问答题简述数学形态学在图像处理中的应用？

第1题：

第2题：

简述数学模型在实际应用的不足

正确答案: 1，产品加工工艺流程不是三台设备可以完成的
2，未考虑其他资源约束
3，单位产品资源消耗系数难以得到
4，单位成本系数实际是一个变量。

第3题：

简介在图像处理中图像分割方法的应用。

正确答案: 1.阈值分割法适用于同一物体内灰度较一致，或不同物体间灰度明显的情况，例如从CT图像上分割骨骼。
2.种子限域生长分割法适用于软组织的图像分割，因为软组织的密度差别不明显。
3.自动边缘检测分割法用户只需提供曲线的起点和终点，计算机就可自动沿着检测到的物体边缘划分。
4.多参数分割法用于两种或两种以上的图像，在两个或两个以上参数构成的参数空间上指定物体的取值范围，就更容易进行对图像的正确分割了。
5.数学形态学分割法在用阈值分割法对物体进行初步分割后，再对其进行一些数学形态学操作，以按需要改变其连通性。

第4题：

简述为什么要进行图像变换？各种变换应用在图像什么处理上？

正确答案:图像变换在数字图像处理与分析中起着很重要的作用，是一种常用的、有效的分析手段。图像变换的目的在于：使图像处理问题化；有利于图像特征提取；有助于从概念上增强对图像信息的理解。

第5题：

小波变换在图像处理中有着广泛的应用，请简述其在图像的压缩中的应用原理。

正确答案:一幅图像经过一次小波变换之后，概貌信息大多集中在低频部分，而其余部分只有微弱 的细节信息。为此，如果只保留占总数据量1/4的低频部分，对其余三个部分的系数不存储或传输，在解压时，这三个子块的系数以0来代替，则就可以省略图像部分细节信息，而画面的效果跟原始图像差别不是很大。这样，就可以得到图像压缩的目的。

第6题：

第7题：

第8题：

第9题：

第10题：

第11题：

第12题：

第13题：

简述数字图像处理的至少4种应用.

正确答案: 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。

第14题：

基于数学形态学的图像处理有何特点？ 

正确答案: 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。

第15题：

简述图形图像技术在医学临床上的应用。

正确答案: 1.数据显示和数据特征的提取借助图形图像技术可以对原始图像进行多种精确处理，如边缘增强、边缘提取、噪声消除、窗宽窗位调整等。
2.三维重构及立体视觉将CT、MRI、DSA等医学二维图像，通过计算机三维重构处理后得到三维可视化图像。
3.多角度扫描仿真及外科手术模拟断层扫描技术可以获得一系列的人体某一部分的切片图像。对这些切片数据进行三维重建，就可得到该部位的三维模型，进行手术模拟。
4.放射性治疗根据影像数据得到的图像，确定进行放射性治疗所应该进行的特定部位，避免不必要的放射性照射。
5.医学虚拟现实是指将CT、MRI和其他扫描采集的大量数据通过计算机生成真实感很强的三维可视化图像，以供医学临床应用。

第16题：

傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的低通滤波中的应用原理。

正确答案:图像经过傅里叶变换后，景物的概貌部分集中在低频区段，景物的细节部分集中在高频 区段，可以通过图像的高通滤波将图像中景物的概貌提取出来。具体做法是，将傅里叶变换 得到频谱图的高频部分强制为0，而将低频部分的信息保持不变，就相当于使用一个只保持低频部分信息不变，而高频信息被完全抑制的低通滤波器作用在原始图像上。将经过这样处理后的频谱进行傅里叶逆变换，就可以得到图像的概貌部分。

第17题：

简述数学形态学在图像处理中的应用？

正确答案: 近年来，数学形态学在图像处理方面得到了日益广泛的应用。下面主要就数学形态学在边缘检测、图像分割、图像细化以及噪声滤除等方面的应用做简要介绍。
（1）边缘检测
边缘检测是大多数图像处理必不可少的一步，提供了物体形状的重要信息。数学形态学运算用于边缘检测，存在着结构元素单一的问题。它对与结构元素同方向的边缘敏感，而与其不同方向的边缘（或噪声）会被平滑掉，即边缘的方向可以由结构元素的形状确定。但如果采用对称的结构元素，又会减弱对图像边缘的方向敏感性。所以在边缘检测中，可以考虑用多方位的形态结构元素，运用不同的结构元素的逻辑组合检测出不同方向的边缘。
（2）图像分割
基于数学形态学的图像分割算法是利用数学形态学变换，把复杂目标X分割成一系列互不相交的简单子集X1，X2，„，XN。对目标X的分割过程可按下面的方法完成：首先求出X的最大内接“圆”X1，然后将X1从X中减去，再求X-X1的最大内接“圆”X2，„，依此类推，直到最后得到的集合为空集为止。数学形态学用于图像分割的缺点是对边界噪声敏感。为了改善这一问题，刘志敏等人提出了基于图像最大内切圆的数学形态学形状描述图像分割算法和基于目标最小闭包结构元素的数学形态学形状描述图像分割算法，并使用该算法对二值图像进行了分割，取得了较好的效果。
（3）形态骨架提取
形态骨架描述了物体的形状和方向信息。它具有平移不变性、逆扩张性和等幂性等性质，是一种有效的形状描述方法。二值图像A的形态骨架可以通过选定合适的结构元素B，对A进行连续腐蚀和开启运算来求取，形态骨架函数完整简洁地表达了形态骨架的所有信息，因此，根据形态骨架函数的模式匹配能够实现对不同形状物体的识别。算法具有位移不变性，因而使识别更具稳健性。
（4）噪声滤除
对图像中的噪声进行滤除是图像预处理中不可缺少的操作。将开启和闭合运算结合起来可构成形态学噪声滤除器。滤除噪声就是进行形态学平滑。实际中常用开启运算消除与结构元素相比尺寸较小的亮细节，而保持图像整体灰度值和大的亮区域基本不变；用闭合运算消除与结构元素相比尺寸较小的暗细节，而保持图像整体灰度值和大的暗区域基本不变。将这两种操作综合起来可达到滤除亮区和暗区中各类噪声的效果。同样的，结构元素的选取也是个重要问题。

第18题：

第19题：

第20题：

第21题：

第22题：

第23题：