7. 圖像數字化：將一幅畫面轉化成計算機能處理的形式——數字圖像的過程。它包括
採樣和量化兩個過程。像素的位置和灰度就是像素的屬性。8. 將空間上連續的圖像變換成離散點的操作稱為採樣。採樣間隔和採樣孔徑的大小是兩個很重要的參數。採樣方式:有縫、無縫和重疊。
9. 將像素灰度轉換成離散的整數值的過程叫量化。
10. 表示像素明暗程度的整數稱為像素的灰度級（或灰度值或灰度）。
11. 數字圖像根據灰度級數的差異可分為：黑白圖像、灰度圖像和彩色圖像。
12. 採樣間隔對圖像質量的影響：一般來說，採樣間隔越大，所得圖像像素數越少，空間分辨率低，質量差，嚴重時出現像素呈塊狀的國際棋盤效應；採樣間隔越小，所得圖像像素數越多，空間分辨率高，圖像質量好，但數據量大。
13. 量化等級對圖像質量的影響：量化等級越多，所得圖像層次越豐富，灰度分辨率高，圖像質量好，但數據量大；量化等級越少，圖像層次欠豐富，灰度分辨率低，會出現假輪廓現象，圖像質量變差，但數據量小。但在極少數情況下對固定圖像大小時，減少灰度級能改善質量，產生這種情況的最可能原因是減少灰度級一般會增加圖像的對比度。例如對細節比較豐富的圖像數字化。
14. 數字化器組成：
1) 採樣孔：保證單獨觀測特定的像素而不受其它部分的影響。
2) 圖像掃描機構：使採樣孔按預先確定的方式在圖像上移動。
3) 光傳感器：通過採樣孔測量圖像的每一個像素的亮度。
4) 量化器：將傳感器輸出的連續量轉化為整數值。
5) 輸出存儲體：將像素灰度值存儲起來。它可以是固態存儲器，或磁盤等。
15. 灰度直方圖反映的是一幅圖像中各灰度級像素出現的頻率。以灰度級為橫座標，縱座標為灰度級的頻率，繪製頻率同灰度級的關係圖就是灰度直方圖。
16. 直方圖的性質：
1) 灰度直方圖只能反映圖像的灰度分佈情況，而不能反映圖像像素的位置,即丟失了像素的位置信息。
2) 一幅圖像對應唯一的灰度直方圖，反之不成立。不同的圖像可對應相同的直方圖
3) 一幅圖像分成多個區域，多個區域的直方圖之和即為原圖像的直方圖。
17. 直方圖的應用：
1) 用於判斷圖像量化是否恰當
2) 用於確定圖像二值化的閾值
3) 計算圖像中物體的面積
4) 計算圖像信息量：熵H
18. 圖像處理基本功能的形式：單幅圖像 → 單幅圖像 ，多幅圖像 →單幅圖像，單（或多）幅圖像→數字或符號。
19. 鄰域：對於任一像素（i，j），該像素周圍的像素構成的集合{（i+p,j+q），p、q取合適的整數}，叫做該像素的鄰域。
20. 圖像處理的幾種具體算法：
1) 局部處理：移動平均平滑、空間域銳化。
2) 點處理：圖像對比度增強、圖像二值化。
3) 大局處理：傅里葉變換。
4) 迭代處理：細化。
5) 跟蹤處理
6) 位置不變處理和位置可變處理：輸出像素JP(i，j)的值的計算方法與像素的位置(i，j)無關的處理稱為位置不變處理或位移不變處理
7) 窗口處理和模板處理。
21. 圖像的數據結構與特徵 ：
1) 組合方式：一個字長存放多個像素灰度值的方式。它能起到節省內存的作用，但導致計算量增加，使處理程序複雜。
2) 比特面方式：按比特位存取像素，即將所有像素的相同比特位用一個二維數組表示，形成比特面。
3) 分層結構：由原始圖像開始依次構成像素數愈來愈少的一幅幅圖像，就能使數據表示具有分層性，其代表有錐形(金字塔)結構。
4) 樹結構：對於一幅二值圖像的行、列接連不斷地二等分，如果圖像被分割部分中的全體像素都變成具有相同的特徵時，這一部分則不再分割
5) 多重圖像數據存儲：逐波段存儲，分波段處理時採用；逐行存儲，行掃描記錄設備採用；逐像素存儲，用於分類。
22. 圖像的特徵：
1) 自然特徵：光譜特徵、幾何特徵、時相特徵；
2) 人工特徵：直方圖特徵，灰度邊緣特徵，線、角點、紋理特徵；
3) 特徵的範圍：點特徵、局部特徵、區域特徵、整體特徵。
4) 特徵提取：獲取圖像特徵信息的操作。把從圖像提取的m個特徵量y1，y2，…，ym，用m維的向量Y＝[y1 y2…ym]t表示稱為
特徵向量。另外，對應於各特徵量的m維空間叫做特徵空間。23. 對比度：一幅圖像中灰度反差的大小，對比度=最大亮度/最小亮度
第三章 圖像變換
24. 圖像變換通常是一種二維正交變換。
1) 正交變換必須是可逆的；
2) 正變換和反變換的算法不能太複雜；
3) 正交變換的特點是在變換域中圖像能量集中分佈在低頻率成分上，邊緣、線狀信息反映在高頻率成分上，有利於圖象處理。
25. 圖像變換的目的在於：
1) 使圖像處理問題簡化；
2) 有利於圖像特徵提取；
3) 有助於從概念上增強對圖像信息的理解。
第四章 圖像增強
26. 圖像增強是採用一系列技術去改善圖像的視覺效果,或將圖像轉換成一種更適合於人或機器進行分析和處理的形式。
27. 空間域增強是直接對圖像各像素進行處理；
28. 頻率域增強是先將圖像經傅立葉變換後的頻譜成分進行某種處理，然後經逆傅立葉變換獲得所需的圖像。
29.
30. 灰度變換用來調整圖像的灰度動態範圍或圖像對比度，是圖像增強的重要手段之一。
1) 線性變換：對圖像每一個像素灰度作線性拉伸，將有效改善圖像視覺效果。
2) 分段線性變換：為了突出感興趣目標所在的灰度區間，相對抑制那些不感興趣的灰度區間，可採用分段線性變換。
3) 非線性灰度變換：對數變換（當希望對圖像的低灰度區較大的拉伸而對高灰度區壓縮時，可採用這種變換，它能使圖像灰度分佈與人的視覺特性相匹配）。 指數變換（對圖像的高灰度區給予較大的拉伸）
31. 直方圖修整法 包括直方圖均衡化及直方圖規定化兩類。
32. 直方圖均衡化：將原圖像通過某種變換，得到一幅灰度直方圖為均勻分佈的新圖像的方法。
33. 直方圖均衡化變換函數，滿足下列條件：
1) 在0≤r≤1內為單調遞增函數，保證灰度級從黑到白的次序不變；
2) 在0≤r≤1內，有0≤T(r)≤1，確保映射後的像素灰度在允許的範圍內。
34. 直方圖均衡化原理：輸出圖像的概率密度函數可以通過變換函數T(r)控制原圖像灰度級的概率密度函數得到,並改善原圖像的灰度層次。
35. 一幅圖像的sk與rk之間的關係稱為該圖像的累積灰度直方圖。
36. 直方圖規定化是使原圖像灰度直方圖變成規定形狀的直方圖而對圖像作修正的增強方法。
37. 利用直方圖規定化方法進行圖像增強的主要困難在於要構成有意義的直方圖。圖像經直方圖規定化，其增強效果要有利於人的視覺判讀或便於機器識別。
38. 為了抑制噪聲改善圖像質量所進行的處理稱圖像平滑或去噪。
39. 用鄰域內各像素的灰度平均值代替該像素原來的灰度值，實現圖像的平滑，又稱鄰域平均法。
40. 超限像素平滑法：將f(x,y)和鄰域平均g(x,y)差的絕對值與選定的閾值進行比較，根據比較結果決定點（x,y）的最後灰度g´(x,y)。
41. 灰度最相近的K個鄰點平均法：可用窗口內與中心像素的灰度最接近的K個鄰像素的平均灰度來代替窗口中心像素的灰度值。
42. 最大均勻性平滑： 為避免消除噪聲引起邊緣模糊，該算法先找出環繞圖像中每像素的最均勻區域，然後用這區域的灰度均值代替該像素原來的灰度值。具體可選任一像素（x,y）的5個有重疊的3*3鄰域，用梯度衡量它們灰度變化的大小。
43. 有選擇保邊緣平滑法：對圖像上任一像素(x,y)的5×5鄰域，採用9個掩模：一個3×3正方形、4個五邊形和4個六邊形。計算各個掩模的均值和方差，對方差進行排序，最小方差所對應的掩模的灰度均值就是像素（x,y) 的輸出值。
44. 空間低通濾波法：應用模板卷積方法對圖像每一像素進行局部處理。不管什麼樣的掩模，必須保證全部權係數之和為單位值，這樣可保證輸出圖像灰度值在許可範圍內，不會產生“溢出”現象。
45. 中值濾波：是對一個滑動窗口內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。離散階躍信號、斜升信號沒有受到影響。離散三角信號的頂部則變平了。對於離散的脈衝信號，當其連續出現的次數小於窗口尺寸的一半時，將被抑制掉，否則將不受影響。
46. 各種空間域平滑算法效果比較：
1) 局部平滑法算法簡單，但它的主要缺點是在降低噪聲的同時使圖像產生模糊，特別在邊緣和細節處。而且鄰域越大，在去噪能力增強的同時模糊程度越嚴重。
2) 超限像素平滑法對抑制椒鹽噪聲比較有效，對保護僅有微小灰度差的細節及紋理也有效。並且隨著鄰域增大，去噪能力增強，但模糊程度也大。超限像元平滑法比局部平滑法去椒鹽噪聲效果更好。
3) 灰度最相近的K個鄰點平均法：較小的K值使噪聲方差下降較小，但保持細節效果較好；而較大的K值平滑噪聲較好，但會使圖像邊緣模糊。
4) 最大均勻性平滑經多次迭代可增強平滑效果，在消除圖像噪聲的同時保持邊緣清晰性。但對複雜形狀的邊界會過分平滑並使細節消失。
5)
有選擇保邊緣平滑法既能夠消除噪聲，又不破壞區域邊界的細節。6) 中值濾波對脈衝干擾及椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能有效保護邊緣少受模糊。但它對點、線等細節較多的圖像卻不太合適。中值濾波法能有效削弱椒鹽噪聲，且比鄰域、超限像素平均法更有效。
47. 圖像空間域銳化增強圖像的邊緣或輪廓。
48. 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。
49. 梯度銳化法：梯度為grad(x，y)=Max (|fx′|，|fy′|) 或grad（x，y）=|fx’|+|fy′|。有梯度算子、Roberts、Prewitt和Sobel 算子計算梯度，來增強邊緣。
50. Laplacian增強算子：g(x，y)=f(x，y)- ▽2f(x，y)=5f(x，y)-[f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)]
51. Laplacian增強算子特點：
1) 在灰度均勻的區域或斜坡中間▽2f(x，y)為0，增強圖像上像元灰度不變；
2) 在斜坡底或低灰度側形成“下衝”；而在斜坡頂或高灰度側形成“上衝”
52. 高通濾波法就是用高通濾波算子和圖像卷積來增強邊緣。
53. 頻率域平滑：由於噪聲主要集中在高頻部分，為去除噪聲改善圖像質量，濾波器採用低通濾波器H(u,v)來抑制高頻成分，通過低頻成分，然後再進行逆傅立葉變換獲得濾波圖像，就可達到平滑圖像的目的：
54. 頻率域低濾波器H(u,v)有四種：理想低通濾波器、Butterworth低通濾波器、指數低通濾波器、. 梯形低通濾波器。
55. 各種濾波器效果比較;
1) 理想低通濾波器:在去噪聲的同時將會導致邊緣信息損失而使圖像邊模糊,併產生振鈴效應。
2) Butterworth低通濾波器的特性是連續性衰減，而不象理想濾波器那樣陡峭變化，即明顯的不連續性。因此採用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度大大減小，沒有振鈴效應產生。
3) 指數低通濾波器：圖像邊緣的模糊程度較用Butterworth濾波產生的大些，無明顯的振鈴效應。
4) 梯形低通濾波器的性能介於理想低通濾波器和指數濾波器之間，濾波的圖像有一定的模糊和振鈴效應。
56. 頻率域銳化：採用高通濾波器讓高頻成分通過，使低頻成分削弱，再經逆傅立葉變換得到邊緣銳化的圖像。包括：理想高通濾波器、巴特沃斯高通濾波器、指數濾波器、梯形濾波器。
57. 彩色增強技術是利用人眼的視覺特性，將灰度圖像變成彩色圖像或改變彩色圖像已有彩色的分佈，改善圖像的可分辨性。彩色增強方法可分為偽彩色增強和假彩色增強兩類。
58. 偽彩色增強是把黑白圖像的各個不同灰度級按照線性或非線性的映射函數變換成不同的彩色，得到一幅彩色圖像的技術。
59. 偽彩色增強的方法主要有密度分割法、和頻率域偽彩色增強三種。
60. 密度分割法是把黑白圖像的灰度級從0（黑）到M0（白）分成N個區間Ii(i=1，2，…，N),給每個區間Ii指定一種彩色Ci，這樣，便可以把一幅灰度圖像變成一幅偽彩色圖像。
61. 灰度級一彩色變換將原圖像f(x,y)的灰度範圍分段，經過紅、綠、藍三種不同變換TR(•)、TG(•)和TB(•)，變成三基色分量IR(x,y)、IG(x,y)、IB(x,y)，然後用它們分別去控制彩色顯示器的紅、綠、藍電子槍，便可以在彩色顯示器的屏幕上合成一幅彩色圖像。
62. 密度分割法比較簡單、直觀。缺點是變換出的彩色數目有限。
63. 假彩色增強是對一幅自然彩色圖像或同一景物的多光譜圖像，通過映射函數變換成新的三基色分量，彩色合成使感興趣目標呈現出與原圖像中不同的、奇異的彩色。
64. 假彩色增強目的：
1) 使感興趣的目標呈現奇異的彩色或置於奇特的彩色環境中，從而更引人注目；
2) 使景物呈現出與人眼色覺相匹配的顏色，以提高對目標的分辨力。
65. 偽彩色增強與假彩色增強有何區別：偽彩色處理主要解決的是如何把灰度圖變成偽彩色圖的問題,最簡單的辦法是選擇對應於某一灰度值設一彩色值來替代,可稱之為調色板替代法.另外一種比較好的偽彩色處理方法是設定三個獨立的函數 ,給出一個灰度值,便由計算機估算出一個相應的RGB值. 假彩色(false color)處理是把真實的自然彩色圖像或遙感多光譜圖象處理成假彩色圖像.假彩色處理的主要用途是:
(1)景物映射成奇異彩色,比本色更引人注目.
(2)適應人眼對顏色的靈敏度,提高鑑別能力.可把細節豐富的物體映射成深淺與亮度不一的顏色.
(3)遙感多光譜圖象處理成假彩色,可以獲得更多信息.
66. 像素級影像融合是採用某種算法將覆蓋同一地區（或對象）的兩幅或多幅空間配準的影像生成滿足某種要求的影像的技術。
67. 顏色可以用R、G、B三分量來表示，也可以用亮度（I）、色別（H）和飽和度（S）來表示，它們稱為顏色的三要素。把彩色的R、G、B變換成I、H、S稱為HIS正變換，而由I、H、S變換成R、G、B稱為HIS反變換。
第五章 圖像復原與重建
68. 圖像的退化是指圖像在形成、傳輸和記錄過程中，由於成像系統、傳輸介質和設備的不完善，使圖像的質量變壞。
69. 圖像復原就是要儘可能恢復退化圖像的本來面目，它是沿圖像退化的逆過程進行處理。
70. 圖像復原過程如下：找退化原因→建立退化模型→反向推演→恢復圖像
71. 圖像復原和圖像增強的區別：
1) 圖像增強不考慮圖像是如何退化的，而是試圖採用各種技術來增強圖像的視覺效果。因此，圖像增強可以不顧增強後的圖像是否失真，只要看得舒服就行。
2) 而圖像復原就完全不同，需知道圖像退化的機制和過程等先驗知識，據此找出一種相應的逆處理方法，從而得到復原的圖像。
3) 如果圖像已退化，應先作復原處理，再作增強處理。
4) 二者的目的都是為了改善圖像的質量。
72. 點源的概念:一幅圖像可以看成由無窮多極小的像素所組成，每一個像素都可以看作為一個點源成像，因此，一幅圖像也可以看成由無窮多點源形成的。
73. 當輸入的單位脈衝函數延遲了α、β單位，即當輸入為δ（x –α， y –β）時，如果輸出為h（x –α， y –β），則稱此係統為位移不變系統。
74. 線性位移不變系統的輸出等於系統的輸入和系統脈衝響應（點擴散函數）的卷積。即：g(x,y)=f(x,y)*h(x,y)。
75. 圖像退化的數學模型： g（x，y）= f（x，y）* h（
x，y）+ n(x，y)76. 採用線性位移不變系統模型的原由：
1）由於許多種退化都可以用線性位移不變模型來近似，這樣線性系統中的許多數學工具如線性代數，能用於求解圖像復原問題，從而使運算方法簡捷和快速。
2）當退化不太嚴重時，一般用線性位移不變系統模型來複原圖像，在很多應用中有較好的復原結果，且計算大為簡化。
3）儘管實際非線性和位移可變的情況能更加準確而普遍地反映圖像復原問題的本質，但在數學上求解困難。只有在要求很精確的情況下才用位移可變的模型去求解，其求解也常以位移不變的解法為基礎加以修改而成。
77. 頻率域恢復方法應注意：若噪聲存在，而且H(u,v）很小或為零時，則噪聲被放大。這意味著退化圖像中小噪聲的干擾在H(u,v)較小時，會對逆濾波恢復的圖像產生很大的影響，有可能使恢復的圖像和f(x,y)相差很大，甚至面目全非。
78. 圖像在獲取過程中，由於成像系統本身具有非線性、拍攝角度等因素的影響，會使獲得的圖像產生幾何失真，可分為：系統失真和非系統是真。系統失真是有規律的、能預測的；非系統失真則是隨機的。
79. 對圖像進行幾何校正的必要性：當對圖像作定量分析時，就要對失真的圖像先進行精確的幾何校正（即將存在幾何失真的圖像校正成無幾何失真的圖像），以免影響定量分析的精度。
80. 幾何校正分兩步：
1) 圖像空間座標變換；首先建立圖像像點座標（行、列號）和物方（或參考圖）對應點座標間的映射關係，解求映射關係中的未知參數，然後根據映射關係對圖像各個像素座標進行校正；
2) 確定各像素的灰度值（灰度內插）
81. 圖像空間座標變換當n=1時，畸變關係為線性變換，式子中包含a00、a10、a01、b00、b10、b016個未知數，至少需要3個已知點來建立方程式，解求未知數。當n=2時，畸變關係式包含12個未知數，至少需要6個已知點來建立關係式，解求未知數。
82. 幾何校正方法可分為直接法和間接法兩種。
83. 常用的像素灰度內插法有最近鄰元法、雙線性內插法和三次內插法三種。
84. 像素灰度內插法效果比較：
1) 最近鄰內插：最簡單，效果尚佳，但校正後的圖像邊緣有明顯鋸齒狀，即存在灰度不連續性。
2) 雙線性內插法：較複雜，計算量較大，沒有灰度不連續性的缺點，結果令人滿意。但它具有低通濾波性質，使高頻分量受損，圖像輪廓有一定模糊。
3) 三次內插：計算量最大，但內插效果最好，精度最高。
85. 圖像重建有三種模型：透射模型、發射模型和反射模型。
86. 透射模型建立於能量通過物體後有一部分能量會被吸收的基礎之上，透射模型經常用於X射線、電子射線及光線和熱輻射的情況下，它們都遵從一定的吸收規則。
87. 發射模型可用來確定物體的位置。這種方法已經廣泛用於正電子檢測,通過在相反的方向分解散射的兩束伽馬射線,則這兩束射線的渡越時間可用來確定物體的位置。
88. 反射模型可以用來測定物體的表面特徵，例如光線、電子束、激光或超聲波等都可以用來進行這種測定。
89. 從多個斷面恢復三維形狀的方法有Voxel 法（體素法）、分塊的平面近似法。
第六章 圖像編碼與壓縮
90. 數據壓縮的研究內容包括數據的表示、傳輸、變換和編碼方法，目的是減少存儲數據所需的空間和傳輸所用的時間。
91. 圖像編碼與壓縮就是對圖像數據按一定的規則進行變換和組合，達到以儘可能少的代碼（符號）來表示儘可能多的圖像信息。
92. 冗餘數據有：編碼冗餘、像素間冗餘、心理視覺冗餘3種。
93. 根據解壓重建後的圖像和原始圖像之間是否具有誤差，圖像編碼壓縮分為無誤差（亦稱無失真、無損、信息保持）編碼和有誤差（有失真或有損）編碼兩大類。
94. 根據編碼作用域劃分，圖像編碼為空間域編碼和變換域編碼兩大類。
95. 描述解碼圖像相對原始圖像偏離程度的測度一般稱為保真度，可分為兩大類：客觀保真度準則和主觀保真度準則。
96. 最常用的客觀保真度準則是原圖像和解碼圖像之間的均方根誤差和
均方根信噪比兩種。97. 理論上最佳信息保持編碼的平均碼長可以無限接近圖像信息熵H。但總是大於或等於圖像的熵H。
98. 霍夫曼編碼：在信源數據中出現概率越大的符號，編碼以後相應的碼長越短；出現概率越小的符號，其碼長越長，從而達到用盡可能少的碼符表示信源數據。它在無損變長編碼方法中是最佳的。
99. 行程編碼的基本原理：將一行中顏色值相同的相鄰像素用一個計數值和該顏色值來代替。
100.一維行程編碼只考慮了消除行內像素間的相關性.沒有考慮其它方向的相關性.
101.二維行程編碼就是利用圖像二維信息的強相關性，按照一定的掃描路徑遍歷所有的像素形成一維的序列，然後對序列進行一維行程編碼的方法。
102.混合編碼：既具有行程編碼的性質又是變長編碼。
第七章 圖像分割
103.圖像分析：對圖像中感興趣的目標進行檢測和測量，以獲得它們的客觀信息，從而建立對圖像的描述.
104.圖像分割：把圖像分成互不重疊的區域並提取感興趣目標的技術。
105.記憶圖像分割所需滿足的五個條件。
106.分割算法基於灰度值的兩個基本特性：不連續性和相似性
107.檢測圖像像素灰度級的不連續性，找到點、線（寬度為1）、邊（不定寬度）。
108.檢測圖像像素的灰度值的相似性，通過選擇閾值，找到灰度值相似的區域，區域的外輪廓就是對象的邊。
109.圖像分割的方法：
1) 基於邊緣的分割方法：先提取區域邊界，再確定邊界限定的區域。
2) 區域分割：確定每個像素的歸屬區域，從而形成一個區域圖。
3) 區域生長：將屬性接近的連通像素聚集成區域
4) 分裂－合併分割：綜合利用前兩種方法，既存在圖像的劃分，又有圖像的合併。
110.邊緣：圖像中像素灰度有階躍變化或屋頂變化的那些像素的集合。
111.邊緣檢測算子：梯度算子、Roberts算子、Prewitt算子、Sobel算子、Kirsch算子（方向算子）、Laplacian算子、Marr算子。
112.邊緣檢測算子比較：
1) 梯度算子：僅計算相鄰像素的灰度差，對噪聲比較敏感，無法抑止噪聲的影響
2) Roberts算子：與梯度算子檢測邊緣的方法類似，對噪聲敏感，但效果較梯度算子略好
3) Prewitt算子：在檢測邊緣的同時，能抑止噪聲的影響
4) Sobel算子：對4鄰域採用帶權方法計算差分；能進一步抑止噪聲；但檢測的邊緣較寬
5) 方向算子：在計算邊緣強度的同時可以得到邊緣的方向；各方向間的夾角為45º
6) 拉普拉斯算子：優點，各向同性、線性和位移不變的；對細線和孤立點檢測效果較好。缺點，對噪音的敏感，對噪聲有雙倍加強作用；不能檢測出邊的方向；常產生雙像素的邊緣。
7) Marr算子：σ的選擇很重要， σ小時邊緣位置精度高，但邊緣細節變化多；σ大時平滑作用大，但細節損失大，邊緣點定位精度低。應根據噪聲水平和邊緣點定位精度要求適當選取σ。
8) 曲面擬合法：其過程是求平均後再求差分，因而對噪聲有抑制作用。
113.由於梯度算子和Laplace算子都對噪聲敏感，因此一般在用它們檢測邊緣前要先對圖像進行平滑。
114.曲面擬合法：用平面或高階曲面來擬合圖像中某一小區域的灰度表面，求這個擬合平面微分或二階微分檢測邊緣，可減少噪聲影響。其過程是求平均後再求差分，因而對噪聲有抑制作用。
115.邊緣跟蹤：將檢測的邊緣點連接成線就是邊緣跟蹤。
116.直角座標系中的一條直線對應極座標系中的一點，這種線到點的變換就是
Hough變換117.Hough變換特點：
1) 對ρ、θ量化過粗，直線參數就不精確，過細則計算量增加。因此，對ρ、θ量化要兼顧參數量化精度和計算量。
2) Hough變換檢測直線的抗噪性能強，能將斷開的邊緣連接起來。
3) 此外Hough變換也可用來檢測曲線。
118.區域生長：單一型、質心型、混合型。
119.單一型：缺點是區域增長的結果與起始像素有關，起始位置不同則分割結果有差異。
120.區域分裂合並法無需預先指定種子點,它按某種一致性準則分裂或者合併區域.可以先進行分裂運算,然後再進行合併運算;也可以分裂和合並運算同時進行,經過連續的分裂和合並,最後得到圖像的精確分割效果.
121.分裂合併法對分割複雜的場景圖像比較有效.
第八章 二值圖像處理與形狀分析
122.在二值圖像中，把互相連接的像素的集合彙集為一組，於是具有若干個0值的像素(0像素)和具有若干個1值的像素(1像素)的組就產生了。把這些組叫做連接成分。
123.二值圖像上改變一個像素的值後，整個圖像的連接性並不改變（各連接成分既不分離、不結合，孔也不產生、不消失），則這個像素是可刪除的。
124.孤立點：B（p）= 1的像素p，在4/8鄰接的情況下，當其4/8鄰接的像素全是0時，像素p稱作孤立點。其連接數Nc(p)=0。
125.內部點：B（p）= 1的像素p，在4/8鄰接的情況下，當其4/8鄰接的像素全是1時，稱作內部點。內部點的連接數Nc(p)=0。
126.邊界點:在B（p）= 1的像素中，把除了孤立點和內部點以外的點叫做
邊界點。邊界點的連接數屬於[1，4]。1) 刪除點或端點；
2) 連接點；
3) 分支點；
4) 交叉點。
127.為區分二值圖像中的連接成分，求得連接成分個數，對屬於同一個１像素連接成分的所有像素分配相同的編號，對不同的連接成分分配不同的編號的操作，叫做連接成分的標記。
128.膨脹就是把連接成分的邊界擴大一層的處理。
129.收縮則是把連接成分的邊界點去掉從而縮小一層的處理。
130.距離變換是求二值圖像中各1像素到0像素的最短距離的處理。
131. 在經過距離變換得到的圖像中，最大值點的集合就形成骨架，即位於圖像中心部分的線像素的集合，也可以看作是圖形各內接圓中心的集合。反映了原圖形的形狀。給定距離和骨架就能恢復該圖形，但恢復的圖形不能保證原始圖形的連接性。常用於圖形壓縮、提取圖形幅寬和形狀特徵等。
132.細化是從二值圖像中提取線寬為1像素的中心線的操作。
133.為了求得區域間的連接關係，必須沿區域的邊界點跟蹤像素，稱之為邊界（或邊緣）跟蹤。
134.形狀分析是指用計算機圖像處理與分析系統對圖像中的諸目標提取形狀特徵，對圖像進行識別和理解。
135.區域形狀特徵的提取有三類方法：
1) 區域內部（包括空間域和變換域）形狀特徵提取；
2) 區域外部（包括空間域和變換域）形狀特徵提取；
3) 利用圖像層次型數據結構，提取形狀特徵。
136.拓撲描繪子：歐拉數；凹凸性；區域的測量；區域的大小及形狀描述量（面積、周長、圓形度）。
137.區域的拓撲性質對區域的全局描述是很有用的，歐拉數是區域一個較好的描述子。
第九章 影像紋理分析
138.局部不規則而宏觀有規律的特性稱之為紋理；以紋理特性為主導的圖像，常稱為紋理圖像；以紋理特性為主導特性的區域，常稱為紋理區域。
139.紋理作為一種區域特性，在圖像的一定區域上才能反映或測量出來。
140.紋理分析方法：統計分析法和結構分析法。前者從圖像有關屬性的統計分析出發；後者則著力找出紋理基元，然後從結構組成上探索紋理的規律。也有直接去探求紋理構成的結構規律的。
141.Laws的紋理能量測量法： f(x,y)à微窗口濾波àF(x,y)à能量轉換àE(x,y)à分量旋轉àC(x,y)à分類àM(x,y)
142.自相關函數：
1) 當紋理較粗時，ρ(d)隨d的增加下降速度較慢；
2) 當紋理較細時，ρ(d)隨著d的增加下降速度較快。
143.灰度共生矩陣就是從圖像 (x,y)灰度為i的像素出發，統計與距離為δ=(Δx2+Δy2)1/2、灰度為j的像素同時出現的概率P(i,j,δ,θ)。
144.灰度共生矩陣必然是對稱陣，且對角線上均為偶數。
第十章 模板匹配
145.當對象物的圖案以圖像的形式表現時，根據該圖案與一幅圖像的各部分的相似度判斷其是否存在，並求得對象物在圖像中位置的操作叫做模板匹配。
來源於百度文庫
鏈接：https://wenku.baidu.com/view/3ea27a1e59eef8c75fbfb3c1.html
End
聲明：部分內容來源於網絡，僅供讀者學習、交流之目的。文章版權歸原作者所有。如有不妥，請聯繫刪除。
