数字图像处理2013.doc

数字图像处理2013 作者： 日期：11 个人收集整理 勿做商业用途2013级“数字图像处理”试题及答案一、填空题（ 每小题2分,本题共20 分 ）1。 图像与灰度直方图间的对应关系是多对一;2. 下列算法中a。梯度锐化b.二值化c。傅立叶变换d。中值滤波，属于点处理的是b二值化;3。 在彩色图像处理中,常使用HSI模型,它适于做图像处理的原因有:1、在HIS模型中亮度分量与色度分量是分开的；2、色调与饱和度的概念与人的感知联系紧密。;4。 若将一幅灰度图像中的对应直方图中偶数项的像素灰度均用相应的对应直方图中奇数项的像素灰度代替（设灰度级为256），所得到的图像将亮度增加，对比度减少;5。 MATLAB函数fspecial（type,parameters）常用类型有:average 、gaussian、laplacian、prewitt、sobel、unsharp;6。 检测边缘的Sobel算子对应的模板形式为：1-2-1000121101202-1017. 写出4-链码10103322的形状数：03033133;8. 源数据编码与解码的模型中量化器（Quantizer）的作用是减少心里视觉 冗余；9。 MPEG4标准主要编码技术有DCT变换、小波变换等;10。 图像复原和图像增强的主要区别是图像增强主要是一个主观过程，而图像复原主要是一个客观过程；第题：图像增强不考虑图像是如何退化的,而图像复原需知道图像退化的机制和过程等先验知识二、名词解释( 每小题5分,本题共20 分 )1、数字图像数字图像是指由被称作像素的小块区域组成的二维矩阵.将物理图像行列划分后，每个小块区域称为像素（pixel）。数字图像处理指用数字计算机及其它有关数字技术,对图像施加某种运算和处理,从而达到某种预想目的的技术.2、8连通的定义对于具有值V的像素p和q ，如果q在集合N8（p)中,则称这两个像素是8-连通的。3、灰度直方图灰度直方图是指反映一幅图像各灰度级像元出现的频率。4、中值滤波中值滤波是指将当前像元的窗口（或领域）中所有像元灰度由小到大进行排序，中间值作为当前像元的输出值。像素的邻域邻域是指一个像元（x，y）的邻近（周围）形成的像元集合。即(x=p，y=q）p、q为任意整数。像素的四邻域 像素p（x，y）的4-邻域是：（x+1,y)，（x-1，y) ,（x,y+1), （x,y-1)三、简答题（ 每小题10分，本题共30 分 )：1。 举例说明直方图均衡化的基本步骤。直方图均衡化是通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。 直方图均衡化变换：设灰度变换s=f（r）为斜率有限的非减连续可微函数，它将输入图象Ii（x，y）转换为输出图象Io(x，y），输入图象的直方图为Hi（r),输出图象的直方图为Ho（s)，则根据直方图的含义，经过灰度变换后对应的小面积元相等：Ho(s）ds=Hi(r）dr直方图修正的例子假设有一幅图像,共有6 4(6 4个象素，8个灰度级，进行直方图均衡化处理.根据公式可得：s2=0.19+0。25+0。2l=0。65,s3=0.19+0。25+0。2l+0.16=0。8l，s4=0.89,s5=0.95，s6=0。98，s7=100 由于这里只取8个等间距的灰度级，变换后的s值也只能选择最靠近的一个灰度级的值.因此，根据上述计算值可近似地选取: S017，s 137,s257，s367， s467,s51，s6l,s71。 可见，新图像将只有5个不同的灰度等级，于是我们可以重新定义其符号： S0=l7，s1=37，s2=57，s3=67,s4=l。因为由rO=0经变换映射到sO=17,所以有n0=790个象素取sO这个灰度值；由rl=37映射到sl=37，所以有1 02 3个象素取s 1这一灰度值；依次类推，有850个象素取s2=57这一灰度值；由于r3和r4均映射到s3=67这一灰度值，所以有656+329=98 5个象素都取这一灰度值；同理,有245+1 22+81=448个象素都取s4=1这一灰度值。上述值除以n=4096，便可以得到新的直方图.文档为个人收集整理，来源于网络文档为个人收集整理，来源于网络2。 简述JPEG的压缩过程，并说明压缩的有关步骤中分别减少了哪种冗余？答：分块颜色空间转换零偏置转换DCT变换量化符号编码。颜色空间转换,减少了心理视觉冗余；零偏置转换,减少了编码冗余；量化减少了心理视觉冗余；符号编码由于是霍夫曼编码加行程编码，因此即减少了编码冗余（霍夫曼编码)又减少了像素冗余(行程编码）。2000的过程：图像分片、直流电平（DC）位移，分量变换，离散小波变换、量化，熵编码。3、Canny边缘检测器答：Canny边缘检测器是使用函数edge的最有效边缘检测器.该方法总结如下：1、图像使用带有指定标准偏差的高斯滤波器来平滑,从而可以减少噪声。2、在每一点处计算局部梯度g（x，y)=G2x+G2y1/2 和边缘方向（x,y）=arctan（Gy/Gx）。边缘点定义为梯度方向上其强度局部最大的点。3、第2条中确定的边缘点会导致梯度幅度图像中出现脊。然后,算法追踪所有脊的顶部，并将所有不在脊的顶部的像素设为零，以便在输出中给出一条细线，这就是众所周知的非最大值抑制处理。脊像素使用两个阈值T1和T2做阈值处理，其中T1T2。值大于T2的脊像素称为强边缘像素，T1和T2之间的脊像素称为弱边缘像素。4、最后，算法通过将8连接的弱像素集成到强像素，执行边缘链接。四、计算题( 每小题8分，本题共16 分 ）1、2、设有一信源X=x1，x2,x3,x4，对应概率P=0.5，0。1875，0.1875,0。125.进行霍夫曼编码（要求大概率的赋码字0, 小概率的赋码字1),给出码字，平均码长，编码效率;对码串10101011010110110000011110011解码.x1 0.5 0 + X2 0。1875 1 X3 0.1875 100 + 0.3125 10 + 0.5 1X4 0.125 101 0。1875 11X1：0X2：11X3:100X4：101平均码长：10.5+2*0.1875+3*0.1875+3*0.125 = 1.8125编码效率：信息熵/平均码长101 0 101 101 0 11 0 11 0 0 0 0 0 11 11 0 0 11X4 x1 x4 x4 x1 x2 x1 x2 x1 x1 x1 x1 x1 x2 x2 x1 x1 x2五、应用题( 每小题14分， 从下面两小题中任意选做一题 ， 本题共14 分 ）1根据所学过的图像处理和分析方法，设计一套算法流程来实现汽车牌照的定位和数字的识别（给出设计思想即可）.答：要点：Step 1：定位汽车牌照。通过高通滤波，得到所有的边缘，对边缘细化（但要保持连通关系），找出所有封闭的边缘，对封闭边缘求多边形逼近。在逼近后的所有4边形中，找出尺寸与牌照大小相同的四边形。牌照被定位.Step 2：识别数字.对牌照区域中的细化后的图像对象进行识别（如前面所介绍的矩阵模糊识别法等）。2、试设计一套算法来实现染色体（图像见下图）的统计与识别(给出算法思想即可）。数字图像处理试题答案1、如图所示，A和B的图形完全一样，其背景与目标的灰度值分别标注于图中,请问哪一个目标人眼感觉更亮一些？为什么？(10分）答：B感觉更亮一些。 (5分，给出相对亮度概念即可给分)因为目标比背景暗，所以越大，感觉越暗，所以A更暗，即B更亮一些。(5分）2、给出一维连续图像函数傅里叶变换的定义，并描述空间频率的概念。（10分）答：1一维连续图像函数的傅立叶变换定义为:（5分）2空间频率是指单位长度内亮度作周期变化的次数。（2分）对于傅立叶变换基函数，考虑的最大值直线在坐标轴上的截距为,则表示空间周期，即为空间频率。（3分)3、已知的图像数据如图所示，请计算：（15分)a、的离散傅里叶变换;b、的哈德玛变换。题3图答：1令，则，(5分） 2（3分)则哈德玛变换为(3分）4、写出频域拉普拉斯算子的传递函数，并说明掩模矩阵对图像的卷积与拉普拉斯算子对图像运算结果之间的关系.（15分）答：1FFFFF(6分）2相当于原图像与拉普拉斯算子运算之差（3分）。 因为拉式算子：(2分）所以：(4分)5、如图为一幅16级灰度的图像.请写出均值滤波和中值滤波的3x3滤波器;说明这两种滤波器各自的特点；并写出两种滤波器对下图的滤波结果(只处理灰色区域,不处理边界）.（15分）题5图答：均值滤波:（2分）中值滤波：（2分）均值滤波可以去除突然变化的点噪声,从而滤除一定的噪声，但其代价是图像有一定程度的模糊；中值滤波容易去除孤立的点、线噪声，同时保持图像的边缘。（5分）均值滤波：（3分）中值滤波：（3分)6、写出图像退化/复原的总体模型；利用线性系统的相关知识，推导线性空不变条件下连续图像函数的退化模型。（10分）答：（5分）线性系统中：其中为系统H的冲激响应.又空不变系统,则 (5分）7、如图，X是待处理图像,黑点代表目标，白点代表背景；B是结构元素，原点在中心。试分别给出B对X做开运算和闭运算的结果（在图中涂黑目标点即可）。（10分）(开运算和闭运算各5分）题7图8、设一幅灰度图像，其目标和背景的像素点灰度呈正态分布，灰度直方图如图所示。其中：、分别为目标点的灰度分布密度函数、均值;、分别为背景点的灰度分布密度函数、均值。并设目标点和背景点的方差均为，目标点个数和图像总像点数的比为1：2。T是根据最小误差准则确定的最佳阈值.（15分)试证明：题8图证明：整幅图像的密度函数为 （5分） 以阈值T进行分割,灰度小于T的像点作为背景点，否则作为目标点。则总的误判概率为: 阈值T的选择应使总的误判概率最小，即,则（5分） 即 当时,