掌握:
理解:
了解:选择、填空
题型:单选、填空、判断、简答、综合(计算、应用、画图、代码)
第1章 数字图像基础
数字图像的概念
什么是数字图像?
成像原理?
数字图像的多样性
成像类型、尺度概念
成像类型:反射成像、发光成像(红外成像)、吸收成像(主动脉造影成像)。
尺度:图像反映的实体尺寸。
图像数据量
根据图像数据量的图像类别划分、二值图像、灰度图像、索引图像
根据图像数据量来划分图像类别:
![](https://img-blog.csdnimg.cn/5089cd6b821d4686b074f5ccda1b1c9f.png)
![](https://img-blog.csdnimg.cn/db32974954494534a22564d280b4de90.png)
![](https://img-blog.csdnimg.cn/ecb94179124a48ddbfe8bf25526540b0.png)
图像数字化【掌握】
数字图像、采样、量化;空间分辨率、灰度级分辨率、二者与图像质量的关系
图像数字化:
数字图像:空间坐标和亮度上都离散化的图像。
采样:
- 正方形点阵结构:对水平方向和垂直方向的空间位置进行光栅化。
- 正六边形采样网格:更符合人眼的视觉特性。
- 非均匀采样:
- 变化大细节多:精密采样
- 平坦变化缓慢:粗稀采样
空间分辨率:
- 采样决定空间分辨率。
- 反映图像的有效像素,图像数字化的像素密度。
空间分辨率与图像质量:
- 空间分辨率越低,可辨细节越差。
- 图像插值只能增加图像的像素数,不能增大空间分辨率。
量化:
- 若将样本量化为Q级,Q是2的整数次幂。
- 灰度级位数越大,量化误差越小。
- 非均匀量化:
灰度级分辨率
- 量化决定灰度级分辨率。
- 灰度级分辨率:存储每个灰度级的位数。
灰度级分辨率与图像质量
数字图像常见失真类型
混叠效应
模糊效应
![](https://img-blog.csdnimg.cn/26a1e582116f4b7c839521671b26f43d.png)
块效应
马赛克效果
噪声
第2章 数字图像处理基础
数字图像处理概况
图像处理的关键阶段
图像获取、图像增强、图像修复、形态学处理、图像分割、表示与描述、目标识别、图像压缩、彩色图像处理
像素的空间关系
邻域(4-、对角-、8-、邻接、连通)、区域与边界、距离度量
邻域:
![](https://img-blog.csdnimg.cn/39f1d30fb6924309b6f3676e0f3592ae.png)
![](https://img-blog.csdnimg.cn/04afe22f5e1a49dcb612a8bebee9264a.png)
邻接性
![](https://img-blog.csdnimg.cn/81857ef0913c42d69f43f801c70c6712.png)
![](https://img-blog.csdnimg.cn/9e96651981da4ad29e3f5db699407c6f.png)
连通性
-
通路、连通的
-
4连通/8连通
-
连通分量/连通集
区域与边界
- 区域:连通的,S中的像素的邻域都包含于S中。
- 边界(轮廓):邻域内有属于S的像素、也有不属于S的像素,的全体。
- 图像中每个连通集构成一个区域,图像可认为由多个区域组成。
- 区域的内部和边界必须采用不同的连通性。
距离度量
- 像素间的距离:空间上的近邻程度
- 欧式距离/ D4距离/ D8距离
![](https://img-blog.csdnimg.cn/c073cbb661514c6885cce0de307d51f7.png)
![](https://img-blog.csdnimg.cn/16ea1cf4337c47d982942e380b3275b1.png)
第3章 空域图像增强
背景知识
图像增强、空域图像增强(分类)
图像增强:
- 通过对图像的处理,使图像处理更适合一个特定的应用。
- 操作:
- 分类:空域图像增强、频域图像增强。
空域图像增强:
- 直接对图像的像素本身进行操作。
- 分类:点处理、邻域处理。
- 点处理:
- 灰度级映射:
- 灰度级映射:
- 邻域处理:
![](https://img-blog.csdnimg.cn/34ae8adc392e4b3e8c74add830965f9b.png)
直方图概念【掌握】
概念、灰度直方图(代码)、概率直方图、性质、累积直方图(计算)
灰度直方图:
概率直方图:
直方图的性质:
- 只能反映图像中不同灰度值出现的频数,不能表示像素的空间位置。
- 不同图像可能有相同的直方图。
- 直方图是总体灰度的概念。
- 有可叠加性。
累积直方图:
灰度级变换
对数、指数、幂次变换、灰度反转、阈值增强
对数变换
指数变换
幂次变换
灰度反转
阈值增强:生成高对比度图像。
直方图处理
直方图均衡化
- 目的:将直方图的灰度级概率分布——>均匀分布。
- 增加灰度值的动态范围,增强对比度。
- 寻找一个灰度级变换,使变换后图像的直方图服从均匀分布。灰度级变换就是灰度级的累积分布函数。
- 直方图均衡化的步骤:
算术运算【掌握】
图像相加、图像相减
图像相加的主要应用:
- 对同一场景的多幅图像求平均值,降低加性随机噪声。
- 一幅图像叠加到另一幅图像上,二次曝光。
- 复杂背景下视频字幕文本的分割:多个不同背景的字幕相加,削弱背景影响。
图像相减的主要应用:
- 显示2幅图像的差异。
- 图像分割:减去静止背景部分,背景减除法。用于运动目标检测。
- 背景图像的生成:多幅图片相加求均值 ,把目标当作噪声。
- 帧间变化检测。
- 数字减影血管造影。
空域滤波
空域滤波基础
空域滤波的概念、空域滤波器的分类
概念:
邻域处理方法,直接在图像空间中对邻域像素进行处理。
空域模板/空域滤波器。
分类:
图像平滑
图像平滑的作用、图像空域平滑的分类、线性平滑模板特征、均值模板、加权平均模板
中值滤波(原理、代码)、最大值滤波、最小值滤波
图像平滑的作用:降低噪声、模糊。
图像空域平滑的分类:线性平滑滤波(均值平滑、加权平均模板)、统计排序平滑滤波(中值、最大值、最小值滤波)。
线性平滑模板特征:
均值模板:
加权平均模板:
-
中间权系数大,边缘权系数小。
-
高斯平滑模板:
![](https://img-blog.csdnimg.cn/5e7519b51c78432f95c5f1affacf3998.png)
统计排序平滑滤波:
中值滤波:
- 去除脉冲噪声非常有效。
- 算法实现:将模板内像素排序,求出中值;同值像素,连续排列。
- 中值滤波特点:
最大值滤波、最小值滤波:
图像锐化【掌握】
图像锐化的主要作用、微分与差分、一阶差分与二阶差分的特点、一阶差分算子与二阶差分算子的用途、sobel算子、拉普拉斯算子
图像锐化的主要作用:
一阶差分与二阶差分的特点:
一阶差分算子与二阶差分算子的用途:
sobel算子:
左图是检测水平边缘,右图检测垂直边缘。
拉普拉斯算子
拉普拉斯变换:
拉普拉斯图像增强:
拉普拉斯模板:
一维形式的拉普拉斯算子解释边缘增强:
拉普拉斯图像锐化:
第5章 频域图像增强
滤波基础
卷积定理、频率平面与图像空域特性的关系、为什么要在频域研究图像增强、频域滤波的基本流程
卷积定理
频率平面与图像空域特性的关系
为什么要在频域研究图像增强?
频域滤波的基本流程:
低通滤波器
概念、理想低通滤波器、巴特沃斯低通滤波器、指数低通滤波器特点、振铃效应及滤波效果
概念:
理想低通滤波器:
- 低频保有能量,高频保有细节。
- 振铃效应:灰度震荡。截止频率减小,振铃效应增强。
巴特沃斯低通滤波器:
传递函数:
特点:
阶数对滤波器的影响:
截止频率对滤波器的影响:
指数低通滤波器特点
传递函数:(比巴特沃斯下降更快)
特点:(与巴特沃斯一致)
阶数对滤波器的影响:(与巴特沃斯一致)
振铃效应及滤波效果
高通滤波器
概念、理想高通滤波器、巴特沃斯高通滤波器、指数高通滤波器特点、振铃效应及滤波效果
概念:
理想高通滤波器:
传递函数:
巴特沃斯高通滤波器:
指数高通滤波器特点:
带通、带阻、陷波滤波器
概念、巴特沃斯、指数滤波器的特点
带通滤波器:
带阻滤波器:
陷波滤波器:
空域滤波与频域滤波的对应关系
![](https://img-blog.csdnimg.cn/e4ba6f2498d6423fa39c411b3ac68fca.png)
第8章 数学形态学图像处理
背景
数学形态学的概念
数学形态学的概念
基础
集合运算、逻辑运算、结构元素
集合运算:并集、交集、差集、补集、集合映射、集合平移
- 集合映射:关于原点对称。
- 集合平移:所有平移组成的集合。
- 集合运算可以直接用于二值图像。
逻辑运算:与、或、非
结构元素: - 0和1组成的矩阵,1表示邻域。
- 原点:待处理像素的位置。
- 对应原点的输出值,建立在输入图像对应像素及其邻域像素比较的基础上。
- 结构元素可以是任意尺寸、任意形状。
二值图像形态学基本运算【掌握】
膨胀、腐蚀、开运算、闭运算
膨胀:
概念:在图像中目标边界周围增添像素。
理解:结构元素B对集合A膨胀生成的集合是,B的映射、平移后的集合,与集合A相交时,B的原点位置集合。
举例:
作用:修复断裂点、填充凹陷、扩大目标。
腐蚀:
概念:移除图像中目标边界的像素。
理解:结构元素B对集合A腐蚀生成的集合,是B的平移集合完全包含在集合A中时,B的原点位置的集合。(没有映射)
举例:
作用:分离连在一起的物体;去掉突起;收缩目标。
开运算:
先腐蚀后膨胀。
举例:
闭运算:
先膨胀后腐蚀。
举例:
开运算和闭运算的作用:
二值图像形态学实用算法【掌握】
去噪、边界提取、孔洞填充
去噪:先开运算后闭运算。
边界提取:
原图与腐蚀集合的差集。
二值图像形态学运算及其性质总结
灰度图像形态学算法
灰度膨胀与腐蚀、灰度开闭运算
灰度形态学
灰度膨胀:
灰度腐蚀:
第9章 图像分割
图像分割基础
基于边界的分割
边缘的定义
Roberts Prewitt Sobel算子【掌握】
LoG、DoG、Canny算子
不同边缘检测算子之间的比较【掌握】
基于阈值的图像分割
原理、特点、分类
P参数法、梯度直方图、灰度-梯度二维直方图、多阈值法
Otsu阈值法、迭代阈值法【掌握】
基于区域的图像分割
区域生长法【掌握】、区域分裂合并法
第10章 小波变换与多分辨率分析
二维离散小波变换的背景、效果、原理;
一维离散小波变换的效果、原理【掌握】
二维离散小波变换背景:
- 集中信号能量、去信号相关性。
- 2D Discrete Wavelet Transform,2D-DWT。
- 2D-DWT:图像去噪。
二维离散小波变换效果:
- 一级DWT正变换后,原始图像被分解为4个子图:低频A1、3个高频V1 D1 H1,子图是原图大小的一半。
- 逆变换可由子图还原出原始图像。
- 二级DWT:分解一级DWT的低频子图。
- 经过3次小波分解,可以得到3张低频子图,9张高频子图,1张原图。
二维离散小波变换原理:
- 先处理原始图像的每一行,得到行变换子图,再处理行变换子图的每一列。
一维离散小波变换的效果 - 经过1D-DWT正变换,原始信号被分解为2个子信号:低频A1、高频D1,2个子信号的长度为原始信号的1/2。
- 由1D-DWT子信号可还原出原始信号,称为逆变换。
- 多级1D-DWT:反复处理低频Ai。
- 低频A1:与原始信号形状相似,捕捉到原始信号的轮廓。
- 高频D1:对应原始信号的细节、突变点。
一维离散小波变换的原理: