简答题（25=5*）
1.图像锐化与图像平滑有何区别与联系？
图像锐化 ：增大噪声；使图像清晰；导致高频分量增强； 增强图像的边缘或轮廓
图像平滑 ：抑制噪声；使图像模糊；对图像高频分量有影响
二者用于图像增强，改善图像效果。
2.图像复原和增强的区别与联系？
区别：图像增强不考虑图像是如何退化的，而是采用各种技术来增强图像的视觉效果
因此，图像增强可以不顾增强后的图像是否失真。
图像复原需要知道图像退化的机制和过程等先验知识，据此找出一种
相应的逆处理方法，从而得到恢复的图像。
如果图像已退化，应先做恢复处理，再做增强处理。
共同点：两者的目的都是为了改善图像的质量。
- 退化模型：图像复原 使用退化模型来复原图像，图像增强不需要对图像退化因素进行建模
- 评价准则：图像复原需要客观评价准则，图像增强有客观评价准则 与 主观评价准则
- 局部与整体：图像复原考虑图像局部信息，图像增强考虑图像整体信息
- 图像复原 为了还原图像；图像增强：为了增强图像视觉效果。
3.正交变换的物理意义？
经过正交变换后，数据的分布规律发生了很大的改变，像素之间的相关性下降，变换系数向新坐标系中的少数坐标集中，一般集中于少数的直流或低频分量的坐标点。
4.阐述离散傅里叶变换和离散余弦变换的异同点
（DTFT 离散时间傅里叶变换，用来表达连续的信号的频谱）
DFT是离散傅里叶变换，针对的是离散的信号和频谱。DFT是DTFT变化而来，就是将连续时间t变成nT。DFT是为了我们能够去用工具分析信号而创造出来的。
DCT是DFT的一个子集。在DTFT傅里叶级数展开式中，如果被展开的函数是实偶函数，那么其傅里叶级数中只包含余弦项，再将其离散化，就得到了DCT。。DCT主要用于语音和图像处理。
5.图像分割的原理
图像分割指根据图像的灰度，颜色，结构，纹理等特征 设计合理的准则函数 设计一个或多个阈值 从而将图像中的像素点逐个与设定的阈值比较 进而将图像分割成若干个互不交叠的区域。
（根据灰度，颜色，结构，纹理等特征——> 准则函数——>阈值——>与阈值比较——>分割）
6.请写出几种彩色模型,并阐述它们应用领域?
RGB：用于显示系统
CMYK：用于印刷与打印行业
YUV YCbCr：用于存储传输，电视信号的发射 或 图像压缩
HSI：用于图像处理
7.阐述空间滤波和频域滤波的异同点。
当使用非线性滤波时应当正在空间域中处理；
当使用线性滤波时可以在空间域中也可以在频域中处理；
空间域线性滤波时，滤波器尺寸应当远远小于原图像尺寸
频域线性滤波时，滤波器尺寸与图像尺寸大小应一致；
频域滤波要经过正变换与逆变换
8. 图像压缩正交变换编码有哪些特点
- 能量保持不变
- 能量重新分配使得更加集中有利于编码
- 将相关像素变得不相关
9. 有损压缩与无损压缩的异同点
不同点：
- 压缩原理上不同
- 压缩率不同
- 压缩后文件格式不同
- 还原性不同
- 应用领域不同
相同点：
都属于压缩技术，都是通过某种编码方式将数据信息存在的重复度、冗余度降低，从而达到数据压缩的目的。
10. 压缩系统的构成
图像压缩模型：
源数据编码 -> 信道编码 -> 信道 -> 信道解码 ->源数据解码
源数据编码模型：
映射器 -> 量化器 -> 符号编码器
符号编码器 -> 反向映射器
11. 彩色模型下如何实现图像的补色
补色处理就是根据色环，将现有颜色的色相反转180°
对于RGB图像，补色就是对应的CMY图像
对与HSI和HSV图像，H分量需要进行相应的旋转，而亮度分量也需要相应的反转，而饱和度不变，能够得到类似的补色效果
计算题（53=）
1.4连通，8连通，m连通
2.直方图的均衡化
3.哈夫曼编码
4.开运算与闭运算
5.中值滤波
6.区域分裂与合并方法
7.区域生长算法
8.二维傅里叶的正变换和逆变换
应用题（22）
1.图像增强算法
因为右图黑白边界比左图黑白边界多很多，对于均值滤波而言，在有像素变化的地方才会产生新的像素值，因此右侧图像产生的新的像素值的比例比左侧大。
2.Hough变换
- 对彩色图像进行灰度化处理
- 根据边缘检测算子对图像进行边缘检测，对图像进行二值化处理
- 建立直线方程（圆方程）
- 在三个参数空间中确定变换范围， 建立累积函数A(a,b,r)，并初始化为0
- 对每个边缘点，代入圆的方程，让a,b依次变换计算出r，得到一系列参数空间的点，如果对应点出现，就将累积单元对应地方加1.
- 处理所有的边缘点后，找到累计单元中存放的前两个最大整数对应参数从而确定两对参数点，代入元的方程，得到两个圆。两个圆之间的圆环就是虹膜。
均值滤波器的作用
- 减少噪声
- 模糊处理
中值滤波器
- 同均值相比，中值滤波能保持图像的细节信息
- 中指滤波适合椒盐噪声，平滑滤波适合高斯噪声
锐化空间滤波器
- 加大噪声
- 突出图像细节 或者 被模糊的细节
图像退化过程
对原图像 运算 与 添加噪声
退化模型
g(x,y) = H[f(x,y)]+n(x,y)
图像空间域增强
分为 图像平滑 与 图像锐化
平滑滤波器 （均值滤波 中值滤波）
锐化滤波器
- 拉普拉斯算子 ：对噪声敏感；产生双边缘 图像边缘检测
- Soble算子：得到垂直或者水平或者其他方向的边缘
