53. MATLAB 程序如下： X=imread('rice.tif' );
[cA 1 ,c H1 ,cV 1,cD 1 ] = dwt2(X,' bior3.7' ); subp lo t(2, 2,1) ; im show( cA1,[0 900]); tit le('Approxi ma tion A 1 ')
subp lo t(2, 2,2) ; im show(cH 1 ); tit le('Horizontal Deta il H1' ) subp lo t(2, 2,3) ; im show(cV 1 ); tit le('Ve rtical Detail V1')
subp lo t(2, 2,4) ; im show(cD 1 );
54. 图像增强是指对图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化，以 便于显示、观察或进一步分析与处理。
55. 为了去除或减弱图像中的噪声，可以对图像进行平滑处理，称为图像平滑。大部分 的噪声都可以看作是随机信号，它们对图像的影响可以看作是孤立的。对于某一像素而言， 如果它与周围像素点相比，有明显的不同，我们就认为该点被噪声感染了。基于这样的分析， 我们可以用求均值的方法，来判断每一点是否含有噪声，并用适当的方法消除所发现的噪声。
56. 中值滤波是非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留。
中值滤波首先选一个含有奇数点的窗口W ，将这个窗口在图像上扫描，把该窗口中所含的 像素点按灰度级的升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。
57.MATLAB 程序如下：
A= imread('pout.tif'); %读入图像
i msh o w(A); % 显示图像 figure,im hist(A); %显示图像的直方图 J1=im a djust(A, [0.3 0.7],[ ]) ;
% 将图像在0. 3×2 5 5~ 0. 7×25 5 灰度之间的值通过线性变换映射到0~255 之间 figure, imshow(J1); %输出图像效果图
figure, imhist(J1) %输出图像的直方图 J2=im a djust(A, [],[0 0.7]);
% 使用此函数，将图像灰度通过线性变换映射到0~ 255×0. 7 之间 figure, imshow(J2); %输出图像效果图
figure, imhist(J2) %输出图像的直方图
58. 采用数字技术会使信号处理的性能大为提高，但其数据量的增加也是十分惊人的。 图像数据更是多媒体、网络通信等技术重点研究的压缩对象。不加压缩的图像数据是计算机 的处理速度、通信信道的容量等所无法承受的。
这样的数据率是与当前信息存储介质的容量、计算机的总线速度以及网络的传输率不相 匹配的。尽管人们在存储介质、总线结构和网络性能等方面不断有新的突破，但数据量的增 长速度远超过硬件设施的提高水平，以上的矛盾仍然无法缓解。
如果将上述图像信号压缩几倍、十几倍，甚至上百倍，将十分有利于图像的传输和存储。
可见，在现有硬件设施条件下，对图像信号本身进行压缩是解决上述矛盾的主要出路。
59. 图像数据量大，同时冗余数据也是客观存在的。一般图像中存在着以下数据冗余因 素：（1 ）编码冗余；（2 ）像素间的相关性形成的冗余；（3 ）视觉特性和显示设备引起的冗余。
理论上，数据没有冗余度是不压缩的，否则无法解码出原始数据。但在大部分应用场合 下采用有损压缩，数据没有冗余度也可以进行压缩。
60. 一般地，图像压缩应能做到压缩比大、算法简单、易于用硬件和软件实现、压缩和 解压缩实时性好、解压缩恢复的图像失真小等。但这些指标对同一压缩方法很难统一，在实 际系统中往往需要抓住主要矛盾，全面权衡。常用的图像压缩技术指标有：（1 ）图像熵与平均码长；（2）图像冗余度与编码效率；（3）压缩比；（4）客观评价SNR；（5）主观评价。图像的主客观两种评价之间存在着密切的联系。但一般来说，客观评价高的主观评价也高，因此在图像编码的质量评价时，首先作客观评价，以主观评价为参考。
61. 不计算较小的文件头和彩色查找表（LTU）的数据量，原始图像的数据量为： 640×4 8 0× 1 byt e=3 07,200 byt e。 经转换后各种格式的压缩比如下：
24位色 BMP格式： 307,20 0/ 921,654= 0. 333 （增加了冗余度） 24位色 JPEG 格式： 3 07 , 20 0/ 17 ,707 =17 .3 5 GIF 压缩格式： 307,20 0/ 177,152= 1. 73
24位色 TIFF压缩格式： 307,20 0/ 923,044= 0. 333 （增加了冗余度） 24位色 TGA压缩格式： 307,20 0/ 768,136= 0. 400 （增加了冗余度）
62. 视频比静态图像数据量更大，同时可压缩的冗余信息更多。大部分视频压缩方法是 以人眼感觉无明显失真为依据的，因此采用有损压缩。事实上，视频可以看成是一幅幅不同 但相关的静态图像的时间序列。因此，静态图像的压缩技术和标准可以直接应用于视频的单 帧图像。另外，利用视频帧间信息的冗余可以大大提高视频的压缩比。
63. 不能。像素的空间相关性和时间相关性是以空间和时间的相邻性为基础的。因此， 图像上任意两像素点的亮度电平值相等或者任意两时刻同一位置上的像素的亮度电平值相 等带有偶然性，不能说明两像素相关。
64. 由于JPEG 算法将整幅图像分成若干个8×8 的子块，解码也是以子块为单位的，所 以块间的解码误差可能反映为方块效应，在视觉上会出现马赛克现象。
65. 混合编码一般指将预测编码与变换编码相结合进行编码的方法。预测编码根据相邻 像素相关性来确定后继像素的预测值，若用差值进行编码则可以压缩数据量；变换编码对原 始图像进行正交变换，在变换域进行抽样达到压缩的目的；混合编码将两种编码方法结合起 来，可以发挥两种编码方法的优点，取得更好的效果。
66. Hu ff ma n 编码在无失真的编码方法中效率优于其他编码方法，是一种最佳变长码， 其平均码长接近于熵值。但当信源数据成分复杂时，庞大的信源集致使Huff ma n 码表较大， 码表生成的计算量增加，编译码速度相应变慢；另外不等长编码致使硬件译码电路实现困难。
上述原因致使Huff ma n 编码的实际应用受到限制。
67. 在信源符号概率接近的条件下，算术编码效率高于Huff ma n 编码。因此，在扩展 的JPEG 系统中用算术编码取代了Huff ma n 编码。另外，算术编码除了常见的基于概率统计的模式外，还有自适应模式。在这种模式下，各个符号的初始概率相同，它们依据出现的符号而发生变化。这种模式特别适用于不便于进行符号概率统计的实际场合中。
68. JPEG 算法处理的是单独的彩色分量图像，所以来自其他彩色空间的图像数据要以
JPEG格式保存，需要进行彩色空间的转换，如将RGB空间、YCRCB空间或转换为YUV空间等。
69. 量化的目的是为了压缩数据，同时也是图像质量下降的主要原因。所以设计合理的 量化器十分重要。在保证图像质量的前提下，为了获得较高的压缩比，JPEG 量化器利用人 眼的空间视觉特性，相对于高频成分对低频成分采用较小的量化间隔和较少的比特数。又根 据人眼对亮度信号比色度信号敏感的原理，对图像的亮度分量和图像的色差分量使用不同的 量化表——亮度量化表和色差量化表。量化表的元素即为量化间隔。对于CCIR 601标准电 视图像，JPEG 标准提供了最佳的亮度和色度量化表。根据不同的应用需要，用户还可以设 计或选择其他的量化表。
70. 造成图像退化的原因很多，大致可分为以下几个方面： （1 ）射线辐射、大气湍流等造成的照片畸变。
（2 ）模拟图像数字化的过程中，由于会损失部分细节，造成图像质量下降。 （3 ）镜头聚焦不准产生的散焦模糊。 （4 ）成像系统中始终存在的噪声干扰。
（5 ）拍摄时，相机与景物之间的相对运动产生的运动模糊。 （6 ）底片感光、图像显示时会造成记录显示失真。
（7 ）成像系统的像差、非线性畸变、有限带宽等造成的图像失真。
（8 ） 携带遥感仪器的飞行器运动的不稳定，以及地球自转等因素引起的照片几何失真。
71. 对具有加性噪声的模糊图像作盲图像复原的方法一般有两种：直接测量法和间接估 计法。MATLAB 提供了DECONVBLI ND 函数进行盲图像复原。该函数采用最大似然算法 对模糊图像进行去卷积处理，返回去模糊的图像和相应的点扩散函数PSF 。
72. 可用一个灰度级阈值T 进行分割，分割出目标区域与背景区域，这种方法我们称 为灰度阈值分割方法。通常用于图像中目标和背景具有不同的灰度集合：目标灰度集合与背 景灰度集合。
73. 边缘检测这是基于幅度不连续性进行的分割方法。通常采用差分、梯度、拉普拉斯 算子及各种高通滤波处理方法对图像进行边缘检测。
74. 通过差分、梯度、拉普拉斯算子及各种高通滤波处理方法对图像边缘进行增强，然 后再进行一次门限化的处理，便可以将边缘增强的方法用于边缘检测，最后根据边缘来进行 图像分割。
75.区域可以认为是图像中具有相互连通、一致属性的像素集合，图像分割就是指把图 像分成互不重叠的区域并提取出感兴趣目标的技术。
76. 霍夫变换的基本思想是点－线的对偶性。图像变换前在图像空间，变换后在参数空 间。在图像空间中的直线上的每一个点都会映射到参数空间中的相同参数，所以只要找到这 个参数就可以找到图像空间中的直线。Hough 变换就是根据这个原理检测直线的。
77. 图像中一点的彩色值颜色三维空间中的一个点来表示，每个点有三个分量，不同的 颜色空间各分量的含义不同。
颜色模型规定了颜色的建立、描述和观察方式。颜色模型都是建立在三维空间中的，所 以与颜色空间密不可分。
78. HSV 模型由色度（H ），饱和度（S ），亮度（V）三个分量组成的，与人的视觉特 性比较接近。HSV 颜色模型用Muns ell三维空间坐标系统表示。 色调（H）表示颜色的种类，用角度来标定，用-180～180或0 0～360度量。
色饱和度（S ）表示颜色的深浅，在径向方向上的用离开中心线的距离表示。用百分比 来度量，从0%到完全饱和的100%。
亮度（V ）表示颜色的明亮程度，用垂直轴表示。也通常用百分比度量，从0%（黑） 到100%（白）。
79. 实际应用中常用的颜色空间很多，有RGB、HSV 、HSI 、YUV、YIQ 等。目前常
用的颜色空间可分为两类，一类是面向硬设备的，比方说彩色显示器、打印机等，另一类面 向以彩色处理为目的的应用，面向硬设备的最常用的颜色空间是RGB颜色空间，而面向颜 色处理的最常用颜色空间是HSI 颜色空间以及HSV 颜色空间。针对不同的应用目的采用不 同的彩色空间可能更合适，因此，有时需要将一种颜色数据表示形式转换为另一种形式。
80. 由三基色混配各种颜色通常有两种方法：相加混色法和相减混色法。相加混色和相 减混色的主要区别表现在以下三个方面：
（1 ）相加混色是由发光体发出的光相加而产生的各种颜色，而相减混色是先有白色光， 然后从中减去某些成份（吸收）得到各种颜色。
（2 ）相加混色的三基色是红、绿、蓝，而相减混色的三基色是黄、青、品红。也就是 16说，相加混色的补色就是相减混色的基色。 （3 ）相加混色和相减混色有不同的规律。
彩色电视机显示的颜色是通过相加混色产生的。而彩色电影和幻灯片等与绘画原料、打 印机打印图片等是通过相减混色产生各种颜色的。
81. 在许多实用系统中，大量应用的是HSV 模型，这个模型是由色度（H），饱和度（S ）， 亮度（V）三个分量组成的，与人的视觉特性比较接近。该模型的重要性在于：一方面消除 了亮度成分V 在图像中与颜色信息的联系，另一方面色调H 和饱和度S 分量与人的视觉感 受密切相关。基于人的视觉系统的颜色感觉特性，这些特征使HSV 模型成为一个研究图像 处理的重要工具。
82. 彩色空间的连续空间。如果对连续空间进行适当的量化后再计算，则计算量要少得