程序中描述一副图像，已知其横向纵向的像素个数即可（×）

灰度直方图能反映一副图像各个灰度级像素占图像的面积比（√）

从程序编写的角度看，描述一副图像的基本属性通常包括其分辨率，即图像的宽度和高度，用像素单位表示。

图像灰度直方图反映了灰度分布

一般来说，量化级别越高，图像数据量越大；反之亦然（√）

图像灰度直方图除以图像总像素数，得到的是归一化直方图（√）

从图像的累计归一直方图，可以求出其对应的归一化直方图

图像对灰度直方图的关系是多对一，图像到灰度直方图是一一对应的。

从图像的累计归一直方图，可以求出其对应的归一化直方图（√）

仅从一幅图像的灰度直方图，无法求出其归一化直方图和累计归一直方图（×）

        对于一幅给定的灰度图像，它的灰度直方图是确定的。因为灰度直方图是描述图像中各个灰度级别像素的数量分布情况，而一幅灰度图像的像素分布是确定的，因此其灰度直方图也是确定的

图像采样的关键参数是__采样间隔___

图像量化的关键参数是____C_____

A.采样频率        B.采样间隔        C、量化级数

采样所获得的图像总像素的多少，通常称为图像的分辨率

MATLAB语句的if语句用___end_____结束条件

exit？

MATLAB中的for语句，和C语言同样，用{}表示循环体的范围(×)

if condition
    % 条件为真时执行的代码块
else
    % 条件为假时执行的代码块
end

matlab中的if-else语句,必须用两个end对应其条件的结束（×）

if condition1
    % 执行条件1为真时的代码
elseif condition2
    % 当条件1为假且条件2为真时执行的代码
else
    % 当所有条件都不为真时执行的代码
end

MATLAB中的 a:b:c，b代表增量，但其值可以是负数 (√)

MATLAB中自定义函数中，函数名和文件名必须一致(√)

MATLAB中自定义函数，关键字为function

有语句 x=0:0.1:1; y=x.*x; 执行后y(2)的值为__0.01____

由于 x 的步长为 0.1，因此 x 向量包含了从 0 到 1 的数，以 0.1 为步长，即包含了 11 个元素。因此 y 也有 11 个元素，每个元素是对应 x 元素的平方。

因此，要计算 y(2) 的值，我

们只需要查找 y 中索引为 2 的元素即可。由于 MATLAB 中的索引是从 1 开始的，所以 y(2) 对应 x 向量中索引为 2 的元素的平方。而 x(2) 是 0.1，所以 y(2) 就是 0.1 * 0.1，结果是 0.01。

有语句 x=0:0.1:1; s=size(x); 执行后s(2)的值为__11__

显示图像f的MATLAB语句是______A_____
A、imshow(f)        B、plot(f)

函数 imshow() 用于显示图像，而 plot() 则用于绘制二维图形。

若有 x=0:0.01:3.14; y=sin(x); 将描绘已y为横轴，纵轴值为x的曲线的matlab语句是__plot(y, x)_________;

灰度图像对灰度直方图间的对应关系是_一一___对应关系。 

若有x=[1 2 3], y=[4 5 6]; 则用matlab一条语句实现x和y对应元素相乘为 z = _x.*y_;

图像增强包括空域（点运算（直方图设计映射、均衡化、规定化）、模板）和频域

另一种分类是点运算（映射、直方图均衡化、规定化）和模板运算

平滑：设计一个滤波器

  （邻域平均、均值滤波器（均等地位）、中值滤波（非线性滤波））  实际上进行卷积运算

锐化：边缘（图像中的边缘位于其中相邻像素的灰度值发生显著变化的位置，甚至是发生剧烈变化的地方。）

    （3）高频信号与低频信号

    ① 高频信号：把图像中变化剧烈的部分，例如边缘和噪声等，称为高频信号。

      ②低频信号：把图像中像素值变化平缓的部分，称为低频信号。

点处理（灰度映射）包括直方图均衡化、直方图规定化、二值化

中值滤波可以消除孤立噪声

图像平滑处理的算法有中值滤波

中值滤波可以抽取图像的边缘 （×）

设有映射关系 x=0:1/255:1；lut=sqrt(x)；以及灰度值为uint8型的图像f，以下说明正确的是 B

A.g=lut(f);可以完成映射        B.g=lut(f+1);可以完成映射        C.g=imfilter(f,lut);可以完成映射        D.经过lut映射后，图像整体变暗

A.错误.lut(0)出错，因为MATLAB数组索引不能为0。

C.imfilter函数用于在图像上应用一个滤波器，而lut在这里是一个查找表，不是一个滤波器核。因此，imfilter(f, lut)并不是执行查找表映射的正确方法，而是试图用查找表作为滤波器核在图像f上进行卷积.

D.lut = sqrt(x)，这是一个在[0, 1]区间内单调增加的函数，但增加速率低于线性（因为对于0到1之间的任何值x，sqrt(x)都小于x），这意味着映射后的值会被压缩到一个更窄的范围内，使得暗的像素变得相对较亮，而亮的像素增亮的幅度小于暗的像素。因此，整体上图像会看起来更亮，而不是变暗。

设已知有映射关系lut(1:256)，图像f为uint8，利用MATLAB语言处理得到结果图像g，则可以用____g=lut(f+1)_____

x=0:0.1:1; s=size(x);结果为11

设有映射关系 x=0:1/255:1；lut=x.*x；以及灰度值为uint8型的图像f，以下说明正确的是 C

A.g=lut(f);可以完成映射        B.经过lut映射后，图像整体变亮        C.g=lut(f+1);可以完成映射        D.g=imfilter(f,lut);可以完成映射

图像空域灰度处理中主要有点运算和模板运算

图像锐化和均值滤波等线性滤波，实质上是图像和模板的___卷积_____运算。

设已知有映射关系lut(1:256)，图像f为double，利用MATLAB语言处理得到结果图像g，则可以用___f=uint8(f*255)______; g=lut(f+1);

采用模板[-1 1]主要检测_______水平___方向的边缘

设f为double型的灰度图像，lut[1:256]为0到1的double型的单调递增，当lut为灰度映射函数时，针对计算输出图像g的描述正确的是____先将f转换为uint8型后，再利用lut(f+1)得到g_____

一般来说，采样间距越大，图像数据量越______小___。反之也然。

matlab语句 x=0:0.01:1; 则x(1)和x(100)的值分别为___0___，___0.99_______

若有x=[1 2 3], y=[4 5 6];
执行程序段
if x(2)>2
 x(2)=0
end;
z = x - y;
后，z的值为：_____-3______  __-3_________  _____-3_____;

设f为uint8型的灰度图像，lut(1:256)为double型的单调递增，当lut为灰度映射函数时，输出图像g=____lut(f+1)__________;

设f为uint8型的灰度图像，lut[1:256]为uint8型的单调递增，当lut为灰度映射函数时，输出图像g=______lut(f+1)________;

1.设a和b均为二维矩阵，并有sa=size(a);sb=size(b); 则通过matlab图像滤波器处理后的y=imfilter(a,b); 其大小，即[sx, sy] = size(y); 则sx=_____sa(1)___; sy=__sa(2)____;

MATLAB的图像处理函数中，图像线性滤波，比如加权平均滤波，可以用___imfilter________

设[sxa sya]=size(a);[sxb syb]=size(b); 则通过matlab图像滤波器处理后的y=imfilter(a,b); 其大小，即[sx, sy] = size(y); 则sx=___sxa_____; sy=___sya___;

设图像f的灰度值为double型，映射关系为lut，则结果图像 g = lut( uint8( ____f*255+1_____ )  );

经Sobel算子处理后，可得到图像的____________边缘\轮廓______________________。

clc;
clear all;
close all;
f=zeros(256,256);
f(80:170,80:170)=1;
figure;
imshow(f);
imwrite(f,'bcw.jpg')

clc;
clear all;
close all;
f=zeros(50,256);
for i=1:256
    f(:,i)=i-1;
end;
f=uint8(f);
figure;
imshow(f);
imwrite(f,'btw.jpg')

close all;
clear all;
clc;
f=imread('lena.jpg');
g=f';%矩阵转置
figure;
subplot(1,2,1);imshow(f);
subplot(1,2,2);imshow(g);
imwrite(g,'lena90.jpg')

f=imread('lena.jpg');
g=imread('lenamirror.jpg');
[sx sy]=size(f);
[sx sy]=size(f);
fg(1:sx,1:sy)=f;
fg(1:sx,sy+1:2*sy)=g;
figure;
imshow(fg),title('lena2.jpg');

f=imread('lena.jpg');
g=f;
[sx sy]=size(f);
for i=16:16:sx
    g(i,:)=0;
end;
figure;
subplot(1,2,1);imshow(f);
subplot(1,2,2);imshow(g);
imwrite(g,'lenanoise1.jpg');

clc;
clear all;
close all;
f=zeros(256);
f(1:128,1:128)=1;
f(128:256,128:256)=1;
figure;
imshow(f);
imwrite(f,'bw1.jpg')

图像lena.jpg为uint8类型的灰度图像，用matlab语言设计程序，对该图像，完成如下功能：
1.利用直方图均衡化增强其对比度；
2.在同一窗口内，输出原图和结果图。

fnm='lena.jpg';
f = imread(fnm);%读入图像 
g = histeq(f); % 直方图均衡化 figure; 
subplot(121);imshow(f);title([fnm, ':原图']); 
subplot(122);plot(h);title([fnm,':结果图']); 

图像lena.jpg为uint8类型的灰度图像，用matlab语言设计程序，对该图像，完成如下功能：
1.计算直方图、归一化直方图和累积归一直方图;
2.在一个输出窗口内，输出原图及三个直方图。

fnm='lena.jpg';
f=imread(fnm);%读入图像 
h=imhist(f); %求直方图
[sx sy]=size(f);
h1 = h/sx/sy;  %归一化直方图
H1=cumsum(h1);  %归一累计直方图 
figure; 
subplot(221);imshow(f);title([fnm, ':原图']); 
subplot(222);plot(h);title([fnm,':直方图']); 
subplot(223);plot(h1);title([fnm,':归一化直方图']); 
subplot(224);plot(H1);title([fnm,':累计归一直方图']);

图像lena.jpg为uint8类型的灰度图像，用matlab语言设计程序，对该图像，完成如下功能：
1.计算负片并在一个输出窗口内输出原图和负片；
2.将负片图像保存到文件“lena_ng.jpg”中。

f=imread('lena.jpg');
g=255-f;%负片  
figure; 
subplot(121);imshow(f); title('原图');
subplot(122);imshow(g); title('负片');

imwrite(g,"lena_ng.jpg");

图像lena.jpg为uint8类型的灰度图像，用matlab语言设计程序，对该图像，完成如下功能：
1.利用3*3的拉普拉斯算子实现图像锐化；（  h = [ 0 -1 0; -1 5 -1; 0 -1 0]);
2.在一个窗口中输出原图和锐化后的图像。

f=imread('lena.jpg');
h = [ 0 -1 0; -1 5 -1; 0 -1 0];
g = imfilter(f,h);
figure;
subplot(1,2,1);imshow(fn);title('原图');
subplot(1,2,2);imshow(g);title('锐化后');

图像lenanoise.jpg为uint8类型的带有椒盐噪声灰度图像，用matlab语言设计程序，对该图像，完成如下功能：
1.利用3*3的均值滤波模板除噪；
2.在一个窗口中输出原图和滤波后的图像。

f = imread('lenanoise.jpg');
a=3;
h = ones(a)/a/a;  
g = imfilter(f,h); figure;
subplot(1,2,1); imshow(f); title('原图'); subplot(1,2,2); imshow(g); title(' 除噪后'); 

图像lenanoise.jpg为uint8类型的带有椒盐噪声灰度图像，用matlab语言设计程序，对该图像，完成如下功能：
1.利用3*3窗口的中值滤波模板除噪；
2.在一个窗口中输出原图和滤波后的图像。

常用的灰度内插方法有最近邻、双线性和三次内插 （√）

分割-阈值处理

阈值分割：二值化

阈值分割，确定阈值是关键.

阈值分割法是空域处理中的“点运算”的一种。

分为人工选择阈值和自动选择阈值。

otsu法确定二值化阈值，将图像灰度总方差最大化 （×）

程序实例如下：

I = imread('coins.png');subplot(121);imshow(I);title('原始图像');

level = graythresh (I);  % 阈值

BW = im2bw(I,level);  % 二值化

subplot(122);imshow(BW);title('Otsu方法二值化图像');

迭代法

 迭代法确定二值化阈值，初始值如何给定并不重要，重要的是迭代方法 （×）

百分比法

图像增强

        图像的直方图增强处理方法，就是一种通过把原始图像的灰度直方图，从相对比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，来进行图像增强的方法。

直方图均衡

1.  直方图均衡的基本思想

         所谓直方图均衡，就是对于一幅已知灰度概率分布的灰度图像，通过扩大该图像中像素个数较多的灰度级别的分布范围，缩减其像素个数较少的灰度级别的分布范围，使该图像的直方图变换成具有均匀灰度概率分布的新图像，以此来达到增加该图像的对比度的图像增强技术和方法。

1.  直方图均衡的基本思想

  直方图均衡即是找一种变换，使具有任意概率分布密度的直方图的图像，变换成接近于均匀概率分布密度的直方图的图像。

问题：

     直方图均衡化方法为什么能增强图像？

       直方图均衡化处理后，原来像素值相对比较集中的一些像素，会被分配到别的灰度值上去，处理后灰度范围变大，对比度变大，清晰度变大，所以能有效增强图像。

直方图的规定化

    直方图均衡方法虽然能显著地增强图像的对比度。但由于该方法总是仅产生近于似均匀分布的直方图结果，而且其增强效果不易控制，所以在某些特定的情况下，必然限制了其效能的发挥和应用。

    实际应用中，有时可能需要的是具有某种特定形状的直方图的图像，以便有选择地对图像中某个特定的灰度级范围进行增强。

    直方图规定化就是一种把已知直方图的图像变换成具有某种期望的直方图的图像增强方法。

图像增强包括空域（点运算（直方图设计映射、均衡化、规定化）、模板）和频域

另一种分类是点运算（映射、直方图均衡化、规定化）和模板运算

平滑：设计一个滤波器

  （邻域平均、均值滤波器（均等地位）、其他（不是均等地位））  实际上进行卷积运算

基于空间平滑滤波的图像增强方法

完成以下图像处理效果,首选频域处理

A.图像的二值化        B.消除图像中的规律噪声

B.使用频域处理来消除图像中规律噪声的步骤：

1. 傅里叶变换：首先对图像进行傅里叶变换，将其从空间域转换到频域。在频域中，图像的所有信息都表现为频率成分。

2. 识别并处理噪声：在频域图像中，规律噪声（如条纹、网格等）通常表现为特定位置的尖锐、亮点或频率成分。通过观察频谱图，可以定位这些代表噪声的频率成分。

3. 应用带阻滤波器：对确定的噪声频率成分应用带阻滤波器或陷波滤波器来削弱或移除这些噪声成分。带阻滤波器允许大多数频率正常通过，只阻断一定范围内的频率。

4. 傅里叶逆变换：处理完噪声后，使用傅里叶逆变换将频域图像转换回空间域。转换后的图像将展现出减少或消除了规律噪声的效果。

对于A选项——图像的二值化——这通常是在空间域中更容易和直接完成的处理。二值化处理通常涉及到设置一个阈值，将图像中的像素值根据这个阈值转换为0或255（黑或白），这在空间域中实现起来比较简单和直观。

fft2 傅里叶变换        ifft2 反傅里叶变换

已知Ft为某图像的傅里叶变换，得到其相位P的MATLAB语句为 P = angle(Ft);（以弧度为单位）.        这行代码会计算 Ft 中每个元素的相位（以弧度为单位），结果存储在 P 中。

已知Ft为某图像的傅里叶变换，得到其振幅（也即复数的模）Amp的MATLAB语句为 Amp = abs(Ft);        这行代码会计算 Ft 中每个元素的振幅，结果存储在 Amp 中。

图像空域灰度处理中的模板处理，其计算实质上就是卷积运算.

卷积定理确保了频域处理可以直接相乘，即 .*  

图像频域处理中主要有高通、低通、带通和带阻四种处理.

高通：图像边缘或轮廓检测。

带阻：可除有规律的噪声。

低通：可除噪声的同时，使得结果图像变模糊。

Why？

1. 频域表示：图像的傅里叶变换将其从空间域转换到频域，在这个变换后的表示中，图像的信息分布在不同的频率上。低频分量通常对应于图像的主要形状和大致轮廓，而高频分量则包括边缘、纹理细节和噪声。

2. 低通滤波器的作用：

   • 滤除高频成分：低通滤波器允许低频成分通过，同时阻断或减弱高频成分。高频通常包含了图像的细节和噪声。通过减弱这些高频分量，噪声得以减少，因为许多常见的图像噪声（如盐和胡椒噪声、电子噪声等）都表现为高频特性。
   • 导致模糊：当你去除或减弱图像中的高频部分，不仅噪声得到抑制，图像中锐利的边缘和细节也会受到影响，因为这些也是由高频分量表示的。结果，图像的边缘和细节变得不那么明显，从而使整体图像看起来更模糊。

3. 视觉效果：在视觉上，去除高频细节后，图像中的过渡变得更加平滑，这导致了模糊的视觉效果。这在一些应用中是可取的，比如在美容摄影或特定类型的艺术效果中，但在需要保持图像清晰度的应用中，则可能不理想。

频域处理中，希望得到轮廓信息，可用__高通__

复习

图像空域处理和图像频域处理的概念、区别与联系

概念

1. 空域处理：

   • 空域处理直接在图像平面上进行，处理的是图像的像素值。常见的空域处理技术包括图像增强（如对比度调整）、滤波（如平滑和锐化）、边缘检测等。

2. 频域处理：

   • 频域处理首先需要将图像从空域转换到频域，常通过傅里叶变换实现。在频域中，图像表示为频率的组合，这样可以分析和处理图像中的周期性和方向性特征。频域处理的例子包括低通滤波、高通滤波等。

区别

• 处理方式：

  • 空域处理关注像素级操作，如修改像素值或根据邻域像素值进行计算。
  • 频域处理通过转换图像到频率空间，关注整体的频率分布和图像的全局特征。

• 工具和方法：

  • 空域使用的工具较直观，如各种空间滤波器。
  • 频域处理需要使用数学变换（如傅里叶变换）来实现图像的频域分析和修改。

• 性能和效果：

  • 空域处理操作通常更快，适用于实时系统。
  • 频域处理在进行全局性调整（如频率过滤）时更有效，但计算成本较高。

联系

• 互相转换：

  • 空域和频域是可以相互转换的。通过傅里叶变换将图像从空域转到频域进行处理，再通过逆傅里叶变换返回到空域。

• 互补性：

  • 在某些情况下，空域和频域处理可以结合使用，以利用各自的优势。例如，在频域进行噪声削减后，再在空域进行局部的细节增强。

• 目标相同：

  • 不论是空域处理还是频域处理，最终的目标都是改善图像质量或提取图像特征，只是处理的方法和视角不同。

    概念

  • 空域处理：

    • 空域处理直接在图像平面上进行，处理的是图像的像素值。常见的空域处理技术包括图像增强（如对比度调整）、滤波（如平滑和锐化）、边缘检测等。

  • 频域处理：

    • 频域处理首先需要将图像从空域转换到频域，常通过傅里叶变换实现。在频域中，图像表示为频率的组合，这样可以分析和处理图像中的周期性和方向性特征。频域处理的例子包括低通滤波、高通滤波等。

  • 区别

  • 处理方式：

    • 空域处理关注像素级操作，如修改像素值或根据邻域像素值进行计算。
    • 频域处理通过转换图像到频率空间，关注整体的频率分布和图像的全局特征。

  • 工具和方法：

    • 空域使用的工具较直观，如各种空间滤波器。
    • 频域处理需要使用数学变换（如傅里叶变换）来实现图像的频域分析和修改。

  • 性能和效果：

    • 空域处理操作通常更快，适用于实时系统。
    • 频域处理在进行全局性调整（如频率过滤）时更有效，但计算成本较高。

  • 联系

  • 互相转换：

    • 空域和频域是可以相互转换的。通过傅里叶变换将图像从空域转到频域进行处理，再通过逆傅里叶变换返回到空域。

  • 互补性：

    • 在某些情况下，空域和频域处理可以结合使用，以利用各自的优势。例如，在频域进行噪声削减后，再在空域进行局部的细节增强。

  • 目标相同：

    • 不论是空域处理还是频域处理，最终的目标都是改善图像质量或提取图像特征，只是处理的方法和视角不同。

图像空域处理中的图像锐化处理本质上是频域处理中的高通处理。

图像空域处理中的均值滤波处理本质上是频域处理中的低通处理。

e.g. 

自然图像的大部分信息集中在低频（√）

图像锐化除了在空域进行外，可以在频域进行（√）

图像除噪声可在空域进行外，也以在频域进行（√）

理想低通滤波和高斯低通滤波后结果图像的最大区别是有无振铃效应（√）

理想高通滤波和高斯高通滤波后结果图像的最大区别是有无振铃效应（√）

理想滤波器和高斯滤波器在图像处理中都用于频域滤波，但它们的设计和效果有显著的区别，其中最显著的区别之一确实包括振铃现象。这些滤波器的不同及其原因：

理想滤波器

• 定义：理想滤波器（低通或高通）具有一个固定的截止频率，所有低于或高于此频率的成分被完全通过或完全阻断。这种滤波器的频率响应在截止频率处是不连续的。
• 特点：
  • 滤波效果非常明显，因为它完全消除或保留特定频率范围内的信号。
  • 由于其硬切换特性，在时域中表现为较长的振铃现象。

高斯滤波器

• 定义：高斯滤波器使用高斯函数作为其基础，其响应曲线在频域中呈高斯分布形态，频率从中心向外逐渐下降。
• 特点：
  • 滤波效果更为平滑，因为频率响应的过渡更加渐进。
  • 在时域中导致的振铃现象较小，因为高斯函数的响应在时域也是高斯分布，无突变。

振铃现象的原因

• 振铃现象：在图像处理中，振铃现象通常表现为在边缘附近出现的假影或波纹。这是由于频域滤波器在时域中引入的非理想响应造成的。
• 理想滤波器的振铃：理想滤波器由于其在截止频率处的硬切换，其时域响应是一个Sinc函数，这种函数在理论上无限长，并在主瓣之外有许多小瓣，这导致显著的振铃现象。
• 高斯滤波器的减少振铃：高斯滤波器的频率响应在整个频率范围内平滑过渡，没有突变点，因此其时域响应也是平滑的高斯形状，这大大减少了振铃现象。

总结来说，理想滤波器和高斯滤波器最大的区别之一是在于振铃现象的显著程度，这主要由它们在频域的响应特性决定。理想滤波器由于其切断特性在实际应用中容易产生较强的振铃效应，而高斯滤波器则因其平滑的过渡性质而广泛应用于需要减少图像失真的场景。

下列二值化和灰度直方图的关系叙述错误的是？B

        A.通常灰度直方图的双峰对应于图像的前景和背景区域

        B.通过灰度直方图可以知道二值化的最佳阈值

        C.灰度直方图对二值化有很好的指导意义

        D.二值化求最佳阈值的过程通常包含分析直方图的步骤

下列关于Otsu算法中“类间方差（between-classes variance）”的描述错误的是？B

        A.类间方差达到最大的情况下即为最优二值化值

        B.类间方差达到最小的情况下即为最优二值化值

        C.类间方差有机结合了前景和背景信息，是评价信息量多少的一个评价函数

        D.类间方差是根据前景部分的方差和背景部分的方差计算得到的

关于图像缩小处理，下列说法正确的是：（ D ）
A、图像的缩小只能按比例进行。
B、 利用基于等间隔采样的图像缩小方法对图像进行处理时，不需要计算出采样间隔。
C、图像的缩小只能按不比例进行。
D、 图像的缩小是从原始图像中选择合适的像素点，使图像缩小后可以尽量保持原有图像的概貌特征不丢失

下列关于二值形态学算法叙述错误的是？（ B ）

        A.通过开闭运算的结合可以出去图像中的椒盐噪声

        B.对图像进行重复的开操作会不断产生新的不同的结果

        C.二值形态学操作包括了二值膨胀、二值腐蚀以及开闭运算

        D.二值膨胀可以使图像的前景区域扩大
 

根据傅里叶变换的共轭对称性，只需半个周期的变换就可以获得整个变换的频谱（√）

根据傅里叶变换的周期性，只需一个周期的变换就可以获得整个变换的频谱（√）

图像形态学的膨胀操作（Dilation）可以使图像中的对象扩展 变大。

自然界中的绝大多数的颜色都可看作是由红、黄、蓝三种颜色组合而成。 （×） 自然界中的绝大多数的颜色都可以分解成红、绿、蓝这三种颜色.

目前常用的彩色模型可分成两类：

         （1）面向诸如彩色监视器、彩色视频摄像机和彩色打印机的硬件设备。

                 主要有RGB模型、CMY（青、品红、黄）模型和CMYK（青、品红、黄、黑）模型。

                 RGB模型主要用于彩色监视器和彩色视频摄像机； CMYK主要用于彩色打印机。

         （2）面向诸如彩色动画图形创作等的彩色处理应用。面向彩色处理应用的模型主要是HSI模型（hue-saturation-intensity，即色调、亮度和饱和度）。

    HSI（hue-saturation-intensity）彩色模型比较适合于人用色调（H）、饱和度（S）和亮度（I）描述被观察物体颜色的解释，对于开发基于彩色描述的图像处理方法是一个理想的工具。

人眼对绿色的感知最敏锐（√）

对RGB各个R/G/B分量，进行同样的处理，称为___真/全___彩色处理。【一个汉字】

将彩色图像转换为灰度图像的实质，就是通过对图像R、G、B分量的变换，使得每个像素点的R、G、B分量值相等。（√）

计算机显示器采用_RGB_彩色模型。

HSV彩色模型中的S是_彩度_,H是_色相_.

将rgb的图像，转换到视觉模型下的matlab函数是rgb2hsv.

彩色模型HSV下，常见处理方法有加法和乘法。对色相H的处理是_加_法。

彩色模型HSV下，常见处理方法有加法和乘法。对饱和度S的处理是_乘法 。

RGB彩色模型下的图像数据，转换为CMYK彩色模型下时，无论何种软件其转换结果是唯一的 （×） 

RGB彩色模型下的图像数据，转换为CMYK彩色模型下时，其转换方法根据不同商家可以有多种（√）

印刷图像采用哪一种彩色模型 _CMY / CMYK_ 

NTSC和PAL制下，对应的彩色模型分别是：YIQ 和 YUV

YIQ为PAL制的彩色空间（×）

彩色空间YIQ变换为RGB，MATLAB中已有函数为：ntsc2rgb（√）

NTSC制下，传输彩色电视信号，使用的是_Y_、I和Q。

彩色模型YIQ下，一般情况对其Y、I和Q各个波段，采用完全相同的处理方法 （×）

彩色模型Yuv下，一般情况对其Y、u和v各个波段，采用完全相同的处理方法 （×）

YUV色彩空间可用彩色图像压缩 （√）

彩色模型HSV/HSI下，对饱和度S的常见处理方法是加一个度数（×）

设图像f为rgb模型下的彩色图像，利用MATLAB语句得到其绿色波段的语句为 g = ____f(:,:,2)____

图像形态学中常用的一种形态学操作是（ 开运算 ），用于去除小于该结构元素的区域。

RGB转换为灰度图像G，其变换式为G =____0.3___*R+____0.6___*G+___0.1_____*B。【保留小数点后一位】

RGB转换为灰度图像G时，B所占比率最大，可达到约60%（×）

RGB转换为灰度图像G时，G所占比率最大，可达到约60%（√）

RGB转换为灰度图像G时，因为R红色比较鲜艳，所以R所占比率最大（×）

YUV或YIQ模型下，比较亮度信息，人眼对色差信息的敏感程度较低，所以可以对色差信息直接缩小其大小（√）

在彩色图像处理中，常使用HSI或HSV模型，它适于做图像处理的原因是：色调与饱和度的概念与人的感知联系紧密（√）

彩色模型HSV/HSI下，对色相H的常见处理方法是加一个度数（√）

彩色模型HSV/HSI下，一般情况下，对其HSV/HSI各个波段采用不同的处理方法（√）

MATLAB环境下，将rgb图像f转换为hsv的函数是 hsvx = _rgb2hsv(f)_;

设已知rgb图像f及其对应的YIQ数据fx，为了得到f的灰度信息（即无彩的灰度图像），可以用 g=_fx(:,:,3)_;

设已知rgb图像f及其对应的hsv数据fx，为了得到f的灰度信息（即无彩的灰度图像）,可以用 g=_fx(:,:,3)_

进行几何变换和几何校正时，最近邻插值的坐标可用四舍五入来实现 （√）