30452计算题复习
一、直方图均衡化（P68）
对已知图像进行直方图均衡化修正。
例：表1为已知一幅总像素为n=64×64的8bit数字图像（即灰度级数为8），各灰度级（出现的频率）分布列于表中。要求将此幅图像进行均衡化修正（变换），并画出修正（变换）前后的直方图。
表1
原图像灰度级rk
原各灰度级像素个数nk
原分布概率pr(rk)
r0=0
790
0.19
r1=1
1023
0.25
r2=2
850
0.21
r3=3
656
0.16
r4=4
329
0.08
r5=5
245
0.06
r6=6
122
0.03
r7=7
81
0.02
解：对已知图像均衡化过程见下表：
原图像灰度级rk
原各灰度级像素个数nk
原分布概率pr(rk)
累积分布函数sk计
取整扩展sk并
确定映射对应关系rk→sk
新图像灰度级sk
新图像各灰度级像素个数nsk
新图像分布概率ps(sk)
r0=0
790
0.19
0.19
1
0→1
1
790
0.19
r1=1
1023
0.25
0.44
3
1→3
3
1023
0.25
r2=2
850
0.21
0.65
5
2→5
5
850
0.21
r3=3
656
0.16
0.81
6
3→6
6
985
0.24
r4=4
329
0.08
0.89
6
4→6
r5=5
245
0.06
0.95
7
5→7
7
448
0.11
r6=6
122
0.03
0.98
7
6→7
r7=7
81
0.02
1.00
7
7→7
画出直方图如下：
   
（a）原始图像直方图                        （b）均衡化后直方图
**以下部分不用写在答题中。
其中：
① rk、nk中k = 0，1，…，7
② pr（rk）= nk／n，即计算各灰度级像素个数占所有像素个数的百分比，其中，在此题中n=64×64。
③ ，即计算在本灰度级之前（包含本灰度级）所有百分比之和。
④ ，其中L为图像的灰度级数（本题中L = 8），int[ ]表示对方括号中的数字取整。
⑤
⑥ nsk 为映射对应关系rk→sk 中rk所对应的nk之和。
⑦ ，或为映射对应关系rk→sk 中rk所对应的pr(rk)之和。
二、
模板运算 使用空间低通滤波法对图像进行平滑操作（P80）
空间低通滤波法是应用模板卷积方法对图像每一个像素进行局部处理。模板（或称掩模）就是一个滤波器，它的响应为H(r,s)，于是滤波输出的数字图像g(x,y)用离散卷积表示为
式中：x，y = 0，1，2，…，N-1；k、l根据所选邻域大小来决定。
具体过程如下：
（1）将模板在图像中按从左到右、从上到下的顺序移动，将模板中心与每个像素依次重合（边缘像素除外）；
（2）将模板中的各个系数与其对应的像素一一相乘，并将所有的结果相加；
（3）将（2）中的结果赋给图像中对应模板中心位置的像素。
对于空间低通滤波器而言，采用的是低通滤波器。由于模板尺寸小，因此具有计算量小、使用灵活、适于并行计算等优点。常用的3*3低通滤波器（模板）有：
       
模板不同，邻域内各像素重要程度也就不同。但无论怎样的模板，必须保证全部权系数之和为1，这样可保证输出图像灰度值在许可范围内，不会产生灰度“溢出”现象。
例：以为模板，对下图做低通滤波处理，写出处理结果。
1
7
1
8
1
7
1
1
1
1
1
5
1
1
1
1
1
1
5
5
5
1
1
7
1
1
5
5
5
1
8
1
8
1
1
5
1
1
1
1
8
1
1
5
1
1
8
1
1
1
1
5
1
1
1
1
1
7
1
8
1
7
1
1
解：低通滤波的步骤为：
（1）将模板在图像中按从左到右、从上到下的顺序移动，将模板中心与每个像素依次重合（边缘像素除外）；
（2）将模板中的各个系数与其对应的像素一一相乘，并将所有的结果相加；
（3）将（2）中的结果赋给图像中对应模板中心位置的像素。
如图中第2行第2列处的值 = （1*1+1*7+1*1+1*1+2*1+1*1+1*1+1*1+1*5）/10 = 2
（其他位置同样方法计算可得）
由此步骤可得处理结果为（空白处自己计算后填入）
局部直方图均衡化
1
7
1
8
1
7
1
1
1
2
1
1
7
1
1
8
1
8
1
1
1
1
7
1
8
1
7
1
1
三、
中值滤波与邻域平均
中值滤波（P81）
中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中间值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。
它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。
局部平滑法（邻域平均法 或 移动平均法）（P76）
局部平滑法是一种直接在空间域上进行平滑处理的技术。用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。
设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y)，则有
    式中x,y = 0,1,…,N-1；
    s为（x,y）邻域内像素坐标的集合；
    M表示集合s内像素的总数。
可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。
设图像中的噪声是随机不相关的加性噪声，窗口内各点噪声是独立同分布的，经过（4.2.1）平滑后，信号与噪声的方差比可望提高M倍。
这种算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。
例：对下图做3*3中值滤波处理和3*3邻域平均处理，写出处理结果，并比较邻域平均与中值滤波的差异。
1
7
1
8
1
7
1
1
1
1
1
5
1
1
1
1
1
1
5
5
5
1
1
7
1
1
5
5
5
1
8
1
8
1
1
5
1
1
1
1
8
1
1
5
1
1
8
1
1
1
1
5
1
1
1
1
1
7
1
8
1
7
1
1
解：
（1）中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中间值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。
题目中的图像经3*3中值滤波后的结果为（忽略边界）：
1
7
1
8
1
7
1
1
1
1
5
5
5
1
1
1
1
1
5
5
5
1
1
7
1
1
5
5
5
1
1
1
8
1
1
5
1
1
1
1
8
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
7
1
8
1
7
1
1
（2）局部平滑法（邻域平均法 或 移动平均法）是用邻域内各像素的灰度平均值代替该像
素原来的灰度值，实现图像的平滑。
题目中的图像经3*3局部平滑法（邻域平均法 或 移动平均法）后的结果为（忽略边界）：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。