多。如在实际处理中，需要将HSV 三个分量进行量化以减少特征值的数量。

83. 抖动法是一种利用仅能重现较少颜色种类的设备来显示含有丰富色彩图像的有效的 方法。产生抖动图像可以有多种方式，但是基本原理都是一样的：采用能直接显示其色彩的 像素模式来替换那些其色彩不能直接显示的像素。抖动技术利用了空间混色原理——人的肉 眼能将两种不同颜色的相邻像素融合成第三种颜色。

84. 假彩色处理的对象是三基色描绘的自然图像或同一景物的多光谱图像。对自然图像， 假彩色的处理方法之一是将人们所关注的目标物映射为与原色不同的假彩色，即原有的彩色 图像变换成给定彩色分布的图像。而伪彩色增强是将灰度或单一波段的图像变换为彩色图 像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异，更便于解译和提取有用 信息。彩色图像中的彩色根据黑白图像的灰度级或其他图像特征（如空间频率成分）人为给 定。

85. 在真彩色增强中，尽管对R、G、B各分量（相当于三个灰度图像）直接使用对灰度 图的增强方法可以增加图像中可视细节亮度，但得到的增强图像中的色调有可能完全没有意 义。这是因为在增强图中对应同一个像素的R、G、B这三个分量都发生了变化，它们的相对数值与原来不同了，从而导致原图像颜色的较大变化，且这种变化很难控制。灰度图像增强技术有助于研究彩色图像增强技术，但彩色图像增强特别需要注意增强后图像的色调和色饱和度的满意度。

86. 数学态学图像处理的基本思想是利用结构元素作为“探针”在图像中不断移动，在 此过程中收集图像的信息、分析图像各部分间的相互关系，从而了解图像的结构特征。结构 元素的选择十分重要，根据探测研究图像的不同结构特点，结构元素可携带形态、大小、灰 度、色度等信息。不同点的集合形成具有不同性质的结构元素。由于不同的结构元素可以用 来检测图像不同侧面的特征，因此设计符合人的视觉特性的结构元素是分析图像的重要步 骤。用形态学算子及其组合来进行图像形状和结构的分析及处理，可以解决抑制噪声、特征 提取、边缘检测、形状识别、纹理分析、图像恢复与重建等方面的问题。

87. 利用数学形态学进行图像处理有其独有的一些特性：

（1）它反映的是一幅图像中像素点间的逻辑关系，而不是简单的数值关系。 （2）它是一种非线性的图像处理方法，并且具有不可逆性。 （3）它可以并行实现。

（4）它可以用来描述和定义图像的各种集合参数和特征。

88. ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图 像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。

89. 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上 确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出 来的人脸区域进行分析，确定其是否是该犯罪分子。

90. ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图 像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。

90. ①在遥感中，比如土地测绘、气象监测、资源调查、环境污染监测等方面。 ②在医学中，比如B超、CT机等方面。 ③在通信中，比如可视电话、会议电视、传真等方面。 ④在工业生产的质量检测中，比如对食品包装出厂前的质量检查、对机械制品质量的监 控和筛选等方面。 ⑤在安全保障、公安方面，比如出入口控制、指纹档案、交通管理等。

92. ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等， 这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。比如傅里叶变换、小波变换等。

93. 图像的数字化主要包含采样、量化两个过程。采样是将空域上连续的图像变换成离散采 样点集合，是对空间的离散化。经过采样之后得到的二维离散信号的最小单位是像素。量化就是把采样点上表示亮暗信息的连续量离散化后，用数值表示出来，是对亮度大小的离散化。经过采样和量化后，数字图像可以用整数阵列的形式来描述。

94. 如果量化级数过小，会出现伪轮廓现象。量化过程是将连续变化的颜色划分到有限个级 别中，必然会导致颜色信息损失。当量化级别达到一定数量时，人眼感觉不到颜色信息的丢 失。当量化级数过小时，图像灰度分辨率就会降低，颜色层次就会欠丰富，不同的颜色之间 过度就会变得突然，可能会导致伪轮廓现象。

95. 二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。这种图像又称为黑白图像。二值图像的矩阵取值非常简单，每个像素的值要么是1，要么是0，具有数据量小的特点。 彩色图像是根据三原色成像原理来实现对自然界中的色彩描述的。红、绿、蓝这三种基色的的灰度分别用256级表示，三基色之间不同的灰度组合可以形成不同的颜色。 灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像，灰度图像中不包含彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值，灰度级数为256级。

96. （1）计算旋转后行、列坐标的最大值和最小值。 （2）根据最大值和最小值，进行画布扩大，原则是以最小的面积承载全部的图像信息。

（3）计算行、列坐标的平移量。

（4）利用图像旋转公式计算每个像素点旋转后的位置。 （5）对于空穴问题，进行填充。

97. （1）对于空穴问题，需要进行填充。可以采用插值的方法来解决填充问题。 （2）阐述一下邻近行插值或者均值插值法进行空穴填充的过程。

98. 邻近插值法就是将判断为空穴位置上的像素值用其相邻行（或列）的像素值来填充。 例如对于下图中的空穴点f23进行填充时，使用相邻行的像素值来填充。即：f23=f22.

99. 均值插值法就是将判断为空穴位置上的像素值用其上、下、左、右像素值的均值来填充。 例如对于下图中的空穴点f23进行填充时，使用相邻行的像素值来填充。 即：f23=(f22+f24+f13+f33)/4.

100. 均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。 均值滤波器对高斯噪声的滤波结果较好。 原因：高斯噪声是幅值近似正态分布，但分布在每点像素上。因为正态分布的均值为0，所以均值滤波可以消除噪声。

101. 均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其

周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。 均值滤波器对椒盐噪声的滤波结果不好。 原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。

102. 中值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。 中值滤波器对椒盐噪声的滤波效果较好。 原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。使用中值滤波时，被污染的点一般不处于中值的位置，即选择适当的点来替代污染点的值，所以处理效果好。

103. 中值滤波器对椒盐噪声的滤波效果较好，对高斯噪声的处理效果不好。 中值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。 原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。使用中值滤波时，被污染的点一般不处于中值的位置，即选择适当的点来替代污染点的值，所以处理效果好。高斯噪声是幅值近似正态分布，但分布在每点像素上。找不到干净的点来替代被污染的点，故处理效果不好。

104. 均值滤波器对高斯噪声的滤波结果较好，对椒盐噪声的滤波结果不好。 均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。 原因: 高斯噪声是幅值近似正态分布，但分布在每点像素上。因为正态分布的均值为0，

所以均值滤波可以消除噪声。椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。

105. 图像的细节是指画面中的灰度变化情况，包含了图像的孤立点、细线、画面突变等。孤立点大都是图像的噪声点，画面突变一般体现在目标物的边缘灰度部分。

106. 一阶微分算子获得的边界是比较粗略的边界，反映的边界信息较少，但是所反映的边界比较清晰；二阶微分算子获得的边界是比较细致的边界。反映的边界信息包括了许多的细节信息，但是所反映的边界不是太清晰。

107. 图像恢复，是一种使退化了的图像去除退化因素，并以最大保真度恢复成原来图像的技术。

108.图像增强主要是一个主观过程，而图像复原主要是一个客观过程；图像增强不考虑图像是何退化的, 而图像复原需知道图像退化的机制和过程等先验知识。

109.图像复原处理的关键是建立退化模型，原图像 f(x,y)是通过一个系统 H 及加入一来加性噪声 n(x,y)而退化成一幅图像g(x ,y)的，如下图所示

这样图像的退化过程的数学表达式可写为： g(x,y)=H[f(x,y)]+n(x,y)

110. 图像的无损压缩是指压缩后的数据进行重构（或称为还原，或称为解压缩），重构后的 信息与原来的信息完全相同的压缩编码方式。无损压缩用于要求重构的信息与原始信息完全 一致的场合。常用的无损压缩算法包含行程编码、霍夫曼编码等。

111. DCT变换编码的思想是利用离散余弦变换对数据信息强度的集中特性，可以将数据中视觉上容易察觉的部分与不容易察觉的部分进行分离，由此可以达到进行有损压缩的目的。

112. 第一步，将图像分成8*8的子块； 第二步，对每个子块进行DCT变换； 第三步，将变换后的系数矩阵进行量化，量化后，得到的矩阵左上角数值较大，右下部 分为0； 第四步，对量化后的矩阵进行Z形扫描，以使得矩阵中为0的元素尽可能多的连在一起； 第五步，对Z扫描结果进行行程编码； 第六步，进行熵编码。

113. 一维行程编码是里利用一行上像素的相关性，逐行对图像进行扫描，然后对扫描的结果进行编码。一维行程编码只考虑了消除行内像素之间的相关性，没有考虑到某种方向之间的相关性；而二维行程编码是按照一定的扫描路线进行扫描，既可以消除行内像素之间水平