数字图像处理与通信复习题(前面几个题的答案+实验程序).doc

数字图像处理与通信复习题(前面几个题的答案+实验程序)

———————————————————————————————— 作者：
———————————————————————————————— 日期：

2

个人收集整理 勿做商业用途
数字图像处理与通信复习题

这次考试包含中英文题目,还有实验题.注意：实验题如果没做好，实验报告的成绩就会不及格！

实验用到的MATLAB语句的含义。
MATLAB中的命令：图像读取命令：imread、图像显示命令：imshow
图像运算：点运算：对图像的每个像素点的灰度值按一定的映射关系进行运算，得到一幅新图像的过程。模板运算：
图像增强、复原的异同：都是为了改善图像视觉效果，以及便于后续处理。只是图像增强方法更偏向主观判断，而图像复原则是根据图像畸变或退化原因，进行模块化处理.
直方图原理，作用：灰度级直方图是图像的一种统计表达，它反映了该图中不同灰度级出现的统计概率.由于图像的视觉效果与直方图有对应关系，即直方图的形状和改变对视觉的感知影响很大,因此采用直方图变换的方法可以增强图像。直方图均衡化：使得图像的灰度分布趋向均匀,图像所占有的像素灰度间距拉开,加大了图像反差，改善视觉效果，达到增强的目的。
图像变换方法特点：离散傅里叶变换：1。可分离性2.平移性质3。旋转不变性.离散余弦变换：能量主要集中在频率平面的左上角。沃尔什—哈达玛变换：变换矩阵只由＋1和－1组成，与数值逻辑的两个状态相对应，故更适用于计算机实现，同时占用空间少,且计算简单.
DCT的特点和意义：能量主要集中在频率平面的左上角。DCT用于图像数据压缩。
分割的含义:图像分割是将数字图像划分成互不相交(不重叠）区域的过程，区域是像素的连通集,是所有像素都有相邻或相接触像素的集合。
图像压缩方法的分类：从信息论角度分，无失真压缩编码和有限失真编码。按照压缩原理分，预测编码、变换编码、标量量化编码和矢量量化编码、信息熵编码、子带编码、结构编码和模型编码。
JPEG实现框图，为什么要把RGB转化为YUV;直流交流量化不同，无损压缩的实现.

图像按其亮度等级的不同，可以分成二值图像和灰度图像两种。按其内容的变化性质不同，有静态图像和活动图像之分.
图像质量的含义包括两方面,一个是图像的逼真度，另一个是图像的可懂度.图像质量的评价方法主要有主观评价方法和客观评价方法。
面向硬件设备最常用的颜色空间是RGB三基色模型,而在彩色电视系统中采用的是YUV颜色空间，它包含亮度信号和色度信号。另一类是面向以彩色处理为目的的应用，常用的有HSI,构成该彩色空间的三个分量分别是色调、饱和度和强度。
数据压缩的目的是节省存储空间、传输时间、信号带宽或发送能量等。根据压缩前后能否完全恢复被压缩信源信息,数据压缩分为无损压缩和有损压缩。著名的静态图像压缩标准有JPEG等。
著名的动态图像压缩标准有MPEG等。
从信息交流的角度来看图像通信的应用大致上可以分为两类：交互式应用和广播式应用。
从网络结构的角度来看,图像通信方式可以分为两类：点对点的通信方式和多点之间的通信方式。
基于IP网络的H.323是典型的视频会议标准，其视频编码标准为H.261/H。263。
基于PSTN的H.324是典型的可视电话标准，传输码率低于64kbit/s 。

采用数字图像处理有何优点?优点:具有数字信号处理技术共有的优点：处理精度高、重现性好、灵活性好。

连续图像如何转换为数字图像？把连续图像函数f（x,y)进行空间和幅值的离散化处理，即取样和量化，然后编码。

数字图像处理主要包括哪些研究内容？图像分析与理解，包括图像获取及数字化、图像增强、图像复原、图像重建、图像变换、图像编码与压缩、图像分割等.

说明数字图像处理系统的组成。硬件和软件，包括图像输入设备、图像输出设备、图像存储和控制设备、用户存取及通信设备、主图像处理设备等.

图像处理中正交变换的目的是什么？变换的目的在于：使图像处理问题简化;有利于图像特征的提取；有助于从概念上加强对图像信息的理解。

二维傅里叶变换的可分离性有什么实际意义？二维傅里叶变换的可分离性使其运算可分解为一维的傅里叶变换运算，简化,可以用现成的FFT算法,易实现。

图像增强的目的是什么？它包含哪些内容?目的：（1)采用一系列技术改善图像的视觉效果，提高图像的清晰度；（2）将图像转化成一种更适合于人或机器进行分析处理的形式。内容有：空间域法和频率域法.前者直接对原图运算，又分为点运算和区域运算。后者在频率域处理，增强感兴趣的频率分量，然后反变换.

为什么对数字图像进行直方图均衡化后，通常并不能产生完全平坦的直方图？因为同一个灰度值的各个像素没有理由变换到不同灰度级，所以数字图像直方图均衡化的结果一般不能得到完全均匀分布的直方图，只是近似均衡的直方图。

什么是阈值分割技术？该技术适用于什么场景下的图像分割？若图像中目标和背景具有不同的灰度集合，且两个灰度集合可用一个灰度阈值进行分割，这样就可以用阈值分割灰度级的方法在图像中分割出目标区域和背景区域，即是阈值分割法。

边缘检测的理论依据是什么？有哪些方法？基于灰度不连续性进行分割，可用差分、梯度、拉普拉斯及各种高通滤波器处理方法对图像边缘增强，再进行一次门限化处理,根据边缘进行图像分割。梯度算子、拉普拉斯算子、方向算子、Canny算子等。

熟悉题目：
给出一幅灰度图像，试画出其灰度直方图。
给出一幅图像各象素灰度值分布,对该图进行中值滤波处理、掩膜模板运算.(常用的模板）
熟悉哈夫曼编码、香农编码，并计算编码效率、压缩比、冗余度。

波特率（baud rate）是一种常用的离散数据传输量度。当采用二进制时，它等于每秒所传输的比特数。现设每次先传输1个起始比特，再传输8个比特的信息，最后传输1个比特的终止比特,试计算： 以9600波特传输1幅256×256、256灰度级的图像所需的时间?

Binary images are simplest type of images, which can take two values， typically black or white， or “0” or “1"；Gray scale images are one-color or monochrome images that contains only brightness information and no color information; Color images are 3 band monochrome images， where each band corresponds to a different color, typically red， blue and green or RGB.

Color Transform/Color Model

Mathematical model or algorithm to map RGB data into another color space
Decouples brightness and color information
Hue/Saturation/Lightness （HSL) Color Transform：
Describes colors in terms that we can more readily understand

Imaging Systems consists of two primary components: Hardware —— Image acquisition system, computer, and display devices；Software – Image manipulation, analysis, and processing.

H.323 Recommendation describes terminals and other entities that provide multimedia communications services over Packet Based Networks (PBN） which may not provide a guaranteed Quality of Service。

The Session Initiation Protocol （SIP), developed by MMUSIC working group of the IETF， is a signaling protocol for establishing real—time calls and conferences over IP networks.

H.323 comes from the ITU (telephony）.
SIP comes from IETF: Borrows much of its concepts from HTTP

Streaming： Streaming is the process of playing a file while it is still downloading.

real-time transport protocols
protocols that convey the real-time data （audio， video or text）
RTP/RTCP

3。2。计算出一幅灰度图象的直方图；
clear
close all
I=imread（’D：\ProgramFiles\MATLAB\R2008a\toolbox\images\imdemos\Cameraman。bmp'）;
imhist（I）
title（’实验一（1） 直方图’)
3。3。对灰度图像进行简单的灰度线形变换
原图像 f（m，n） 的灰度范围 ［a, b] ； 线形变换为图像g（m,n) , 灰度范围[a’, b'］ ; 公式： g(m，n)=a’+(b’-a'）＊ f（m，n) /（b-a)
灰度变换是图像增强的重要方法之一，它不改变图像内的空间关系，可使图像动态范围增大，对比度得到扩展,使图像特征明显,更加清晰。可表示为:

根据变换函数的形式,灰度变换分为线性变换，分段性变换和非线性变换。
假定图像f(m，n)的灰度范围为［a，b],变换后的图像g（m,n)的灰度范围线性的扩展至［a’,b’］，其数学表达式如下：

clear
close all
I=imread（’D:\Program Files\MATLAB\R2008a\toolbox\images\imdemos\Cameraman。bmp’）；figure
subplot（2,2，1)
imshow（I）;
title（'试验2—灰度线性变换’）；
subplot(2，2,2)
histeq（I）；

clear
close all
I=imread(’D：\Program Files\MATLAB\R2008a\toolbox\images\imdemos\Cameraman.bmp');figure
subplot(2，2，1）
imshow（I）
J=imadjust(I,[0.3，0.7]，［0,1］,1)；
title（' 实验一（3）用 g(m，n）=a'+(b'-a')＊ f(m，n） /（b-a）进行变换 ’)；
subplot（2,2,2）
imshow（J)
subplot（2，2,3)
imshow(I）
J=imadjust（I,［0.5 0.8]，［0,1],1）；
subplot(2，2，4）
imshow（J）
3。4. 图像二值化 （选取一个域值，将图像变为黑白图像）
figure
subplot(2，2,1）
imshow（I)
J=find(I<150）；
I(J)=0;
J=find(I〉=150)；
I（J)=255;
title(’ 实验一(4）图像二值化 （ 域值为150 ) ’）;
subplot（2，2，2）
imshow(I)
clc;
I=imread('14499.jpg');
bw=im2bw（I，0.5);％选取阈值为0.5
figure;
imshow（bw） ％显示二值图象
3．5利用直方图均衡化进行图像增强
PS=imread（'1.jpg’)；              ％读入JPG彩色图像文件
imshow(PS)                 ％显示出来
title('输入的彩色JPG图像’)
imwrite(rgb2gray（PS），'PicSampleGray.bmp'）; ％将彩色图片灰度化并保存
PS=rgb2gray(PS)；          ％灰度化后的数据存入数组
％二，绘制直方图
［m，n]=size（PS)；                ％测量图像尺寸参数
GP=zeros(1,256);              %预创建存放灰度出现概率的向量
for k=0:255
GP(k+1）=length（find(PS==k）)/(m＊n）；   %计算每级灰度出现的概率，将其存入GP中相应位置end
figure,bar(0:255，GP，’g')         %绘制直方图
title（’原图像直方图’）
xlabel(’灰度值’）
ylabel（’出现概率’)
%三，直方图均衡化
S1=zeros（1,256）;
for i=1：256
     for j=1:i
          S1(i)=GP(j)+S1（i）；         %计算Sk
     end
end
S2=round(（S1*256)+0.5）;                 %将Sk归到相近级的灰度
for i=1：256
    GPeq（i)=sum（GP（find(S2==i)）);         ％计算现有每个灰度级出现的概率
end
figure，bar(0：255,GPeq，'b')               %显示均衡化后的直方图
title('均衡化后的直方图’）
xlabel（’灰度值’)
ylabel(’出现概率'）
%四，图像均衡化
PA=PS;
for i=0：255
     PA（find（PS==i）)=S2（i+1）；      ％将各个像素归一化后的灰度值赋给这个像素
end
figure，imshow（PA）              %显示均衡化后的图像
title（'均衡化后图像')
imwrite（PA,'PicEqual。bmp')；
3。1傅立叶变换
步骤如下：
clc
I=imread(' D：\Program Files\MATLAB\R2008a\toolbox\images\imdemos\lena。bmp ’);
subplot（2，2，1）
imshow(I);
title（’原图'）；
J=fft2(I)；
subplot（2，2,2）
imshow（J);
title('fft变换图'）;
％figure;

K=fftshift(J);
subplot(2，2,3)
imshow(K）;
title(’原点移至频谱中心'）;
％figure；
3.2离散余弦变换
clc
load imdemos；
i=imread（’ D:\Program Files\MATLAB\R2008a\toolbox\images\imdemos\lena。bmp'）;
subplot（2，2,1)；
imshow（i）；
title（'原始图象');
j=rgb2gray（i)；
subplot(2，2，2）;
imshow(j);
title('黑白化后的图像')；

图象的DCT变换
b=dct2（j)；
subplot（2,2，3）
imshow(log（abs（b))，［］），colormap（jet(64)），colorbar;
title（'DCT变换结果’)；
%figure；
b（abs(b)〈10）=0；
％ idct
c=idct2（b)/255;
subplot（2,2，4）
imshow(c);
title（’IDCT变换结果');
分别用sobel、Laplacian-Gaussian方法对一幅灰度图像进行边缘提取,具体程序如下：
clear
close all
i=imread(’D：\Program Files\MATLAB\R2008a\toolbox\images\imdemos\lena.bmp'）；
ii=rgb2gray（i）;
figure；
subplot(2，2,1)；
imshow(ii）；
title（’原始图像’）；
subplot(2，2，3)；
imshow（ii)；
title（'原始图像’）;
i1=edge（ii，’sobel')；
subplot（2，2,2);
imshow（i1)；
title（’sober方法提取的边缘’)；
i2=edge（ii，'log’）;
subplot（2,2,4);
imshow(i2）;
title（’Laplacian-Gaussian方法提取的边缘');
clear
close all
i=imread（ ’D：\Program Files\MATLAB\R2008a\toolbox\images\imdemos\lena.bmp');
ii=rgb2gray(i);
subplot（1，2，1）;
imhist（ii）;
title('原始图像直方图’);
thread=130/255；
subplot(1，2，2)；
i3=im2bw(ii,thread);
imshow（i3)；
title（’分割结果’)；
1。 如何读一幅彩色图象，以灰度值图象的形式显示其RGB各分量？
B=imread('D：\Program Files\MATLAB\R2008a\toolbox\images\imdemos\lena。bmp’); %读彩色图象brook256.jpg，并将像素值阵列赋给矩阵B
imshow(B）； %显示图象B
B %显示图象B的像素值

BR=B（：,:，1）； ％B的红色分量
BG=B（:，：,2）; ％B的绿色分量
BB=B(:，：,3); ％B的蓝色分量
figure
subplot(2,3,1);imshow(BR）;
subplot（2，3,2）；imshow(BG);
subplot(2,3，3);imshow（BB);

BRR=B；
BRR（:，：，2)=0； ％去掉B的绿色分量
BRR（:，:,3)=0; %去掉B的蓝色分量
subplot(2，3,4);imshow(BRR);

BGG=B；
BGG（:，:,1)=0;
BGG(：，:,3）=0; %去掉B的红、蓝色分量
subplot(2,3，5）；imshow(BGG);

BBB=B;
BBB（:,：,1)=0；BBB(：，：，2)=0； %去掉B的红、绿色分量
subplot(2，3,6）；imshow（BBB）；
2. 对一幅图像进行傅氏变换和余弦变换,观察其振幅谱的特点
傅氏变换：
RGB=imread('D：\Program Files\MATLAB\R2008a\toolbox\images\imdemos\lena.bmp’）；
I=rgb2gray(RGB);
J=fft2(I)；
imshow（log（abs（J）），［］),colormap（jet(64）),colorbar
余弦变换：
RGB=imread(’D:\Program\Files\MATLAB\R2008a\toolbox\images\imdemos\lena。bmp'）；
I=rgb2gray（RGB)；
J=dct2(I)；
imshow(log(abs（J)）,［]），colormap（jet（64)），colorbar