### 数字图像处理及MATLAB实现第二版复习概要
#### 第一章 概述
1. **图像的概念及数字图像的概念**：
- 图像：由物体透射或反射的光分布形成的一种可视化的形式，是物体在二维平面上的投影。
- 数字图像：图像经过数字化处理后得到的形式，可以存储为数字格式。
2. **数字图像处理的概念**：
- 定义：将图像信号转换成数字信号，并利用计算机进行处理，目的是为了提高图像的实用性和信息提取能力。
3. **数字图像处理的优点**：
- **精度高**：数字图像处理能够提供非常精确的数据，这对于科学研究和工业应用至关重要。
- **再现性好**：同一张数字图像可以多次处理而不损失质量。
- **通用性、灵活性强**：可以通过软件轻松修改处理算法，适用于多种应用场景。
#### 第二章 数字图像处理基础
1. **人眼视觉系统的基本构造**：
- 人眼由角膜、虹膜、晶状体、视网膜等组成，视网膜上存在感光细胞，负责接收光线并转化为神经信号传输至大脑。
2. **亮度的适应和鉴别**：
- 人眼能够适应从极暗到极亮的不同环境，适应范围可达10^10的数量级。
- 亮度适应包括明适应和暗适应两个过程。
3. **光强度与主观亮度曲线**：
- 主观亮度随光强度的变化并非线性关系，而是遵循韦伯定律，即主观亮度的变化与光强度的相对变化成正比。
4. **图像的数字化及表达**：
- **采样的概念**：采样是指将连续图像转化为离散图像的过程，即在图像平面上选取一系列点作为样本。
- **量化的概念**：量化是指将采样点的灰度值转换为有限个离散值的过程。
5. **图像采样过程中决定采样空间分辨率最重要的两个参数**：
- 采样间隔：采样点之间的距离。
- 采样密度：单位面积内的采样点数量。
6. **图像量化过程中量化级数与量化灰度取值范围之间的关系**：
- 量化级数越多，图像细节保留得越好，但文件大小也越大。
- 量化级数通常为2^n，n为用于表示每个像素的比特数。
7. **像素的相邻领域概念（4领域，8领域）**：
- 4领域：仅考虑垂直和水平方向的邻居像素。
- 8领域：除了4领域的邻居像素外，还包括对角线方向的邻居像素。
8. **领域空间内像素距离的计算**：
- **欧式距离**：两点之间的直线距离。
- **街区距离**（曼哈顿距离）：两点之间沿坐标轴方向的总距离。
- **棋盘距离**：两点之间沿坐标轴方向的最大距离。
#### 第三章 图像的基本运算
1. **线性点运算过程中各参数表示的含义（k，b）**：
- k：斜率，决定了图像对比度的变化。
- b：截距，决定了图像亮度的变化。
2. **非线性点运算过程中不同的曲线部分对图像的调整过程**：
- 非线性点运算通过调整不同灰度级别的映射关系来改善图像质量，如增强对比度、突出特定灰度区域等。
3. **点运算是否会改变图像内像素点之间的空间位置关系**：
- 不会。点运算是针对每个像素独立进行的，不改变像素之间的相对位置。
4. **图像灰度拉伸，非线性拉伸与分段线性拉伸的区别**：
- **非线性拉伸**：在整个灰度值范围内采用统一的非线性变换函数。
- **分段线性拉伸**：在不同灰度值区间采用不同的线性方程，更加灵活。
5. **图像旋转引起图像失真现象的解释**：
- 由于数字图像的坐标值必须是整数，在图像旋转后可能会导致某些像素点的位置发生变化，从而造成图像失真。
6. **图像二维傅里叶变换频谱图中，原点处的最大能量尖峰的含义**：
- 原点处的能量尖峰代表了图像中的低频成分，即图像的整体亮度和平滑程度。
#### 第四章 图像变换
1. **二维图像傅里叶变换具有哪些性质**：
- **可分性**：可以先对行进行变换，再对列进行变换。
- **平移性**：平移后的图像傅里叶变换结果与原图相比只是相位发生了变化。
- **周期性**、**共轭对称性**、**旋转性**、**分配律**、**尺度变换**、**平均值**、**卷积定理**。
2. **图像频率的概念**：
- 低频区：代表图像的全局特征，如亮度等。
- 高频区：代表图像的局部特征，如边缘、纹理等。
3. **图像二维傅里叶变换频谱图中，原点处的最大能量尖峰的含义**：
- 表示图像中的低频成分，即整体的亮度和平滑程度。
#### 第五章 图像增强
1. **图像增强最常用的两种方法**：
- **空间域增强**：通过直接修改像素值来增强图像。
- **频率域增强**：通过对图像的傅里叶变换结果进行操作来增强图像。
2. **图像直方图的含义，直方图均衡化的概念及效果**：
- 直方图：显示了图像中不同灰度级别出现频率的图形。
- 直方图均衡化：一种技术，通过扩展图像的动态范围来增强图像的对比度。
3. **理解空间域滤波增强中模板的概念**：
- 模板：一组权重矩阵，用于对图像中的像素进行加权求和操作。
4. **了解几种最基本的边缘锐化滤波器**：
- **低通滤波器**：主要用于去除噪声。
- **理想高通滤波器**、**梯形高器**、**指数高器**：主要用于增强图像的边缘和细节。
- **同态滤波器**：同时进行频率域和空间域的操作，适用于处理具有不均匀光照的图像。
#### 第六章 图像复原
1. **图像退化的原因**：
- 光学系统缺陷、噪声干扰、运动模糊等。
2. **图像退化的线性模型**：
- 可以通过线性方程组来表示图像退化的过程，便于后续的复原操作。
3. **掌握几种最基本的噪声模型**：
- **高斯噪声**：最常见的噪声类型，服从正态分布。
- **均匀分布噪声**：噪声值在一定范围内均匀分布。
- **脉冲噪声即椒盐噪声**：表现为随机的黑白点。
4. **掌握中值滤波和均值滤波的含义及处理方法**：
- **中值滤波**：通过替换中心像素值为邻域像素值的中值来去除噪声。
- **均值滤波**：通过替换中心像素值为邻域像素值的平均值来平滑图像。
5. **了解最大最小值滤波的含义及处理方法**：
- 最大值滤波和最小值滤波主要用于处理特殊类型的噪声，例如最大值滤波用于去除暗点噪声，最小值滤波用于去除亮点噪声。
以上内容覆盖了数字图像处理的一些基础知识和技术，以及它们的应用场景。通过学习这些内容，可以更好地理解和掌握数字图像处理的相关技术，为后续的深入研究打下坚实的基础。
VIP享7折，此内容立减5.97元 
