图像处理与识别考试大纲(版)

873 图像处理与识别考试大纲（2008 版）一、复习内容及基本要求一、复习内容及基本要求 主要内容包括三部分：第一部分是数字图像处理的基础，由绪论和数字图像基础两章 组成；第二部分是数字图像增强处理的理论、方法和实例，包括空间域图像增强、频率域 图像增强和形态学图像处理三章；第三部分是图像特征提取与分析的基本理论、方法和实 例，包括图像分割、表示与描述和对象识别三章。 具体章节如下： 1、绪言 内容：数字图像处理的概念、数字图像处理的起源、数字图像处理的应用实例、 数字图像处理的基本步骤、图像处理系统的部件。 要求：了解数字图像处理的基本概念和起源，熟悉数字图像处理的应用实例， 掌握图像处理的基本步骤以及图像处理识别系统的部件等。 重点：数字图像处理的基本概念；数字图像处理的基本步骤；图像处理的部件 2、数字图像基础 内容：图像感知和获取、图像取样和量化、像素间的一些基本关系、线性和非 线性操作 要求：了解图像感知和获取，掌握图像取样和量化的概念，熟练掌握像素间的 一些关系以及线性和非线性操作的概念 重点：图像量化和取样；像素间的一些空间关系 3、空间域图像增强 内容：背景知识、某些基本灰度变换、直方图处理、用算术/逻辑操作增强、 空间滤波基础、平滑空间滤波器、锐化空间滤波器； 要求：了解图像空间增强的主要目的和方法，掌握图像空间增强的相关术语、 图像灰度级变换方法、图像直方图的概念和直方图均衡化的图像处理算法。掌 握图像的算术和逻操作增强方法，了解空间滤波基础，掌握平滑空间滤波的基 本概念和特点。掌握图像的一阶微分和二阶微分的典型计算方法、锐化空间滤 波的基本概念和特点。 重点：分段线性变换；直方图概念；直方图均衡化图像处理算法；平滑空间滤 波器；图像一阶微分、二阶微分的概念和计算方法；拉普拉斯算子和典型梯度 增强算法 4、频率域图像增强 内容：背景、傅立叶变换合频率域的介绍、平滑的频率域滤波器、频率域锐化 滤波器。 要求：了解傅立叶变换的起源，掌握一维和二维傅立叶离散变换及反变换的定 义，掌握频率域滤波器的概念、性质和计算步骤，掌握空间域滤波和频率域滤 波的对应关系。掌握平滑的频率域滤波器和频率域锐化滤波器的概念和性质。 掌握傅立叶变换的性质，计算方法、卷积和相关定理。 重点：二维离散傅立叶变换和反变换；频率域滤波的概念和计算步骤；空间域 滤波和频率域滤波的对应关系；高斯低通滤波器；高斯高通滤波器；傅立叶变 换的性质；卷积和相关定理 5、形态学图像处理 内容：序言、膨胀与腐蚀、开操作与闭操作、击中或击不中变换、一些基本的 形态学算法要求：了解形态学的相关背景，掌握膨胀和腐蚀形态学操作的基本定义、性质、 计算方法。掌握开、闭和击中或击不中变换等基本形态学操作算法的定义、性 质、计算方法。 重点：膨胀、腐蚀；开、闭和击中击不中变换 6、图像分割 内容：间断检测、边缘连接合边界检测、门限处理、基于区域的分割 要求：掌握图像中点、线和边缘检测的基本方法。掌握边缘连接、图像阈值化 处理方法，包括全局自动阈值化、自适应阈值化、最佳全局阈值化。掌握区域 分割的原理。 重点：边缘检测；自适应全局最佳阈值化算法；区域分割的基本公式。 7、表示与描述 内容：表示方法、边界描绘子、区域描绘子、运用主分量进行描绘 要求：掌握链码、多边形近似、边界线段、骨架等概念和基于这些概念的图像 对象的基本表示方法。了解边界描绘的基本方法，掌握一些简单的描绘子、形 状数的概念、傅立叶描绘子和统计矩的相关概念。了解区域描绘的基本方法， 掌握一些简单的描绘子、拓扑描绘子以及纹理等描绘子。掌握主分量分析方法， 并了解主分量的主要应用。 重点：链码概念和骨架化算法；形状数的概念和傅立叶描绘子；拓扑描绘子； 主分量分析方法 8、对象识别 内容：模式和模式类、基于决策理论方法的识别 要求：掌握模式和模式类的概念，掌握最小距离分类器、相关匹配等基本方法。 掌握最优统计分类器的基本原理。 重点：模式和模式类概念、最小距离分类器；最优统计分类器的基本原理二、参考书目二、参考书目 数字图像处理 ，第二版，冈萨雷斯，阮秋琦等译，电子工业出版社，2004 年。