图像中未被噪声污染的点替代污染点,所以有抑制噪声的作用。
对高斯噪声,中值滤波抑制效果不够好。
高斯噪声是幅值近似正态分布,但分布在每点上,因此图像都是污染点,所以中值滤波选不到合适的干净点。
特征:
a. 高斯噪声
噪声的幅值是随机分布的
b. 椒盐噪声
出现的位置是随机的,但幅值基本相同
- 对灰度图像的梯度是如何定义的,图像梯度的物理意义是什么
定义
图像f(x,y)在其坐标(x,y)上的梯度是一个二维列向量
其中 ∇f 的大小为 f(x,y) 的最快变化率,方向为 f(x,y)的最快变化方向
物理意义
任一点(x,y)处一个边缘的方向与该点处的梯度向量的方向正交
在灰度变化平缓的区域其梯度值较小
图像中灰度变化较大的边缘区域梯度值大
在灰度均匀区域其梯度值为零
四、计算题
- 线性对比度展宽
- 直方图均衡化
(1)求直方图(灰度0到灰度9的像素个数依次为) :1、3、1、3、3、1、5、1、1、1
(2)计算原图的灰度分布概率 (表示成小数的形式,小数点后保留2位)(灰度0到灰度9的灰度分布概率依次为) :0.05、0.15、0.05、0.15、0.15、0.05、0.25、0.05、0.05、0.05
(3)计算原图灰度的累计分布(表示成小数的形式,小数点后保留2位)(灰度0到灰度9的灰度累计分布依次为):0、0.20、0.25、0.40、0.55、0.60、0.85、0.90、0.95、1.00
(4)计算原图与新图灰度值的影射关系(原图中灰度0到灰度9的在新图中的灰度值依次为):
0、2、2、4、5、5、8、8、9、9
解:
9
∗
h
p
(
灰
度
累
计
分
布
概
率
,
相
乘
时
第
一
位
置
0
)
9*h_p(灰度累计分布概率,相乘时第一位置0)
9∗hp(灰度累计分布概率,相乘时第一位置0)
(5)对比度C = 15.8421
- 基于像素采样的图像缩小方法
已知原始图像如图所示,基于像素采样的图像缩小方法对图进行缩小。设原图像大小为MxN,将其缩小为K1*M x K2*N,(k1=0.5,k2=0.6)
算法步骤如下:
1)设原图为F(x,y),x=1,2,…,M;共M行 y=1,2,…,N. ;共N列
缩小后图像是G(i,j), i=1,2,…,k1M;j=1,2,…,k2N.
2)新图的i行j列与原图的对应关系为:G(i,j)=F(i/k1, j/k2)。
(a)新图有:2 行,3 列
(b)新图第一行对应原图第:2 行,新图第二行对应原图第:4 行
(c)新图第一列对应原图第:2 列,新图第二列对应原图第:3 列,新图第三列对应原图第:5 列
- 对图像进行SNN均值滤波(模板:3*3)
该图像块的中心点滤波得到的4个对称近邻的像素值分别为 8、7、5、6
该图像块的中心点滤波后的像素值为(结果四舍五入):7
解:【方法】选取合适大小的模板如nxn,n为基数,中心点位置的像素为待处理像素(称为锚点);在n*n像素中,除中心点之外,各个像素点以中心点两两构成点对;取所有两两点对中的一个像素点,该像素点与锚点像素点接近;将所有取出的像素点的均值代替锚点像素。
五、写在最后
所念皆星河!(公众号:La森格)