2.图像分类：按可见性（可见图像、不可见图像）、按波段数（单波段、多波段、超波段）、按空间坐标和亮度连续性（模拟和数字）分类。
3、图像处理：对图像进行一系列操作以达到预期目的的技术。
4.图像处理的三个层次：狭义图像处理、图像分析和图像理解。
5、图像处理五个模块：采集、显示、存储、通信、处理、分析。
第二章 数字图像处理的基本概念
6.模拟图像的表示：f(x,y)=i(x,y)r(x,y)，照明分量0 i(x,y) ，反射分量0 r(x,y) ) )1.
7、图像数字化：将图片转换成计算机可以处理的形式的数字图像的过程。它包括两个过程：采样和量化。像素的位置和灰度是像素的属性。
8、将空间上连续的图像变换为离散点的操作称为采样。采样间隔和采样孔径的大小是两个非常重要的参数。采样方法：包括接缝、无缝和重叠。
9、将像素灰度转换为离散整数值的过程称为量化。
10、表示像素亮度的整数称为该像素的灰度级（或灰度值或灰度级）。
11、数字图像根据灰度级别的不同，可分为黑白图像、灰度图像和彩色图像。
12、采样间隔对图像质量的影响：一般来说，采样间隔越大，得到的图像像素越少，空间分辨率低，质量差，严重时会出现块状像素的棋盘效应；采样间隔越小，采样间隔越小。所得图像的像素越多，空间分辨率越高，图像质量越好，但数据量也越大。
13、量化级别对图像质量的影响：量化级别越多，图像层次越丰富，灰度分辨率越高，图像质量越好，但数据量越大；量化级别越少，图像层次越不丰富，灰度分辨率低，会出现虚假轮廓，图像质量变差，但数据量会小。然而，在极少数情况下，对于固定的图像尺寸，降低灰度级可以提高质量。最可能的原因是降低灰度通常会增加图像的对比度。例如，将具有丰富细节的图像数字化。
14、数字化仪组成：
1）采样孔：保证特定像素能够独立观察，而不受其他部分的影响。
2）图像扫描机构：使采样孔按预定方式在图像上移动。
3）光传感器：通过采样孔测量图像每个像素的亮度。
4）量化器：将传感器输出的连续量转换为整数值。
5）输出存储器：存储像素灰度值。它可以是固态存储器，也可以是磁盘等。
15、灰度直方图反映了图像中每个灰度像素出现的频率。以灰度级为横坐标，纵坐标为该灰度级的频率，绘制频率与灰度级的关系就是灰度直方图。
16.直方图的性质：
1）灰度直方图只能反映图像的灰度分布，而不能反映图像像素的位置，即丢失了像素的位置信息。
2）一张图像对应一个唯一的灰度直方图，反之则不然。不同的图像可以对应同一个直方图
3）将图像划分为多个区域，多个区域的直方图之和就是原始图像的直方图。
17、直方图的应用：
1）用于判断图像量化是否合适
2）用于确定图像二值化的阈值
3）计算图像中物体的面积
4）计算图像信息量：熵H
18、图像处理基本函数的形式：单幅图像单幅图像、多幅图像单幅图像、单幅（或多幅）图像数字或符号。
19、邻域：对于任意像素点（i，j），该像素点周围的像素点集合{（i+p，j+q），p和q取适当的整数}称为该像素点的邻域。
20、图像处理的几种具体算法：
1）局部处理：移动平均平滑、空间域锐化。
2）点处理：图像对比度增强和图像二值化。
3）整体处理：傅里叶变换。
4）迭代处理：细化。
5）追踪与处理
6）位置不变处理和位置可变处理：输出像素JP(i,j)的值的计算方法与像素的位置(i,j)无关，称为位置不变处理或位移不变处理。
7）窗口处理和模板处理。
21、图像的数据结构和特征：
1）组合方式：一个字长存储多个像素点的灰度值。它可以节省内存，但增加了计算量，使处理程序变得复杂。
2）位平面法：按位访问像素，即将所有像素的相同位用一个二维数组表示，形成位平面。
3）层次结构：从原始图像开始，依次形成像素越来越少的图像，可以使数据表示具有层次性，用圆锥（金字塔）结构来表示。
4）树结构：如果将一幅二值图像的行和列连续分成两半，如果图像被划分部分的所有像素都具有相同的特征，则该部分将不再被划分。
5）多图像数据存储：逐波段存储，用于分波段处理；逐行存储，用于行扫描记录设备；逐像素存储，用于分类。
22.图像的特征：
1）自然特征：光谱特征、几何特征、相位特征；
2）人工特征：直方图特征、灰度边缘特征、线条、角点、纹理特征；
3）特征范围：点特征、局部特征、区域特征、整体特征。
4）特征提取：获取图像特征信息的操作。从图像中提取的m个特征量y1,y2,ym用m维向量Y=[y1 y2.ym]t表示，称为特征向量。另外，每个特征量对应的m维空间称为特征空间。
23、对比度：图像中灰度对比度的大小，对比度=最大亮度/最小亮度
第三章 图像变换
24. 图像变换通常是二维正交变换。
1）正交变换必须是可逆的；
2）正变换和逆变换的算法不宜太复杂；
3）正交变换的特点是在变换域中图像能量集中在低频分量上，边缘和线性信息反映在高频分量上，有利于图像处理。
25. 图像变换的目的是：
1）简化图像处理问题；
2）有利于图像特征提取；
3) 有助于从概念上增强对图像信息的理解。
第四章 图像增强
26.图像增强是采用一系列技术来改善图像的视觉效果，或者将图像转换成更适合人类或机器分析和处理的形式。
27、空间域增强就是直接对图像的每个像素进行处理；
28、频域增强是先对傅里叶变换后的图像的频谱分量进行一些处理，然后通过傅里叶逆变换得到需要的图像。
29.
30、灰度变换用于调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。
1）线性变换：对图像中每个像素点的灰度进行线性拉伸，将有效改善图像的视觉效果。
2）分段线性变换：为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可以采用分段线性变换。
3）非线性灰度变换：对数变换（当你想大幅度拉伸图像的低灰度区域，压缩高灰度区域时，可以使用这种变换，可以使图像的灰度分布与人类一致图像）匹配视觉特征）。指数变换（对图像的高灰度区域进行更大的拉伸）
31、直方图修剪方法包括直方图均衡和直方图规范两种。
32、直方图均衡化：对原始图像进行变换以获得灰度直方图均匀分布的新图像的方法。
33、直方图均衡变换函数满足以下条件：
1）在0r1范围内是单调递增函数，保证从黑到白的灰度级顺序不变；
2）0r1内，0T(r)1，保证映射后的像素灰度在允许的范围内。
34、直方图均衡化原理：通过变换函数T(r)控制原图像灰度级的概率密度函数，即可得到输出图像的概率密度函数，提高原图像的灰度级。
35、图像的sk和rk之间的关系称为图像的累积灰度直方图。
36、直方图规范是一种将原始图像的灰度直方图改变为规定形状的直方图并对图像进行校正的增强方法。
37. 使用直方图规范方法进行图像增强的主要困难是形成有意义的直方图。通过直方图对图像进行标准化，其增强效果应有利于人类视觉解释或有利于机器识别。
38. 为抑制噪声和提高图像质量而进行的处理称为图像平滑或去噪。
39、用邻域内各像素点的平均灰度值来代替该像素点的原始灰度值，实现图像平滑，也称为邻域平均法。
40、超限像素平滑法：将f(x,y)与邻域平均值g(x,y)之差的绝对值与选定的阈值进行比较，确定点(x,y)的最终灰度值y) 基于比较结果。度g´(x,y)。
41、灰度最接近的K个邻域平均法：可以用与窗口内中心像素灰度最接近的K个邻域像素的平均灰度来代替窗口内中心像素的灰度值。
42、最大均匀度平滑：为了避免消除噪声造成的边缘模糊，该算法首先找到图像中每个像素点周围最均匀的区域，然后用该区域的平均灰度值替换该像素点的原始灰度值。具体来说，可以选择任意像素(x,y)的5个重叠的3*3邻域，用梯度来衡量它们灰度变化的大小。
43.选择性保留边缘平滑方法：对于图像上任意像素(x,y)的55邻域，使用9个掩模：33正方形、4个五边形和4个六边形。计算每个mask的均值和方差，对方差进行排序，方差最小对应的mask的灰度均值就是像素(x,y)的输出值。
44、空间低通滤波方法：应用模板卷积方法对图像的每个像素进行局部处理。无论使用哪种掩模，都必须保证所有权重系数之和为一个单位值，这样才能保证输出图像的灰度值在允许的范围内，不发生“溢出”。
45、中值滤波：它将滑动窗口内像素的灰度值进行排序，用中值代替窗口中心像素的原始灰度值。因此，它是一种非线性图像平滑方法。离散阶跃信号和斜坡信号不受影响。离散三角形信号的顶部变平。对于离散脉冲信号，当连续出现的次数小于窗口大小的一半时，就会被抑制，否则不受影响。
46.各种空间域平滑算法效果对比：
1）局部平滑法算法简单，但其主要缺点是在降低噪声的同时使图像模糊，特别是在边缘和细节处。而且，邻域越大，在增强去噪能力的同时，模糊也就越严重。
2）超限像素平滑方法对于抑制椒盐噪声更加有效，对于仅存在轻微灰度差异的细节和纹理也能有效保护。并且随着邻域的增加，去噪能力增强，但模糊程度也随之增加。超限像素平滑方法在去除椒盐噪声方面优于局部平滑方法。
3）灰度中K个最近邻点的平均法：K值越小，噪声方差减少越少，但细节保持较好； K值越大，噪声平滑效果越好，但图像边缘会变得模糊。
4）最大均匀平滑可以通过多次迭代增强平滑效果，消除图像噪声，同时保持边缘清晰度。但复杂形状的边界可能会过于平滑，细节会消失。
5）选择性保边平滑方法可以在不破坏区域边界细节的情况下消除噪声。
6）中值滤波对脉冲干扰和椒盐噪声有良好的抑制效果。它可以有效保护边缘不模糊，同时抑制随机噪声。但它不适合点、线等细节较多的图像。中值滤波方法可以有效减弱椒盐噪声，比邻域和超限像素平均方法更有效。
47. 图像空间域锐化增强图像的边缘或轮廓。
48、图像平滑通过积分过程使图像边缘模糊，图像锐化通过微分使图像边缘突出、清晰。
49、梯度锐化法：梯度为grad(x,y)=Max(|fx|,|fy|)或grad(x,y)=|fx|+|fy|。有梯度算子、Roberts、Prewitt 和Sobel 算子计算梯度以增强边缘。
50、拉普拉斯增强算子：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、拉普拉斯增强算子的特点：
1）在灰度均匀的区域或斜坡中间，2f(x,y)为0，增强后图像中像素点的灰度保持不变；
2）在斜面底部或低灰度侧形成“下冲”；在坡顶或高灰度侧形成“过冲”。
52、高通滤波方法利用高通滤波算子和图像卷积来增强边缘。
53、频域平滑：由于噪声主要集中在高频部分，为了去除噪声，提高图像质量，滤波器采用低通滤波器H(u,v)来抑制高频部分。频率成分，传递低频成分，然后对滤波后的图像进行逆傅里叶变换，可以达到平滑图像的目的：
54、频域低通滤波器H(u,v)有四种类型：理想低通滤波器、巴特沃斯低通滤波器、指数低通滤波器、梯形低通滤波器。
55、各种滤镜效果对比；
1）去噪时，理想的低通滤波器：会造成边缘信息的丢失，使图像边缘模糊，产生振铃效应。
2）巴特沃斯低通滤波器的特点是连续衰减，不像理想滤波器的急剧变化，即明显的不连续性。因此，使用该滤波器抑制噪声的同时，图像边缘的模糊程度大大降低，并且不会出现振铃效应。
3）指数低通滤波器：图像边缘的模糊程度比巴特沃斯滤波器产生的模糊程度大，并且没有明显的振铃效应。
4）梯形低通滤波器的性能介于理想低通滤波器和指数滤波器之间，滤波后的图像有一定的模糊和振铃效应。
56、频域锐化：利用高通滤波器让高频成分通过，削弱低频成分，然后进行傅里叶逆变换，得到边缘锐化的图像。包括：理想高通滤波器、巴特沃斯高通滤波器、指数滤波器、梯形滤波器。
57、色彩增强技术利用人眼的视觉特性，将灰度图像转变为彩色图像或改变彩色图像中现有颜色的分布，以提高图像的分辨率。颜色增强方法可分为伪彩色增强和伪彩色增强两类。
58、伪彩色增强是一种根据线性或非线性映射函数将黑白图像的不同灰度级转换为不同颜色以获得彩色图像的技术。
59、伪彩增强主要有三种方法：密度分割法和频域伪彩增强。
60、密度分割法是将黑白图像的灰度级从0（黑色）到M0（白色）划分为N个区间Ii（i=1,2,N），并分配一种颜色Ci 到每个区间Ii ，这样就可以将灰度图像变成伪彩色图像。
61、灰度-颜色变换将原图像f(x,y)的灰度范围进行分割，经过红、绿、蓝TR(•)、TG(•)和TB(•)三种不同的变换后，变为分成三个基色分量IR(x,y)、IG(x,y)和IB(x,y)，然后用它们分别控制彩色显示器的红、绿、蓝电子枪，然后它们可以在彩色显示器的屏幕上合成。彩色图像。
62. 密度分割方法比较简单直观。缺点是转换的颜色数量有限。
63、伪色增强是通过映射函数将自然色图像或多光谱图像变换为新的三基色分量。颜色合成使感兴趣的目标呈现出与原始图像不同且奇怪的颜色。
64.假色增强目的：
1）使感兴趣的目标出现奇怪的颜色或将其置于奇怪的颜色环境中，使其更加引人注目；
2）使场景呈现出与人眼色觉相匹配的颜色，以提高目标的分辨率。
65、伪彩色增强和伪彩色增强有什么区别：伪彩色处理主要解决如何将灰度图像变成伪彩色图像的问题。最简单的方法是选择某个灰度值对应的颜色值。相反，它可以称为调色板替换方法。另一种更好的伪彩处理方法是设置三个独立的函数，给出一个灰度值，然后计算机估计一个相应的RGB值。假彩色处理是将真实的自然彩色图像或遥感多光谱图像处理成假彩色图像。伪色处理的主要目的是将：(1)景物映射成奇怪的颜色，比真色更引人注目。 (2)适应人眼对颜色的敏感度，提高识别能力。具有丰富细节的物体可以映射成不同深浅和亮度的颜色。 (3)将遥感多光谱图像处理成伪彩色以获得更多信息。
66. 像素级图像融合是利用一定的算法从覆盖同一区域（或物体）的两个或多个空间配准图像生成满足一定要求的图像的技术。
67、颜色可以用R、G、B三个分量来表示，也可以用亮度（I）、色调（H）和饱和度（S）来表示，称为颜色三要素。将颜色R、G、B转换为I、H、S称为HIS正变换，将I、H、S转换为R、G、B称为HIS逆变换。
第五章 图像复原与重建
68. 图像劣化是指在图像形成、传输和记录过程中由于成像系统、传输介质和设备的缺陷而导致图像质量恶化。
69、图像修复就是尽可能恢复退化图像的原始面貌。它是按照图像退化的逆过程进行处理的。
70、图像恢复过程如下：查找退化原因建立退化模型反向推演恢复图像
71、图像修复和图像增强的区别：
1）图像增强不考虑图像如何退化，而是尝试使用各种技术来增强图像的视觉效果。因此，无论增强后的图像是否失真，只要观看舒适就可以进行图像增强。
2）图像修复完全不同。它需要了解图像退化的机理和过程以及其他先验知识，并相应地找到相应的逆处理方法来获得恢复的图像。
3）如果图像已经劣化，应先恢复，再增强。
4）两者的目的都是为了提高图像质量。
72.点源的概念： 一幅图像可以看作是由无限多个非常小的像素组成的。每个像素点可以看作是一个点源成像。因此，一幅图像也可以看作是由无限多个点源组成的。的。
73、当输入单位脉冲函数延迟和单位时，即输入为(x , y )时，若输出为h(x , y )，则该系统称为位移不变系统。
74. 线性位移不变系统的输出等于系统输入与系统脉冲响应（点扩散函数）的卷积。即：g(x,y)=f(x,y)*h(x,y)。
75. 图像退化的数学模型：g(x, y)=f(x, y) * h(x, y) + n(x, y)
76、采用线性位移不变系统模型的原因：
1）由于多种退化可以用线性位移不变模型来近似，因此线性系统中的许多数学工具，例如线性代数，可以用来解决图像恢复问题，使得计算方法简单、快速。
2）当退化不太严重时，一般采用线性位移不变系统模型来恢复图像。在许多应用中，它具有更好的恢复效果，并且计算也大大简化。
3）虽然实际的非线性和变位移情况能够更准确、更普遍地反映图像恢复问题的本质，但很难用数学方法解决。只有当需要非常精确的要求时，才使用变位移模型来求解问题，并且常常在常位移解的基础上修改解。
77. 频域恢复方法应注意，如果存在噪声且H(u,v)很小或为零，则噪声将被放大。这意味着当H(u,v)较小时，退化图像中的小噪声的干扰会对逆滤波恢复的图像产生很大的影响，并可能导致恢复的图像与f(x,y)相差很大），甚至无法识别。
78、图像采集过程中，由于成像系统本身的非线性、拍摄角度等因素的影响，采集到的图像会产生几何畸变，可分为：系统畸变和非系统畸变。系统失真是有规律的、可预测的；非系统失真是随机的。
79、图像几何校正的必要性：对图像进行定量分析时，需要对畸变图像进行精确的几何校正（即将有几何畸变的图像校正为无几何畸变的图像），以免影响定量分析。分析精度。
80、几何校正分为两步：
1）图像空间坐标变换；首先建立图像点坐标（行列号）与物体空间（或参考图像）中对应点坐标之间的映射关系，求解映射关系中的未知参数，然后根据映射关系映射图像对每个像素坐标进行校正；
2）确定每个像素点的灰度值（灰度插值）
81、图像空间坐标变换当n=1时，畸变关系为线性变换。公式包含a00、a10、a01、b00、b10、b016 未知数。建立方程并求解未知数至少需要3 个已知点。当n=2时，畸变关系包含12个未知数，至少需要6个已知点才能建立关系并求解未知数。
82. 几何校正方法可分为直接法和间接法两种。
83、常用的像素灰度插值方法有三种：最近邻法、双线性插值法和三次插值法。
84、像素灰度插值方法效果对比：
1）最近邻插值：最简单，效果还是不错的，但是校正后的图像边缘有明显的锯齿状，即存在灰度不连续。
2）双线性插值法：比较复杂，需要计算量大，没有灰度不连续的缺点，结果令人满意。但它具有低通滤波特性，会损害高频成分，使图像轮廓模糊。
3）三次插值：计算量最大，但插值效果最好，精度最高。
85. 图像重建有三种模型：透射模型、发射模型和反射模型。
86. 传输模型的基础是部分能量在穿过物体后会被吸收。透射模型常用于X射线、电子射线、光和热辐射的情况，它们都遵循一定的吸收规则。
87. 发射模型可用于确定物体的位置。该方法已广泛用于正电子检测。通过沿相反方向分裂两束散射的伽马射线，两束射线的传播时间可用于确定物体的位置。
88. 反射模型可用于测量物体的表面特征。例如，光、电子束、激光或超声波可用于该测量。
89、从多个截面恢复三维形状的方法包括体素法(voxel method)和块平面近似法。
第六章 图像编码与压缩
90. 数据压缩的研究内容包括数据表示、传输、变换和编码方法，目的是减少存储数据所需的空间和传输所用的时间。
91、图像编码和压缩就是按照一定的规则对图像数据进行变换和组合，用尽可能少的代码（符号）表示尽可能多的图像信息。
92. 冗余数据分为三种类型：编码冗余、像素间冗余和心理视觉冗余。
93、根据解压重建图像与原始图像是否存在误差，图像编码和压缩分为两类：无误差（又称无失真、无损、信息保留）编码和误差编码-无（失真或有损）编码。
94.按照编码范围的划分，图像编码分为空间域编码和变换域编码两大类。
95. 描述解码图像与原始图像偏差的度量通常称为保真度，可分为两类：客观保真度标准和主观保真度标准。
96. 两个最常用的客观保真度标准是均方根误差和原始图像与解码图像之间的均方根信噪比。
97. 理论上，最佳信息保留编码的平均码长可以无限接近图像信息熵H。但它总是大于或等于图像的熵H。
98、哈夫曼编码：源数据中出现概率较大的符号，编码后对应的码长会较短；出现概率较低的符号将具有较长的码长，从而用尽可能少的码符号来表示源数据。它是无损可变长度编码方法中最好的。
99、游程编码的基本原理：将一行中颜色值相同的相邻像素替换为计数值和颜色值。
100、一维游程编码仅考虑消除行内像素之间的相关性。不考虑其他方向的相关性。
101、二维游程编码是利用图像二维信息的强相关性，按照一定的扫描路径遍历所有像素，形成一维序列，然后进行一维编码的方法。序列上的游程编码。
102、混合编码：它具有游程编码和变长编码的性质。
第七章 图像分割
103.图像分析：检测和测量图像中感兴趣的物体以获得其客观信息，从而建立对图像的描述。
104、图像分割：将图像划分为不重叠区域并提取感兴趣对象的技术。
105.记住图像分割需要满足的五个条件。
106.分割算法基于灰度值的两个基本特征：不连续性和相似性
107、检测图像像素灰度的不连续性，找到点、线（宽度为1）、边缘（不确定宽度）。
108、检测图像像素灰度值的相似度。通过选择阈值，找到具有相似灰度值的区域。该区域的外轮廓是物体的边缘。
109.图像分割方法：
1）基于边缘的分割方法：首先提取区域边界，然后确定以边界为界的区域。
2）区域分割：确定每个像素所属的区域，从而形成区域图。
3）区域生长：将具有相近属性的连接像素收集到区域中
4）分割合并分割：综合利用前两种方法，既有图像分割又有图像合并。
110.边缘：图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合。
111、边缘检测算子：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.边缘检测算子的比较：
1）梯度算子：只计算相邻像素之间的灰度差，对噪声敏感，不能抑制噪声的影响。
2）Roberts算子：与检测边缘时的梯度算子类似，对噪声敏感，但效果比梯度算子稍好。
3）Prewitt算子：在检测边缘的同时，可以抑制噪声的影响
4）Sobel算子：使用加权方法计算4个邻域的差异；可以进一步抑制噪声；但检测到的边缘更宽
5）方向算子：计算边缘强度的同时可以得到边缘的方向；每个方向之间的角度为45
6）拉普拉斯算子：优点：各向同性、线性、位移不变；适合检测细线和孤立点。缺点：对噪声敏感，对噪声有双重增强作用；无法检测边缘方向；它经常产生双像素边缘。
7）Marr算子：的选择非常重要。当较小时，边缘位置精度较高，但边缘细节变化较大； 较大时，平滑效果较好，但细节损失较大，边缘点定位精度较低。应根据噪声水平和边缘点定位精度要求适当选择。
8）曲面拟合法：其过程是先求平均值，再求差，因此对噪声有抑制作用。
113、由于梯度算子和拉普拉斯算子都对噪声敏感，因此在使用它们检测边缘之前必须对图像进行平滑处理。
114、曲面拟合法：用平面或高次曲面拟合图像中小区域的灰度曲面。求这个拟合平面的微分或者二阶微分来检测边缘，这样可以减少噪声的影响。该过程是求平均后求差，因此对噪声有抑制作用。
115. 边缘跟踪：将检测到的边缘点连接成一条线就是边缘跟踪。
116.直角坐标系中的一条直线对应于极坐标系中的一个点。这种线到点的变换就是霍夫变换。
117.霍夫变换特点：
1) 对于
、θ量化过粗，直线参数就不精确，过细则计算量增加。因此，对ρ、θ量化要兼顾参数量化精度和计算量。 2) Hough变换检测直线的抗噪性能强，能将断开的边缘连接起来。 3) 此外Hough变换也可用来检测曲线。 118.区域生长：单一型、质心型、混合型。 119.单一型：缺点是区域增长的结果与起始像素有关，起始位置不同则分割结果有差异。 120.区域分裂合并法无需预先指定种子点,它按某种一致性准则分裂或者合并区域.可以先进行分裂运算,然后再进行合并运算;也可以分裂和合并运算同时进行,经过连续的分裂和合并,最后得到图像的精确分割效果. 121.分裂合并法对分割复杂的场景图像比较有效.第八章 二值图像处理与形状分析
122.在二值图像中，把互相连接的像素的集合汇集为一组，于是具有若干个0值的像素(0像素)和具有若干个1值的像素(1像素)的组就产生了。把这些组叫做连接成分。 123.二值图像上改变一个像素的值后，整个图像的连接性并不改变（各连接成分既不分离、不结合，孔也不产生、不消失），则这个像素是可删除的。 124.孤立点：B（p）= 1的像素p，在4/8邻接的情况下，当其4/8邻接的像素全是0时，像素p称作孤立点。其连接数Nc(p)=0。 125.内部点：B（p）= 1的像素p，在4/8邻接的情况下，当其4/8邻接的像素全是1时，称作内部点。内部点的连接数Nc(p)=0。 126.边界点:在B（p）= 1的像素中，把除了孤立点和内部点以外的点叫做边界点。边界点的连接数属于[1，4]。 1) 删除点或端点； 2) 连接点； 3) 分支点； 4) 交叉点。 127.为区分二值图像中的连接成分，求得连接成分个数，对属于同一个１像素连接成分的所有像素分配相同的编号，对不同的连接成分分配不同的编号的操作，叫做连接成分的标记。 128.膨胀就是把连接成分的边界扩大一层的处理。 129.收缩则是把连接成分的边界点去掉从而缩小一层的处理。 130.距离变换是求二值图像中各1像素到0像素的最短距离的处理。 131. 在经过距离变换得到的图像中，最大值点的集合就形成骨架，即位于图像中心部分的线像素的集合，也可以看作是图形各内接圆中心的集合。反映了原图形的形状。给定距离和骨架就能恢复该图形，但恢复的图形不能保证原始图形的连接性。常用于图形压缩、提取图形幅宽和形状特征等。 132.细化是从二值图像中提取线宽为1像素的中心线的操作。 133.为了求得区域间的连接关系，必须沿区域的边界点跟踪像素，称之为边界（或边缘）跟踪。 134.形状分析是指用计算机图像处理与分析系统对图像中的诸目标提取形状特征，对图像进行识别和理解。 135.区域形状特征的提取有三类方法： 1) 区域内部（包括空间域和变换域）形状特征提取； 2) 区域外部（包括空间域和变换域）形状特征提取； 3) 利用图像层次型数据结构，提取形状特征。 136.拓扑描绘子：欧拉数；凹凸性；区域的测量；区域的大小及形状描述量（面积、周长、圆形度）。 137.区域的拓扑性质对区域的全局描述是很有用的，欧拉数是区域一个较好的描述子。第九章 影像纹理分析
138.局部不规则而宏观有规律的特性称之为纹理；以纹理特性为主导的图像，常称为纹理图像；以纹理特性为主导特性的区域，常称为纹理区域。 139.纹理作为一种区域特性，在图像的一定区域上才能反映或测量出来。 140.纹理分析方法：统计分析法和结构分析法。前者从图像有关属性的统计分析出发；后者则着力找出纹理基元，然后从结构组成上探索纹理的规律。也有直接去探求纹理构成的结构规律的。 141.Laws的纹理能量测量法： f(x,y)à微窗口滤波àF(x,y)à能量转换àE(x,y)à分量旋转àC(x,y)à分类àM(x,y) 142.自相关函数： 1) 当纹理较粗时，ρ(d)随d的增加下降速度较慢； 2) 当纹理较细时，ρ(d)随着d的增加下降速度较快。 143.灰度共生矩阵就是从图像 (x,y)灰度为i的像素出发，统计与距离为δ=(Δx2+Δy2)1/2、灰度为j的像素同时出现的概率P(i,j,δ,θ)。 144.灰度共生矩阵必然是对称阵，且对角线上均为偶数。第十章 模板匹配
145.当对象物的图案以图像的形式表现时，根据该图案与一幅图像的各部分的相似度判断其是否存在，并求得对象物在图像中位置的操作叫做模板匹配。 链接：https://wenku.baidu.com/view/3ea27a1e59eef8c75fbfb3c1.html本文采摘于网络，不代表本站立场，转载联系作者并注明出处：https://www.iotsj.com//kuaixun/4002.html
用户评论
哇，太棒了！终于找到一篇总结机器视觉数字图像处理知识点的文章，这下学习起来方便多了！
有13位网友表示赞同！
感谢分享！内容很全面，涵盖了图像处理的关键知识点，非常实用。
有6位网友表示赞同！
内容有点多，不过整理得不错，结构清晰，方便理解。
有17位网友表示赞同！
终于找到一个靠谱的机器视觉数字图像处理知识点总结了！
有6位网友表示赞同！
不错！希望能有更多关于机器视觉数字图像处理的实战案例分享。
有7位网友表示赞同！
知识点总结很详细，对初学者来说很友好，赞！
有11位网友表示赞同！
看完之后感觉对机器视觉数字图像处理有了更深的了解。
有7位网友表示赞同！
方便实用，收藏了！
有17位网友表示赞同！
感谢博主分享，文章写的很细致，很适合入门学习。
有17位网友表示赞同！
内容很丰富，看完之后感觉收获很大。
有14位网友表示赞同！
对于初学者来说，这篇文章简直是福音！
有13位网友表示赞同！
强烈推荐！
有11位网友表示赞同！
学习了！
有12位网友表示赞同！
很棒的总结！
有14位网友表示赞同！
内容比较基础，但对于初学者来说已经足够了。
有6位网友表示赞同！
对机器视觉数字图像处理有了更深的理解。
有15位网友表示赞同！
知识点总结得很全面，很实用。
有5位网友表示赞同！
收藏了，以后学习的时候可以随时翻阅。
有10位网友表示赞同！
推荐给需要学习机器视觉数字图像处理的朋友们！
有11位网友表示赞同！
希望以后能看到更多关于机器视觉数字图像处理的分享！
有7位网友表示赞同！