《武漢大學(xué)數(shù)字圖像處理試題.doc》由會員分享，可在線閱讀，更多相關(guān)《武漢大學(xué)數(shù)字圖像處理試題.doc（2頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

一、 1、中值濾波：中值濾波是對一個(gè)滑動窗口內(nèi)的諸像素灰度值排序，用 中值代替窗口中心像素的原來灰度值，因此它是一種非線性的圖像平滑法。 2、連接成分：在二值圖像中，把互相連接的像素的集合匯集為一組，于是具有若干個(gè)0值的像素(0像素)和具有若干個(gè)1值的像素(1像素)的組就產(chǎn)生了。把這些組叫做連接成分。 3、圖像分割：令集合R代表整個(gè)圖像區(qū)域，對R的分割可看作將R分成N個(gè)滿足以下五個(gè)條件的非空子集（子區(qū)域）R1，R2，…，RN： ① ； ② 對所有的i和j，i≠j，有Ri∩Rj =Φ； ③ 對i = 1,2,…,N，有P(Ri) = TRUE； ④ 對i≠j,有P(Ri∪Rj) = FALSE； ⑤ 對i =1,2,…,N，Ri是連通的區(qū)域。 其中P(Ri)是對所有在集合Ri中元素的邏輯謂詞， Φ代表空集。 4、行程編碼：通過改變圖像的描述方式，來實(shí)現(xiàn)壓縮。將一行中顏色值相同的相鄰像素用一個(gè)計(jì)數(shù)值和該顏色值來代替。 5、模板匹配：模板匹配就是在一幅大圖像中搜尋目標(biāo)，已知 該圖中有要找的目標(biāo)，且該目標(biāo)同模板有相同的尺寸、方向和圖像，通過一定的算法可以 在圖中找到目標(biāo)，確定其坐標(biāo)位置。 二、 1、簡述紋理圖像的灰度共生矩陣分析方法 灰度共生矩陣反映了圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息，它可作為分析圖像基元和排列結(jié)構(gòu)的信息。 作為紋理分析的特征量，往往不是直接應(yīng)用計(jì)算的灰度共生矩陣，而是在灰度共生矩陣的基礎(chǔ)上再提取紋理特征量，稱為二次統(tǒng)計(jì)量。 一幅圖像的灰度級數(shù)一般是256，這樣計(jì)算的灰度共生矩陣太大。為了解決這一問題，在求灰度共生矩陣之前，常壓縮為16級。 用灰度共生矩陣提取特征之前，要作正規(guī)化處理。 由灰度共生矩陣提取了14種特征。最常用的5個(gè)特征是：1）角二階矩（能量）2)對比度（慣性矩）3）相關(guān) 4）熵 5）逆差矩 2、簡述空間域圖像平滑與銳化的區(qū)別與聯(lián)系 為了抑制噪聲改善圖像質(zhì)量所進(jìn)行的處理稱圖像平滑 或去噪。 在圖像的識別中常需要突出邊緣和輪廓信息。圖像銳化 就是增強(qiáng)圖像的邊緣或輪廓。 圖像平滑通過積分過程使得圖像邊緣模糊，圖像銳化則 通過微分而使圖像邊緣突出、清晰。 3、敘述圖像逆濾波恢復(fù)的方法 (1)對退化圖像g(x，y)作二維離散傅立葉變換，得到G(u,v)； (2)計(jì)算系統(tǒng)點(diǎn)擴(kuò)散函數(shù)h(x，y)的二維傅立葉變換，得到H(u,v); (3)逆濾波計(jì)算F(u,v)=G(u,v)/H(u,v); (4)計(jì)算F(u,v)的傅里葉逆變換，求得f(u,v)。 4、邊緣增強(qiáng)與邊緣檢測有何區(qū)別 邊緣增強(qiáng)是將遙感圖像（或影像）相鄰像元（或區(qū)域）的亮度值（或色調(diào)）相差較大的邊緣（即影像色調(diào)突變或地物類型的邊界線）處加以突出強(qiáng)調(diào)的技術(shù)方法。 如果將邊緣認(rèn)為是一定數(shù)量點(diǎn)亮度發(fā)生變化的地方，那么邊緣檢測大體上就是計(jì)算這個(gè)亮度變化的導(dǎo)數(shù)。