最近總結(jié)了下有關(guān)傳統(tǒng)圖像處理的相關(guān)知識(shí)點(diǎn)，本文參考了CSDN上的一些付費(fèi)下載總結(jié)文章和ppt，并對(duì)它們進(jìn)行了整合與增減。
1. 數(shù)字圖像處理系統(tǒng)由哪幾個(gè)模塊組成，并指明相應(yīng)作用
圖像輸入模塊：圖像輸入也稱圖像采集或圖像數(shù)字化，它是利用圖像采集設(shè)備（如數(shù)碼照相機(jī)、數(shù)碼攝像機(jī)等）來(lái)獲取數(shù)字圖像，或通過(guò)數(shù)字化設(shè)備（如圖像掃描儀）將要處理的連續(xù)圖像轉(zhuǎn)換成適于計(jì)算機(jī)處理的數(shù)字圖像。
圖像存儲(chǔ)模塊：主要用來(lái)存儲(chǔ)圖像信息。
圖像輸出模塊：將處理前后的圖像顯示出來(lái)或?qū)⑻幚斫Y(jié)果永久保存。
圖像通信模塊：對(duì)圖像信息進(jìn)行傳輸或通信。
圖像處理與分析模塊：數(shù)字圖像處理與分析模塊包括處理算法、實(shí)現(xiàn)軟件和數(shù)字計(jì)算機(jī)，以完成圖像信息處理的所有功能。
2. 圖像分辨率
圖像中每單位長(zhǎng)度所包含的像素或點(diǎn)的數(shù)目。分辨率越高，像素越多，圖像越清晰。
3. 圖像數(shù)字化
指將模擬圖像經(jīng)過(guò)離散化之后，得到用數(shù)字表示的圖像（計(jì)算機(jī)能處理的形式）。包括采樣和量化兩個(gè)過(guò)程。其中采樣間隔和采樣孔徑是兩個(gè)重要參數(shù)（決定分辨率）。采樣指的是將空間上連續(xù)的圖像變換成離散點(diǎn)的操作（但是灰度是連續(xù)）。量化指的是將像素灰度轉(zhuǎn)換成離散的整數(shù)值的過(guò)程。
4. 灰度級(jí)數(shù)相關(guān)要點(diǎn)
一般用來(lái)表示（G=2g 來(lái)表示存儲(chǔ)圖像像素灰度值所需的比特位數(shù)，通常就說(shuō) g bit量化）。一副大小為 M\times N 、灰度級(jí)數(shù)為 G 的圖像所需的存儲(chǔ)空間，即圖像的數(shù)據(jù)量為 M\times N\times g （bit）或 M\times N\times g/8 （byte），若用彩色描述，該圖像對(duì)應(yīng)的空間為： M\times N\times g\ （bit），該圖像的灰度取值范圍： 0-2^{g-1} 。在RGB圖像轉(zhuǎn)換灰度的公式為：
5. 灰度直方圖相關(guān)要點(diǎn)
灰度直方圖是灰度級(jí)的函數(shù)。灰度級(jí)為橫坐標(biāo)，縱坐標(biāo)為灰度級(jí)的頻率，是頻率同灰度級(jí)的關(guān)系圖。可以反映了圖像的對(duì)比度、灰度范圍（分布）、灰度值對(duì)應(yīng)概率等情況。其性質(zhì)有：
（1）只能反映圖像的灰度分布情況，而不能反映圖像像素的位置，即丟失了像素的位置信息。
（2）一幅圖像對(duì)應(yīng)唯一的灰度直方圖，反之不成立。不同的圖像可對(duì)應(yīng)相同的直方圖。
（3）一幅圖像分成多個(gè)區(qū)域，多個(gè)區(qū)域的直方圖之和即為原圖像的直方圖。
灰度直方圖的應(yīng)用有：
（1）判斷圖像量化是否恰當(dāng)。
（2）用于確定圖像二值化的閾值。
6. 圖像信息量H（熵）
其反映了圖像信息的豐富程度。利用信息論中信息熵概念，求出任意一個(gè)離散信源的熵（平均自信息量）。自信息是一個(gè)隨機(jī)變量，它是指某一信源發(fā)出某一消息所含有的信息量。一條信息的信息量和它的不確定性有著直接的關(guān)系。所發(fā)出的消息不同，它們所含有的信息量也就不同。任何一個(gè)消息的自信息量都代表不了信源所包含的平均自信息量。不能作為整個(gè)信源的信息測(cè)度，因此定義自信息量的數(shù)學(xué)期望為信源的平均自信息量：
其一維計(jì)算公式為：
其二維計(jì)算公式為：
7. 圖像變換
其目的為：
（1）使圖像處理問(wèn)題簡(jiǎn)化；
（2）有利于圖像特征提取；
（3）有助于從概念上增強(qiáng)對(duì)圖像信息的理解
最常用的圖像變換形式為傅里葉變換，有關(guān)這部分詳細(xì)見(jiàn)下面這個(gè)專欄：
8. 圖像增強(qiáng)相關(guān)要點(diǎn)
圖像增強(qiáng)是圖像處理非常重要的一環(huán)，在這里用一張圖表來(lái)表示其整體信息：
8.1 直接灰度變換
根據(jù)相應(yīng)的變換數(shù)學(xué)公式對(duì)灰度在給定范圍內(nèi)作數(shù)學(xué)變換。
8.2 直方圖均衡化
圖像的灰度直方圖表征的是該圖像的灰度分布，如果一幅圖像的灰度直方圖幾乎覆蓋了整個(gè)灰度的取值范圍，并且除了個(gè)別灰度值的個(gè)數(shù)較為突出，整個(gè)灰度值分布近似于均勻分布，那么這幅圖像就具有較大的灰度動(dòng)態(tài)范圍和較高的對(duì)比度，同時(shí)圖像的細(xì)節(jié)更為豐富。已經(jīng)證明，僅僅依靠輸入圖像的直方圖信息，就可以得到一個(gè)變換函數(shù)，利用該變換函數(shù)可以將輸入圖像達(dá)到上述效果，該過(guò)程就是直方圖均衡化。
8.3 空間域?yàn)V波
這是是基于領(lǐng)域處理的增強(qiáng)方法，應(yīng)用模板。有兩種：平滑和銳化。其主要作用是：消除噪聲，改善圖像的視覺(jué)效果；突出邊緣，有利于識(shí)別和處理。
（1）圖像空間域的平滑：抑制噪聲改善圖像質(zhì)量所進(jìn)行的處理稱圖像平滑或去噪。有兩種：領(lǐng)域平均法（空間低通濾波法）和中值濾波法。
A. 鄰域平均法（空間低通濾波法）：做卷積運(yùn)算。注意：模板很多，必須保證全部權(quán)系數(shù)和為
B. 中值濾波：對(duì)一個(gè)滑動(dòng)窗口內(nèi)的諸像素灰度值排序，用中值代替窗口中心像素的原來(lái)灰度值，因此它是一種非線性的圖像平滑法。
（2）圖像銳化：增強(qiáng)圖像的邊緣或輪廓。為了達(dá)到尋找邊緣的目的，檢測(cè)灰度變化可用一階導(dǎo)數(shù)或二階導(dǎo)數(shù)來(lái)完成。對(duì)于一個(gè)確定的圖像，可以借用梯度來(lái)表示，則有如下計(jì)算公式：
梯度大小則為：
用模板表示為：
以上是用于計(jì)算梯度偏導(dǎo)數(shù)的濾波器模板，通常稱之為梯度算子、邊緣算子和邊緣檢測(cè)子等。圖像銳化與圖像平滑的區(qū)別：圖象銳化是用于增強(qiáng)邊緣，導(dǎo)致高頻分量增強(qiáng)，會(huì)使圖象清晰；圖象平滑用于去噪，對(duì)圖象高頻分量即圖象邊緣會(huì)有影響。聯(lián)系：都屬于圖象增強(qiáng)中的空域?yàn)V波，改善圖象效果。
那么常用的邊緣檢測(cè)方法有：
A. 算子
該算子又稱為交叉微分算法，適合有梯度變化大的低噪聲圖像，其缺點(diǎn)是對(duì)圖像邊緣定位不夠精準(zhǔn)，提取的邊緣線條較粗。模板與計(jì)算公式如下：
B. 算子
該算子適合用來(lái)識(shí)別噪聲較多、灰度漸變的圖像：
C. Sobel算子
在算子的基礎(chǔ)上增加了權(quán)重的概念。對(duì)噪聲具有平滑作用，提供較為精確的邊緣方向信息。因?yàn)镾obel算子結(jié)合了高斯平滑和微分求導(dǎo)（分化），因此結(jié)果會(huì)具有更多的抗噪性，當(dāng)對(duì)精度要求不是很高時(shí)，Sobel算子是一種較為常用的邊緣檢測(cè)方法。
D. 算子
算子是線性二階微分算子，數(shù)學(xué)計(jì)算公式為：
該算子常用于圖像增強(qiáng)領(lǐng)域和邊緣提取。它通過(guò)灰度差分計(jì)算鄰域內(nèi)的像素，該算子對(duì)噪聲非常敏感，它使噪聲成分得到加強(qiáng)，容易對(duì)邊緣信息造成缺失，也可能出現(xiàn)雙像素邊界，一般用來(lái)評(píng)判圖像邊緣處于明區(qū)或者暗區(qū)，不太適合做邊緣檢測(cè)，其算子分為四鄰域或八鄰域。四鄰域是對(duì)鄰域中心像素的四個(gè)方向求梯度，八鄰域是對(duì)八個(gè)方向求梯度。模板如下：
通過(guò)算子的模板可以發(fā)現(xiàn)：
1）當(dāng)鄰域內(nèi)像素灰度相同時(shí)，模板的卷積運(yùn)算結(jié)果為0；
2）當(dāng)中心像素灰度高于鄰域內(nèi)其他像素的平均灰度時(shí)，模板的卷積運(yùn)算結(jié)果為正數(shù)；
3）當(dāng)中心像素的灰度低于鄰域內(nèi)其他像素的平均灰度時(shí)，模板的卷積為負(fù)數(shù)。對(duì)卷積運(yùn)算的結(jié)果用適當(dāng)?shù)乃ト跻蜃犹幚聿⒓釉谠行南袼厣希涂梢詫?shí)現(xiàn)圖像的銳化處理。
E. Canny算子
該算子可以說(shuō)是最通常的邊緣提取的方式了，其主要步驟如下：
用高斯濾波器平滑圖像；
2）用一階偏導(dǎo)有限差分計(jì)算梯度幅值和方向.（一般用Sobel）；
3） 對(duì)梯度幅值進(jìn)行非極大值抑制；
4）用雙閾值算法檢測(cè)和連接邊緣；
8.4 頻率域增強(qiáng)
假定原圖像為 f\left( x,y \right) ，經(jīng)傅立葉變換為 F\left( x,y \right) ，輸出圖像為 g\left( x,y \right) ，則頻率域銳化過(guò)程描述為：
（1） 將圖像 f\left( x,y \right) 從圖像空間轉(zhuǎn)換到頻域空間，得到 F\left( u,v \right) ；
（2）在頻域空間中通過(guò)不同的濾波函數(shù) H\left( u,v \right) 對(duì)圖像進(jìn)行不同的增強(qiáng),得到 G\left( u,v \right) ;
（3）將增強(qiáng)后的圖像再?gòu)念l域空間轉(zhuǎn)換到圖像空間，得到圖像 g\left( x,y \right) ;
說(shuō)明：也可演變?yōu)楹?jiǎn)述頻域圖像銳化（或平滑）的步驟，需要指明濾波器的類型：高通或低通濾波器。
常用的濾波器有：
（1）理想低通濾波器:
由于高頻成分包含有大量的邊緣信息，因此采用該濾波器在去噪聲的同時(shí)將會(huì)導(dǎo)致邊緣信息損失而使圖像邊模糊。 計(jì)算公式為：
該濾波器徑向橫截面為：
（2）巴特沃斯低通濾波器：它的特性是連續(xù)性衰減，而不象理想濾波器那樣陡峭變化，即明顯的不連續(xù)性。因此采用該濾波器濾波在抑制噪聲的同時(shí)，圖像邊緣的模糊程度大大減小，沒(méi)有振鈴效應(yīng)產(chǎn)生。（說(shuō)明：振鈴效應(yīng)越不明顯效果越好）。振鈴效應(yīng)是由于在圖像復(fù)原 中選取了不適當(dāng)?shù)膱D像模型造成的；在圖像盲復(fù)原中如果點(diǎn)擴(kuò)散函數(shù)選擇不準(zhǔn)確也是引起復(fù)原結(jié)果產(chǎn)生振鈴效應(yīng)的另一個(gè)原因，特別是選用的點(diǎn)擴(kuò)散函數(shù)尺寸大于真實(shí)點(diǎn)擴(kuò)散函數(shù)尺寸時(shí)，振鈴現(xiàn)象更為明顯；振鈴效應(yīng)產(chǎn)生的直接原因是圖像退化過(guò)程中信息量的丟失，尤其是高頻信息的丟失。計(jì)算公式為：
式中n代表階數(shù)，D0代表截止頻率。該濾波器徑向橫截面為：
（3）高斯濾波器
高斯濾波器過(guò)度特性非常平坦，所以不會(huì)產(chǎn)生振鈴現(xiàn)象。計(jì)算公式如下：
該濾波器徑向橫截面為：
除此之外，還有指數(shù)低通濾波器，其采用該濾波器濾波在抑制噪聲的同時(shí)，圖像邊緣的模糊程度較巴特沃斯濾波 產(chǎn)生的大些，無(wú)明顯的振鈴效應(yīng)；梯形低通濾波器：它的性能介于理想低通濾波器和指數(shù)濾波器之間，濾波的圖像有一定的模糊和振鈴效應(yīng)。
8.5 頻率域銳化
圖像的邊緣、細(xì)節(jié)主要位于高頻部分，而圖像的模糊是由于高頻成分比較弱產(chǎn)生的。頻率域銳化就是為了消除模糊，突出邊緣。因此采用高通濾波器讓高頻成分通過(guò)，使低頻成分削弱，再經(jīng)逆傅立葉變換得到邊緣銳化的圖像。
8.6 高通濾波器
高通濾波器與低通濾波器在數(shù)學(xué)表達(dá)式上區(qū)域一致性，只是把頻率與截至頻率的比取了倒數(shù)。同時(shí)有幾點(diǎn)值得說(shuō)明：
（1）理想高通有明顯振鈴現(xiàn)象，即圖像的邊緣有抖動(dòng)現(xiàn)象。
（2）巴特沃斯高通濾波效果較好，但計(jì)算復(fù)雜，其優(yōu)點(diǎn)是有少量低頻通過(guò)，H(u，v)是漸變的，振鈴現(xiàn)象不明顯。
（3）指數(shù)高通效果比巴特沃斯差些，振鈴現(xiàn)象不明顯。
（4）梯形高通會(huì)產(chǎn)生微振鈴效果，但計(jì)算簡(jiǎn)單，較常用。
（5）一般來(lái)說(shuō)，不管在圖像空間域還是頻率域，采用高頻濾波不但會(huì)使有用的信息增強(qiáng)，同時(shí)也使噪聲增強(qiáng)。因此不能隨意地使用。
（6）高斯低通濾波器無(wú)振鈴效應(yīng)是因?yàn)楹瘮?shù)沒(méi)有極大值、極小值，經(jīng)過(guò)傅里葉變換后還是本身，故沒(méi)有振鈴效應(yīng)。
8.7 同態(tài)濾波
在頻域中同時(shí)將亮度范圍進(jìn)行壓縮（減少亮度動(dòng)態(tài)范圍）和對(duì)比度增強(qiáng)的頻域方法。
同態(tài)濾波是基于圖像成像模型進(jìn)行的。根據(jù)光照模型，我們可以將一個(gè)圖像 f\left( x,y \right) 抽象為照度分量 i\left( x,y \right) 與反射分量 r\left( x,y \right) 的乘積，于是有：
通常來(lái)講，圖像中的自然光照一般是均勻漸變的，所以照度分量應(yīng)該是低頻分量，而不同物體對(duì)光的反射是具有突變性的，所以反射分量是高頻分量。我們先對(duì)兩邊取對(duì)數(shù)，并做傅里葉變換，得到線性組合的頻率域如下：
之后再通過(guò)設(shè)計(jì)好的濾波器對(duì)上式兩邊相乘，我們的目的是壓縮像素的變化范圍，同時(shí)削弱自然光照部分，增強(qiáng)反射部分，以達(dá)到增強(qiáng)的目的，此時(shí)濾波器函數(shù)記為 H\left( x,y \right) ，我們可以得到：
再之后我們對(duì)上式做反傅里葉變換，并取得對(duì)數(shù)，得到結(jié)果：
在設(shè)計(jì)不同濾波器時(shí)候會(huì)出現(xiàn)的現(xiàn)象現(xiàn)象：
（1）線性變換無(wú)效；
（2）擴(kuò)展灰度級(jí)能提高反差，但會(huì)使動(dòng)態(tài)范圍變大
（3）壓縮灰度級(jí)，可以減小灰度級(jí)數(shù)字圖像處理研究?jī)?nèi)容，但物體的灰度層次會(huì)更不清晰。
改進(jìn)措施：加一個(gè)常數(shù)到變換函數(shù)上，如：H（u，v）+A（A取0→1）這種方法稱為:高度強(qiáng)調(diào)（增強(qiáng)）。為了解決變暗的趨勢(shì)，在變換結(jié)果圖像上再進(jìn)行一次直方圖均衡化，這種方法稱為：后濾波處理。
9 圖像復(fù)原與重建
9.1 圖像的退化
（1）定義：圖像的退化是指圖像在形成、傳輸和記錄過(guò)程中，由于成像系統(tǒng)、傳輸介質(zhì)和設(shè)備的不完善，使圖像的質(zhì)量變壞。
（2）圖像退化的因素：幾何失真、灰度失真、運(yùn)動(dòng)模糊、輻射失真、噪聲干擾。
9.2 圖像復(fù)原
（1）定義：圖像復(fù)原就是要盡可能恢復(fù)退化圖像的本來(lái)面目，它是沿圖像退化的逆過(guò)程進(jìn)行處理。
（2）圖像復(fù)原過(guò)程：找退化原因→建立退化模型→反向推演→恢復(fù)圖像。
（3）圖像復(fù)原方法：觀察法、實(shí)驗(yàn)法、模型估計(jì)法。
9.3 圖像復(fù)原和圖像增強(qiáng)的區(qū)別：
（1）圖像增強(qiáng)不考慮圖像是如何退化的，而是試圖采用各種技術(shù)來(lái)增強(qiáng)圖像的視覺(jué)效果。因此，圖像增強(qiáng)可以不顧增強(qiáng)后的圖像是否失真，只要看得舒服就行。
（2）圖像復(fù)原就完全不同，需知道圖像退化的機(jī)制和過(guò)程等先驗(yàn)知識(shí)，據(jù)此找出一種相應(yīng)的逆處理方法，從而得到復(fù)原的圖像。
說(shuō)明：如果圖像已退化，應(yīng)先作復(fù)原處理，再作增強(qiáng)處理。二者的目的都是為了改善圖像的質(zhì)量。
9.4 連續(xù)函數(shù)的退化模型
在空域中為：
在頻域中為：
說(shuō)明：圖像復(fù)原實(shí)際上就是已知 g\left( x,y \right) 求 f\left( x,y \right) 或已知 G\left( x,y \right) 求 F\left( x,y \right) 的問(wèn)題，所以關(guān)鍵問(wèn)題是求系統(tǒng)空間域上的沖激響應(yīng)函數(shù) h\left( x,y \right) 或頻域上的傳遞函數(shù) H\left( u,v \right) 。一般說(shuō)來(lái)， H\left( u,v \right) 容易求的，最后在進(jìn)行傅里葉反變換即可求得 f\left( x,y \right) 。
9.5頻率域恢復(fù)方法
（1）逆濾波恢復(fù)法：與原圖差異相對(duì)較大。
（2）去除有勻速運(yùn)動(dòng)引起的模糊。
（3）維納濾波復(fù)原方法（有約束復(fù)原法）：與原圖差異相對(duì)較小。
H\left( u,v \right) 表示退化函數(shù)， S_{\eta} 表示噪聲傅里葉變換后的功率譜， S_{f} 表示原圖傅里葉變換后的功率譜；比率 S_{\eta}/S_{f} 稱為噪信功率比。
9.6 圖像的幾何校正
（1）幾乎失真：系統(tǒng)失真、非系統(tǒng)失真。系統(tǒng)失真：有規(guī)律的、能預(yù)測(cè)的。非系統(tǒng)失真：隨機(jī)的。
（2）幾何校正的基本方法：先建立幾何校正的數(shù)學(xué)模型；其次利用已知條件確定模型參數(shù)；最后根據(jù)模型對(duì)圖像進(jìn)行幾何校正。
（3）幾何校正的方法2個(gè)步驟
A. 圖像空間坐標(biāo)變換：恢復(fù)空間關(guān)系，然后對(duì)各個(gè)像素坐標(biāo)進(jìn)行校正、排序。
B. 確定各像素的灰度值（灰度插值）：空間坐標(biāo)變換后的像素賦予相應(yīng)的灰度值。
（4）幾何校正方法可分為直接法和間接法兩種（條件：要已知 h_{1}\left( x,y \right) 和 h_{2}\left( x,y \right) ）
10 圖像編碼與壓縮
10.1 基本概念
（1）數(shù)據(jù)壓縮是通過(guò)（信源）編碼實(shí)現(xiàn)的，（信源）編碼也就是解決數(shù)據(jù)壓縮問(wèn)題
（2）數(shù)據(jù)壓縮定義：以最少的數(shù)碼表述信源所發(fā)出的信號(hào)，減少信號(hào)空間。
（3）數(shù)據(jù)編碼與壓縮的目的：減少存儲(chǔ)數(shù)據(jù)所需要的空間和傳輸時(shí)間。
（4）描述圖像信源的數(shù)據(jù)由有用數(shù)據(jù)和冗余數(shù)據(jù)兩部分組成。
（5）基本數(shù)據(jù)冗余有：編碼冗余、像素間冗余、心理視覺(jué)冗余（消除后不可恢復(fù)）3種。
（6）圖像編碼的分類：空間域編碼和變換域編碼兩大類。
（7）圖像數(shù)據(jù)壓縮三個(gè)過(guò)程：變換、量化和編碼。
（8）描述解碼圖像相對(duì)原始圖像偏離程度的測(cè)度一般稱為保真度（逼真度）。
（9）常用的二值圖像編碼有兩種：行程長(zhǎng)度編碼、二值圖像方塊編碼。
（10）無(wú)損壓縮是指壓縮圖象經(jīng)解壓可以恢復(fù)原圖象，沒(méi)有任何信息損失的編碼技術(shù)。
10.2 圖像數(shù)據(jù)壓縮的必要性
（1）數(shù)字圖像的龐大數(shù)據(jù)對(duì)計(jì)算機(jī)的處理速度、存儲(chǔ)容量都提出過(guò)高的要求。因此必須把數(shù)據(jù)量壓縮。
（2）從傳送圖像的角度來(lái)看，則更要求數(shù)據(jù)量壓縮。在信道帶寬、通信鏈路容量一定的前提下，采用編碼壓縮技術(shù)，減少傳輸數(shù)據(jù)量，是提高通信速度的重要手段。
10.3 圖像數(shù)據(jù)壓縮的可能性
（1）由于數(shù)字圖像中的數(shù)據(jù)相關(guān)性很強(qiáng)，數(shù)據(jù)的冗余度很大，因此對(duì)數(shù)字圖像進(jìn)行大幅度的數(shù)據(jù)壓縮是完全可能的。
（2）人眼的視覺(jué)有一定的局限性，即使壓縮前后的圖像有一定失真，只要限制在人眼允許的誤差范圍之內(nèi)數(shù)字圖像處理研究?jī)?nèi)容，也是允許的。
10.4 圖像保真度準(zhǔn)則
分為客觀保真度準(zhǔn)則和主觀保真度準(zhǔn)則。
客觀：最常用的客觀保真度準(zhǔn)則是原圖像和解碼圖像之間的均方根誤差和均方根信噪比兩種。主觀：不少于20人對(duì)該圖像的評(píng)分取平均，作為這幅圖像的質(zhì)量。
10.5 幾個(gè)常用公式
（1）圖像熵
（2）平均碼字長(zhǎng)度
（3）編碼效率
（4）冗余度
（5）壓縮比
10.6 霍夫曼編碼的編碼方法
（1）把輸入符號(hào)按出現(xiàn)的概率從大到小排列起來(lái),接著把概率最小的兩個(gè)符號(hào)的概率求和；
（2）把它（概率之和）同其余符號(hào)概率由大到小排序,然后把兩個(gè)最小概率求和；
（3）重復(fù)（2），直到最后只剩下兩個(gè)概率為止。
（4）在上述工作完畢之后，從最后兩個(gè)概率開始逐步向前進(jìn)行編碼。對(duì)于概率大的消息賦予0，小的賦予1。
10.7 算數(shù)編碼與解碼
（1）編碼過(guò)程
算術(shù)編碼方法是將被編碼的一則消息或符號(hào)串（序列）表示成0和1之間的一個(gè)間隔（），即對(duì)一串符號(hào)直接編碼成[0,1]區(qū)間上的一個(gè)浮點(diǎn)小數(shù)。符號(hào)序列越長(zhǎng)，編碼表示它的間隔越小，表示這一間隔所需的位數(shù)就越多。信源中的符號(hào)序列仍然要根據(jù)某種模式生成概率的大小來(lái)減少間隔。可能出現(xiàn)的符號(hào)概率要比不太可能出現(xiàn)的符號(hào)減少范圍小，因此，只正加較少的比特位。
在傳輸任何符號(hào)串之前，0符號(hào)串的完整范圍設(shè)為[0,1]。當(dāng)一個(gè)符號(hào)被處理時(shí)，這一范圍就依據(jù)分配給這一符號(hào)的那一范圍變窄。算術(shù)編碼的過(guò)程，實(shí)際上就是依據(jù)信源符號(hào)的發(fā)生概率對(duì)碼區(qū)間分割的過(guò)程。
輸入：一個(gè)字符串
輸出：一個(gè)小數(shù)
（2）解碼過(guò)程
解碼是編碼的逆過(guò)程，對(duì)應(yīng)每個(gè)頻率范圍，若輸入位于某各字符的頻率范圍之內(nèi)，則將該字符記錄，并得到新的上下限。
11 圖像分割
11.1 基本概念
圖像分割是指將一幅圖像劃分為互不重疊的區(qū)域并提取感興趣目標(biāo)的技術(shù)。其基于灰度值的2個(gè)基本特征為不連續(xù)性和相似性。
11.2 圖像分割的方法（按分割途徑分類）
（1）基于邊緣的分割方法：先提取區(qū)域邊界，再確定邊界限定的區(qū)域。
（2）區(qū)域分割：確定每個(gè)像素的歸屬區(qū)域，從而形成一個(gè)區(qū)域圖。
（3）區(qū)域生長(zhǎng)（增長(zhǎng)）：將屬性接近的連通像素聚集成區(qū)域。
（4）分裂－合并分割：綜合利用前兩種方法，既存在圖像的劃分，又有圖像的合并。
11.3 邊緣檢測(cè)算子
（1）邊緣的定義：圖像中像素灰度有階躍變化或屋頂變化的那些像素的集合
（2）邊緣的分類：階躍狀、屋頂狀
（3）幾種常用的邊緣檢測(cè)算子：詳細(xì)見(jiàn)8.3
11.4 邊緣跟蹤
（1）邊緣跟蹤的概念：將檢測(cè)的邊緣點(diǎn)連接成線就是邊緣跟蹤。
（2）由邊緣形成線特征的兩個(gè)過(guò)程：可構(gòu)成線特征的邊緣提取；將邊緣連接成線。
（3）連接邊緣（邊緣跟蹤）的方法：光柵跟蹤、全向跟蹤
11.5 線檢測(cè)
霍夫（Hough）變換檢測(cè)法基本思想：直角坐標(biāo)系中的一條直線對(duì)應(yīng)極坐標(biāo)系中的一點(diǎn)，這種線到點(diǎn)的變換就是Hough變換。
11.6 區(qū)域（生長(zhǎng)）擴(kuò)張的圖像分割
（1）區(qū)域生長(zhǎng)法：從生長(zhǎng)點(diǎn)開始，搜索其鄰域，把符合接收規(guī)則的點(diǎn)或子區(qū)歸并進(jìn)來(lái)，形成新的生長(zhǎng)點(diǎn)，直到當(dāng)前區(qū)域不能再合并為止。
（2）算法實(shí)現(xiàn)：
A. 根據(jù)圖像的不同應(yīng)用選擇一個(gè)或一組種子，它或者是最亮或最暗的點(diǎn)，或者是位于點(diǎn)簇中心的點(diǎn)。
B. 選擇一個(gè)描述符（條件）。
C. 從該種子開始向外擴(kuò)張，首先把種子像素加入集合，然后不斷將與集合中各個(gè)像素連通、且滿足描述符的像素加入集合。
D. 上一過(guò)程進(jìn)行到不再有滿足條件的新結(jié)點(diǎn)加入集合為止。
12 二值圖像處理與形狀分析
（1）膨脹一般是給圖像中的對(duì)象邊界添加像素（添加邊界點(diǎn)，是邊界向外部擴(kuò)張的過(guò)程），而腐蝕則是刪除對(duì)象邊界某些像素（消除邊界點(diǎn)，使邊界向內(nèi)部收縮的過(guò)程）。
（2）膨脹操作時(shí)，輸出像素值是輸入圖像相應(yīng)像素領(lǐng)域內(nèi)所有像素的最大值。方法：用結(jié)構(gòu)元素與其覆蓋的二值圖像做“與”操作，如果都為0，結(jié)果圖像的該像素為0。否則為1。
（3）腐蝕操作時(shí)，輸出像素值是輸入圖像相應(yīng)像素領(lǐng)域內(nèi)所有像素的最小值。方法：用結(jié)構(gòu)元素與其覆蓋的二值圖像做“與”操作，如果都為1，結(jié)果圖像的該像素為1。否則為0。
（4）一般情況下，膨脹和腐蝕不可逆。
（5）開運(yùn)算：對(duì)圖像先腐蝕后膨脹的運(yùn)算。
（6）閉運(yùn)算：對(duì)圖像先膨脹后腐蝕的運(yùn)算。
（7）二值圖像的歐拉數(shù)：在二值圖像中，1像素連接成分?jǐn)?shù)C減去孔數(shù)H的值叫做這幅圖像的歐拉數(shù)或示性數(shù)。E=C-H。顯然，二值圖像的歐拉數(shù)是所有1像素連接成分的歐拉數(shù)之和。
以上便是一些傳統(tǒng)圖像處理的常見(jiàn)考點(diǎn)，面試筆試都可以用到，這里也放一下自己寫過(guò)的方面的基礎(chǔ)知識(shí)，供有幫助的朋友參考：