数字图像处理(冈萨雷斯 第三版)
1.1 圖像與圖像處理的概念
圖像(Image)： 使用各種觀測系統以不同形式和手段觀測客觀世界而獲得的，可以直接或間接作用于人眼并進而產生視覺的實體。包括：
·各類圖片，如普通照片、X光片、遙感圖片；
·各類光學圖像，如電影、電視畫面；
·客觀世界在人們心目中的有形想象以及外部描述，如繪畫、繪圖等。
數字圖像：為了能用計算機對圖像進行加工，需要把連續圖像在坐標空間和性質空間都離散化，這種離散化了的圖像是數字圖像。
圖像中每個基本單元叫做圖像的元素，簡稱像素（Pixel）。
數字圖像處理（Digital Image Processing）：是指應用計算機來合成、變換已有的數字圖像，從而產生一種新的效果，并把加工處理后的圖像重新輸出，這個過程稱為數字圖像處理。也稱之為計算機圖像處理（Computer Image Processing）。
1.2 圖像處理科學的意義
1.圖像是人們從客觀世界獲取信息的重要來源
·人類是通過感覺器官從客觀世界獲取信息的，即通過耳、目、口、鼻、手通過聽、看、味、嗅和接觸的方式獲取信息。在這些信息中，視覺信息占70％。
·視覺信息的特點是信息量大，傳播速度快，作用距離遠，有心理和生理作用，加上大腦的思維和聯想，具有很強的判斷能力。
·人的視覺十分完善，人眼靈敏度高，鑒別能力強，不僅可以辨別景物，還能辨別人的情緒。
2.圖像信息處理是人類視覺延續的重要手段
非可見光成像。如：γ射線、X射線、紫外線、紅外線、微波。利用圖像處理技術把這些不可見射線所成圖像加以處理并轉換成可見圖像，可對非人類習慣的那些圖像源進行加工。
3.圖像處理技術對國計民生有重大意義
圖像處理技術發展到今天，許多技術已日益趨于成熟，應用也越來越廣泛。它滲透到許多領域，如遙感、生物醫學、通信、工業、航空航天、軍事、安全保衛等。
1.3 數字圖像處理的特點
1. 圖像信息量大
每個像素的灰度級至少要用6bit（單色圖像）來表示，一般采用8bit（彩色圖像），高精度的可用12bit或16bit。
一般分辨率的圖像像素為256×256、 512×512 256×256×8=64kB 512×512×8=256kB
高分辨率圖像像素可達1024×1024、2048×2048
1024×1024×8＝1MB 2048×2048×8＝4MB
如：X射線照片一般用64到256kB的數據量 一幅遙感圖像3240×2340×4≈30Mb
2. 圖像處理技術綜合性強
一般來說涉及通信技術、計算機技術、電視技術、電子技術，至于涉及到的數學、物理學等方面的基礎知識就更多。
3.圖像信息理論與通信理論密切相關
圖像理論是把通信中的一維問題推廣到二維空間上來研究的。
通信研究的是一維時間信息，時間域和頻率域的問題。任何一個隨時間變化的波形都是由許多頻率不同、振幅不同的正弦波組合而成的。
圖像研究的是二維空間信息，研究的是空間域和空間頻率域（或變換域）之間的關系。任何一幅平面圖像是由許多頻率、振幅不同的X-Y方向的空間頻率波相疊加而成。
1.4 數字圖像處理的主要方法
1.空域法
把圖像看作是平面中各個像素組成的集合，然后直接對這一二維函數進行相應的處理。主要有兩大類：
· 域處理法：包括梯度運算，拉普拉斯算子運算，平滑算子運算和卷積運算。
· 點處理法：包括灰度處理，面積、周長、體積、重心運算等等。
2.變換域法
數字圖像處理的變換域處理方法是首先對圖像進行正交變換，然后在施行各種處理，處理后再反變換到空間域，得到處理結果。 包括濾波、數據壓縮、特征提取等處理。
1.5 數字圖像處理的主要內容
完整的數字圖像處理系統大體上可分為如下幾個方面：
1.圖像的信息的獲取（Image information acquisition）
把一幅圖像轉換成適合輸入計算機和數字設備的數字信號。需要兩個部件以獲取數字圖像：
(1)物理設備，該設備對我們希望成像的物體發射的能量很敏感。
(2)數字化器，是一種把物理感知裝置的輸出轉化為數字形式的設備。
常見的圖像輸入設備有：掃描儀、攝像機、數碼相機、圖像采集卡等
2.圖像信息的存儲（Image information storage）
主要有三類：
（1）處理過程中使用的快速存儲器；
·計算機內存。
·幀緩存，通常可存儲多幅圖像并可以視頻速度讀取。它可以允許對圖像進行放大、縮小，以及垂直翻轉和水平翻轉。
（2）用于比較快的重新調用的在線或聯機存儲器；
·磁盤，可存儲幾個G byte的數據；
·磁光存儲器，可在51／4英寸的光片上存儲上G byte的數據；
·光盤塔，一個光盤塔可放幾十個到幾百個光盤，利用機械裝置插入或從光盤驅動器中抽取光盤。
（3）不經常使用的數據庫（檔案庫）存儲器。
·磁帶。長13英尺的磁帶可存儲近1G byte的數據，但儲藏壽命較短。
·一次寫多次讀（WORM）光盤。可在12英寸的光盤上存儲6G byte數據，在14英寸的光盤上存儲10G byte數據，并易于儲藏。
3.圖像信息的傳送（Image information transmission）
可分為系統內部傳送與遠距離傳送：
（1）內部傳送：
指在不同設備間交換圖像數據。現在有許多用于局域通信的軟件和硬件以及各種標準協議。多采用DMA(Direct Memory Access)技術以解決速度問題。
（2）外部遠距離傳送：
主要問題是圖像數據量大而傳輸通道比較窄。
這一狀況由于光纖和其他寬帶技術的發展，正在迅速得到改進。另一方面，解決這個問題需要依靠對圖像數據壓縮。
4.圖像的輸出與顯示
圖像處理的最終目的是為人或機器提供一幅更便于解釋和識別的圖像。因此圖像的輸出也是圖像處理的重要內容之一。
主要分兩類：（1）硬拷貝（記錄圖像）。如激光打印機、膠片照相機、熱敏裝置、噴墨裝置和數字單元（如CD-ROM）等。
（2）軟拷貝。如CRT (Cathode Ray Tube)顯示、液晶顯示器（LCD）、場致發光顯示（FED）。
5.數字圖像處理（Digital image processing）
主要包括以下幾項內容：
（1）幾何處理（Geometrical Image Processing）
主要包括坐標變換，圖像的放大、縮小、旋轉、移動，多個圖像配準，全景畸變校正，扭曲校正，周長、面積、體積計算等。
（2）算術處理（Arithmetic Processing）
主要對圖像施以＋、－、×、÷等運算，雖然該處理主要針對像素點的處理，但非常有用，如醫學圖像的減影處理就有顯著的效果。
(3）圖像增強（Image Enhancement）
就是突出圖像中感興趣的信息，而減弱或去除不需要的信息，從而使有用信息得到加強。
·改善圖像的視覺效果，提高圖像成分的清晰度；
·使圖像變得更有利于計算機處理，便于進一步進行區分或解釋。
（4）圖像復原（或恢復）（Image Restoration）
就是盡可能地減少或者去除圖像在獲取過程中的降質（干擾和模糊），恢復被退化圖像的本來面貌，從而改善圖像質量。
關鍵是對每種退化（圖像品質下降）建立一個合理的模型。
(5）圖像重建（Image Reconstruction）
是從數據到圖像的處理。即輸入的是某種數據,而處理結果得到的是圖像。典型應用有CT技術和三維重建技術。
（6）圖像編碼（Image Encoding）
主要是利用圖像信號的統計特性及人類視覺的生理學及心理學特征對圖像信號進行高效編碼，其目的是壓縮數據量，以解決數據量大的矛盾。
（7）圖像識別（Image Recognition）
利用計算機識別出圖像中的目標并分類、用機器的智能代替人的智能。它所研究的領域十分廣泛，如，機械加工中零部件的識別、分類；從遙感圖片中分辨農作物、森林、湖泊和軍事設施；從氣象觀測數據或氣象衛星照片準確預報天氣；從X光照片判斷是否發生腫瘤；從心電圖的波形判斷被檢查者是否患有心臟病；在交通中心實現交通管制、識別違章行駛的汽車及司機，等等。
1.6 數字圖像處理的起源與應用
數字圖像處理的起源：
最早可追溯到20世紀20年代，借助打印設備進行數字圖像的處理。
基于光學還原的技術，該技術在電報接收端用穿孔紙帶打出圖片。
到1929年由早期的用5個灰度等級對圖像編碼，增加到15個等級。
真正數字圖像處理技術的誕生可追溯到20世紀60年代早期。
數字圖像處理技術在20世紀60年代末和20世紀70年代初開始用于醫學圖像、地球遙感監測和天文學等領域。
數字圖像處理主要應用于下面的幾個領域:
（1） 通訊
按業務性能劃分可分為：電視廣播傳真、可視電話、會議電視、圖文電視、可視圖文以及電纜電視。
按圖像變化性質分可分為：靜止圖像和活動圖像通信。
（2） 遙感
航空遙感和衛星遙感圖像都需要數字圖像處理技術的加工處理，并提取出有用的信息。主要用于土地測繪，資源調查，氣候監測，農作物估產，自然災害預測預報，環境污染監測，氣象衛星云圖處理以及地面軍事目標的識別。
（3） 生物醫學領域中的應用
計算機圖像處理在醫學上應用最成功的例子就X射線CT(X-ray Computed Tomography)，20世紀70年代發明的計算機軸向斷層術（CAT），簡稱計算機斷層。
（4） 工業生產中的應用
從70年代起得到了迅速的發展，圖像處理技術的重要應用領域。在生產線中對產品及部件進行無損檢測，如食品、水果質量檢查，無損探傷，焊縫質量或表面缺陷 等等。
（5） 軍事、 公安等方面的應用
軍事目標的偵察、制導和警戒系統、自動滅火器的控制及反偽裝；公安部門的現場照片、指紋、手跡、人像等的處理和辨識；歷史文字和圖片檔案的修復和管理等。
（6） 教學和科研領域
如科學可視化技術，遠程培訓及教學也將大量使用圖像處理技術的成果。
（7） 電子商務
如身份認證、產品防偽、水印技術等。
1.7 數字圖像處理領域的發展動向
需進一步研究的問題：
（1）在進一步提高精度的同時著重解決處理速度問題。
（2）加強軟件研究、開發新的處理方法。
（3）加強邊緣學科的研究工作，促進圖像處理技術的發展。
（4）加強理論研究，逐步形成圖像處理科學自身的理論體系。
（5）圖像處理領域的標準化。
未來發展動向大致可歸納為：
（1）圖像處理的發展將圍繞HDTV的研制，開展實時圖像處理的理論及技術研究，向著高速、高分辨率、立體化、多媒體化、智能化和標準化方向發展。
（2）圖像、圖形相結合，朝著三維成像或多維成像的方向發展。
（3）硬件芯片研究。
（4）新理論與新算法研究。
2－1. 數字數據傳輸通常用波特率度量，其定義為每秒中傳輸的比特數。通常的傳輸是以一個開始比特、一個字節（8比特）的信息和一個停止比特組成的包完成的。基于這個概念回答下列問題：
（a）用56K波特的調制解調器傳輸一幅1024×1024、256級灰度的圖像要花費幾分鐘？
（b）以７５０K波特［是典型的電話DSL（數字用戶線）連接的速度］傳輸要用多少時間？
解：(a)傳輸數據包(包括起始比特和終止比特)為：N=n+m=10bits
對于一幅1024×1024 大小的圖像，其總的數據量為M=(1024)2×N，
故以56K 波特的速率傳輸所需時間為T=M/56000=(1024)2×(8+2)/56000=187.25s=3.1min
(b) 以750K 波特的速率傳輸所需時間為T=M/56000=(1024)2×(8+2)/750000=14s
（類似題目） 在串行通信中，常用波特率描述傳輸的速率，它被定義為每秒傳輸的數據比特數。串行通信中，數據傳輸的單位是幀，也稱字符。假如一幀數據由一個起始比特位、8 個信息比特位和一個結束比特位構成。根據以上概念，請問：
（1）如果要利用一個波特率為56kbps（1k=1000）的信道來傳輸一幅大小為1024×1024、256級灰度的數字圖像需要多長時間？
（2）如果是用波特率為750kbps 的信道來傳輸上述圖像，所需時間又是多少？
（3）如果要傳輸的圖像是512×512的真彩色圖像（顏色數目是32 bit），則分別在上面兩種信道下傳輸，各需要多長時間？
解答：
（1）傳輸的比特數為1024×1024×8×(1+8+1)/8=10485760，則在波特率為56kbps 的信道上傳輸時，所需時間為10485760/56000=187.25 秒。
（2）傳輸的比特數為1024×1024×8×(1+8+1)/8=10485760，則在波特率為750kbps 的信道上傳輸時，所需時間為10485760/750000=13.98 秒=14s。
（3）傳輸的比特數為512×512×32×(1+8+1)/8=10485760。在波特率為56kbps 的信道上傳輸時，所需時間為10485760/56000=187.25 秒；在波特率為750kbps 的信道上傳輸時，所需時間為10485760/750000=13.98 秒。
2．11 兩個圖像子集S1和S2圖下圖所示。對于V＝｛1｝，確定這兩個子集是（a）4-鄰接，（b）8-鄰接，還是（c）m鄰接的？
解a) S1 和S2 不是4 連接，因為q 不在N4(p)集中。
(b) S1 和S2 是8 連接，因為q 在N8(p)集中。
(c) S1 和S2 是m 連接，因為q 在集合ND(p)中，且N4(p)∩ N4(q)沒有V 值的像素
２－３．考慮如下所示的圖像分割：
（ａ）令V＝｛０，１｝并計算ｐ和ｑ間的４，８，ｍ通路的最短長度。如果在這兩點間不存在特殊通路，其解釋原因。
（ｂ）對V＝｛１，２｝重復上題。
解: (1) 在V＝{0,1}時，p和q之間通路的D4距離為∞，D8距離為4，Dm距離為5。
(2) 在V＝{1,2}時，p和q之間通路的D4距離為6，D8距離為4，Dm距離為6。
解：(a) 當V={0,1}時，p 和q 之間不存在4 鄰接路徑，因為不同時存在從p 到q 像素的4 毗鄰像素和具備V 的值，情況如圖(a)所示。p 不能到達q。8 鄰接最短路徑如圖(b)所示，其最短長度為4。m鄰接路徑如圖(b)虛線箭頭所示，最短長度為5。這兩種最短長度路徑在此例中均具有唯一性。
(b) 當V={1, 2}時，最短的4 鄰接通路的一種情況如圖(c)所示，其長度為6，另一種情況，其長度也為6；8 鄰接通路的一種情況如圖(d)實線箭頭所示，其最短長度為4；m 鄰接通路的一種情況如圖(d)虛線箭頭所示，其最短長度為6.
3.6試解釋為什么離散直方圖均衡技術一般不能得到平坦的直方圖？
答：（翻譯答案）所有均衡直方圖是大規模的映射組件。獲得一個統一的直方圖要求對像素強度進行重新分配，這樣使n/L像素組具有相同的強度，L是離散的強度水平。n=MN是輸入圖像的總像素。直方圖均衡方法沒有規定這類（人工）強度的再分配過程。
（百度答案：）由于離散圖像的直方圖也是離散的，其灰度累積分布函數是一個不減的階梯函數。如果映射后的圖像仍然能取到所有灰度級，則不發生任何變化。如果映射的灰度級小于256，變換后的直方圖會有某些灰度級空缺。即調整后灰度級的概率基本不能取得相同的值，故產生的直方圖不完全平坦。
?
問題3.21
分別應用n=23、25和45的方形均值掩膜處理下面一幅圖像。結果發現當n=23、45時，處理后圖像中左下角的垂直豎條被模糊了，但是豎條與豎條之間的分割仍然很清楚。當n=25時，豎條卻已經融入了整幅圖像，盡管產生這幅圖像的掩膜比45小得多，請解釋這一現象。
注：垂直線段是5個像素寬，100個像素高；它們的間隔是20個像素。
3.22 以下的三幅圖像是分別通過n=23,25和45的方形均值掩模處理后的模糊圖像。圖(a)和(c)中左下角的垂直豎條被模糊了，但豎條與豎條之間的分割仍然很清楚。但圖(b)中的豎條卻已經融人了整幅圖像，盡管產生這幅圖像的掩模要比處理圖像(c)的小得多，請解釋這一現象。
解：從圖可知,垂直線有5個像素寬,100像素高,他們的間隔是20像素。問題是相關的現象與水平之間的間隔線有關,所以我們可以簡化問題,考慮一個單一的掃描行通過線的圖像。回答這個問題的關鍵在于實際之間的距離(無像素)開始的線條,下一個(其右面)是25個像素。考慮掃描線，如圖，同樣顯示是一個斷面25 x25掩膜。掩膜反應包括的像素是平均的。我們注意到,當一個像素掩膜移動右面,它失去了左邊豎線的價值,可是它撿起一個相同的一個在右邊,所以反應不會改變。
事實上,多少像素屬于垂直線和包含在掩膜并不會改變,無論在掩膜的任何地方(只要是包含在線內,而不是在邊緣附近線)。這一事實的線像素數量低于掩膜并不會改變是由于特有的線條和分隔線之間的寬度的相當于25像素。這個常數寬度的反應是沒有看到白色的差距在問題的聲明中圖像顯示的理由。注意這個常數不發生在23 x23或45 x45的掩膜,因為他們不是同步與線條寬度和將它們分開的距離。
補充注意：在這張圖中還有明顯的邊界現象。這是因為為了使處理后圖像大小不變，在原始圖像的邊緣以外補0，經處理后再去除添加區域的結果。而且濾波器越大邊界越寬。
結論：空間均值處理是為得到感興趣物體的一個粗略的描述而模糊一幅圖像。較小物體與背景混合在一起，較大物體變得像“斑點”而易于檢測。而模板的大小由那些將融入背景中去的物體的尺寸決定。
Problem 5.18 6－2.
設一幅圖像的模糊是由于物體在x方向的勻加速運動產生的。當t=0時物體靜止，在t=0到t=T間物體加速度是x0(t)=at2/2，求轉移函數H(u,v)。討論勻速運動和勻加速運動所造成的模糊的不同特點。
Problem 5.22 6－1.
成像時由于長時間曝光受到大氣干擾而產生的圖像模糊可以用轉移函數H(u,v)=exp[－(u2+v2)/2σ2]表示。這噪聲可忽略，求恢復這類模糊的維納濾波器的方程。
噪聲可忽略時，維納濾波器退化成理想的逆濾波器，所以
答：這是一個簡單的插件問題。其目的是熟悉各種維納濾波器
問題5.27 6－3.
一位考古學家在作流通貨幣方面的研究。最近發現，有4個羅馬帝國時期的羅馬硬幣對它的研究可以起到決定性作用。它們被列在倫敦大英博物館的館藏目錄中，遺憾的是，他到達那里之后，被告知現在硬幣已經被盜了，但博物館保存了一些照片。只是由于攝取照片時照相機的散焦，硬幣的照片是模糊的，無法看清上面小的標記。
已知用來拍攝圖像的原照相機一直能用，另外館內還有同一時期的其他硬幣。你能否幫助教授恢復圖像，使他能看清這些標記？請給出解決這一問題的過程。
這個問題背后的基本思想是使用相機和代表硬幣反應動力學的降解過程，利用這個結果對其進行逆濾波器操作。主要步驟如下：
1。選擇和丟失的硬幣大小和內容盡可能接近的硬幣。選擇與丟失的硬幣照片有接近的紋理和亮度的背景
2. 建立攝影相機幾何圖像庫盡可能的接近類似丟失的硬幣的圖像。獲得一些測試的照片。簡化實驗，獲得能夠給出類似測試圖片圖像的電視相機。這可以通過相機與圖像處理系統從而生成將在實驗中應用的數字圖像。
3。獲得每一個硬幣的圖像有不同的鏡頭設置。由此產生的圖像的角度，大小（這個與背景區域有關）方面與丟失的硬幣的模糊照片接近。
4.在第三步中為每一個圖像的鏡頭設置是對丟失的硬幣信息圖像模糊處理的模型。每個這樣的設置，移動硬幣及其背景并用一個規定背景下的小亮點來替代它，或者用另外的機制時期接近于一個光脈沖。數字話這個脈沖。這是模糊處理的變換功能叫傅里葉變換。
5.數字化丟失硬幣的模糊照片得到它的傅里葉變換形式。每個硬幣有函數H（u,v）和G（u，v）描述。
6.用維納濾波器得到一個近似的F（u，v）。
7.對每個*F（u，v）進行傅里葉反變換可以得出硬幣的恢復圖像。通常這樣的基本步驟都可以用來解決這樣的問題。
?
6.18 證明彩色圖像的補色的飽和度分量不能單獨地由輸入圖像的飽和度分量計算出來。
我們看到,最基本的問題是許多不同的顏色有相同的飽和度值。在那里純紅、黃、綠、青色、藍色,洋紅都有一個飽和1。也就是說只要任何一個RGB組件是0,將產生一個飽和1。
考慮RGB顏色(1，0,0)和(0，0.59，0),其代表紅色和綠色的映射。HSI顏色值分別為 (0，1，0.33)和(0.33 ，1,0.2)。現在RGB的初始補充值分別為(0、1,1)和(1,0.41，1),相應的顏色是青和洋紅。他們的HSI值分別為(0.5， 1，0.66)和(0.83,0.48,0.8)。因此為紅色,一個起始飽和度1取得的青色“補充”飽和度1,而為綠色,一個起始飽和度1取得洋紅“互補”飽和度0.48。也就是說,起始同樣的飽和度值導致兩個不同的“互補”飽和度。飽和本身并不是足夠的信息計算飽和度補充顏色。
6.22 假定一個成像系統的監視器和打印機沒有完美校準。在該監視器上看起來平衡的一幅圖像打印時出現了青色。描述可矯正這種不平衡的通用變換。
答：我們就可以通過如下幾種方法減少黃色的比例(1)減少黃色、(2)增加藍色、(3)增加青色和洋紅、(4)減少紅色和綠色
11.1(a)重新定義鏈碼的一個起始點，以便所得的數字序列形成一個最小整數值。請證明該編碼與邊界上的初始起點無關
數字圖像一般是按固定間距的網格采集的，所以最簡單的鏈碼是順時針跟蹤邊界并賦給每兩個相鄰像素的連線一個方向值。問題的關鍵是要認識到, 在一個鏈碼中每個元素值是相對于它的前身的值。這個代碼的邊界,追蹤在一個一致的方式(例如,順時針)，是一種獨特的循環組編號。在不同的地點開始在這個設定不改變循環序列的結構。選擇的最小整數的函數為出發點僅僅識別中同一點序列。即使出發點并非是獨一無二的,該方法仍然會給一個獨特的序列。例如,101010年有3個不同的序列的起點,但他們都產生相同的最小整數010101。
(b)求出鏈碼0101030303323232212111的一階差分
答： 3131331313031313031300
4. 求下圖中目標的形狀數和形狀數的階。
?
鏈碼： 110003301232
微分碼 303003011113
形狀數 003011113303
階 12
2. 為什么一般情況下對離散圖像的直方圖均衡化并不能產生完全平坦的直方圖？【因為同一個灰度值的各個象素沒有理由變換到不同灰度級，所以數字圖像的直方圖均衡化的結果一般不能得到完全均勻分布的直方圖，只是近似均勻的直方圖。】
3. 設已用直方圖均衡化技術對一幅數字圖像進行了增強，如再用這一方法對所得結果增強會不會改變其結果？【從原理上分析，直方圖均衡化所用的變換函數為原始直方圖的累積直方圖，均衡化后得到的增強圖像的累積直方圖除有些項合并外，其余項與原始圖像的累積直方圖相同。如果再次均衡化，所用的變換函數即為均衡化后得到的增強圖像的累積直方圖（并且不會有新的合并項），所以不會改變其結果。】
4. 設工業檢測中工件的圖像受到零均值不相關噪聲的影響。如果圖像采集裝置每秒可采集30幅圖像，要采用圖像平均法將噪聲的均方差減少到1／10，那么工件需保持多長時間固定在采集裝置前？
小結
傅立葉變換（FFT） 具有快速算法，數字圖象處理中最常用。需要復數運算。可把整幅圖象的信息很好地用若干個系數來表達。
余弦變換（DCT） 有快速算法，只要求實數運算。在相關性圖象的處理中，最接近最佳的K－L變換，在實現編碼和維納濾波時有用。同DFT一樣，可實現很好的信息壓縮。
沃爾什-哈達瑪變換(WHT) 在數字圖象處理的硬件實現時有用。容易模擬但很難分析。在圖象數據壓縮、濾波、編碼中有應用。信息壓縮效果好。
Haar變換 非常快速的一種變換。在特征抽取、圖像編碼、圖像分析中有用。信息壓縮效果平平。
Slant變換 一種快速變換。圖像編碼中有用，有很好的信息壓縮功能。
K－L變換(KLT) 在許多意義下是最佳的。無快速算法。在進行性能評估和尋找最佳性能時有用。對小規模的向量有用，如彩色多譜或其他特征向量。對一組圖像集而言，具有均方差意義下最佳的信息壓縮效果。
奇異值分解(SVD) 對任何一幅給定的圖像而言，具有最佳的信息壓縮效果。無快速算法。設計有限沖激響應（FIR）濾波器時，尋找線性方程的最小范數解時有用。潛在的應用是圖像恢復，能量估計和數據壓縮。
5－1. 有一種常見的圖像增強技術是將高頻增強和直方圖均衡化結合起來以達到使邊緣銳化的反差增強效果，以上兩個操作的先后次序對增強效果有影響嗎，為什么？【有，高頻增強是一種線性操作，但直方圖均衡化是一種非線性操作，所以兩個操作的先后次序對增強效果有影響，不能互換。】
5－2. 在天體研究所獲得圖像中有一些相距很遠的對應恒星的亮點。由于大氣散射原因而迭加的照度常使得這些亮點很難看清楚。如果將這類圖像模型化為恒定亮度的背景和一組脈沖的乘積，根據同態濾波的概念設計一種增強方法將對應恒星的亮點提取出來。
【恒定亮度的背景對應低頻成分，脈沖則對應高頻成分，所以對乘積取對數可將兩種成分區別開分別處理。根據同態濾波的概念可設計減少低頻成分，增加高頻成分的濾波器。】
19為什么偽彩色處理可以達到增強的效果呢？
由于人眼對彩色的分辨能力遠遠大于對黑白灰度的分辨率。對于一般的觀察者來說。通常能分辨十幾級灰度，就是經專業訓練的人員也只能分辨幾十級灰度。而對于彩色來說，人的眼睛可分辨出上千種彩色的色調和強度。因此，在一幅黑白圖像中檢測不到的信息，經偽彩色增強后可較容易的被檢測出來。
13如何實現彩色圖像灰度直方圖匹配（規定化）？
?
總結
以上是生活随笔為你收集整理的数字图像处理(冈萨雷斯 第三版)的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 数字图像处理(21): 图像金字塔(高斯
- 下一篇： AppDomainManager后门的实