算，此时可以采用不同复杂程度的线性插值法填充放大后多出来的相关像素点的灰度值。 常用的插值处理方法有：最近邻插值法、双线性插值法和3次内插法。 Ps：B=imresize(A,10,’nearest’)

图像处理中，正交变换的目的是什么，常用的正交变换有哪些？ 图像处理中正交变换的目的是将图像的能量尽量集中在少量系数上，从而最大限度地去除原始图像数据中的相关性。主要用于图像特征提取、图像增强、图像复原和图像编码等处理中。 常用的正交变换有傅里叶变换、离散余弦变换、沃尔什变换、小波变换和K-L变换等。

设待处理图像为彩色，文件名为moonland.bmp，请用MATLAB程序实现下列处理 1）3X3的中值滤波，并分两屏显示处理前后图像；

2）傅里叶变换和逆变换，并在同一屏显示原图、频谱图（中心移到零点）和重构图。 1）A=imread('moonland.bmp'); A=rgb2gray(A); figure,imshow(A,[ ]); B=medfilt2(A);

figure,imshow(B,[ ]); 2）A=imread(' moonland.bmp ');

subplot(1,3,1),imshow(A); title('原图像'); A=rgb2gray(A); B= fft2(A); C=fftshift(B);

subplot(1,3,2),imshow(log(abs(C)), [ ]); title('二维傅立叶变换'); D= ifft2(B);

subplot(1,3,3),imshow(log(abs(D)), [ ]); title('逆变换后图像');

一幅图像，经过傅里叶变换之后，将高频部分删除，再进行反变换，会得到什么结果？

在频谱图上，大部分能量集中在中低频，高频部分的分量很弱，仅仅体现了图像的某些细节。白色斑点、噪声和边界等会表现为高频部分，所以通过滤去高频，可以降噪。傅里叶变换将图像从空域转到时域，降噪处理后再反变换回空域，就达到了消除噪声的效果。

图像增强的目的是什么，通常包含哪些技术？

图像增强的目的是采用某种技术手段，改善图像的视觉效果，或者将图像转换成更适合于人眼观察和机器分析识别的形式，以便从图像中获取更有用的信息。

常用的图像增强技术包括空域的灰度变换、直方图处理、平滑滤波、锐化滤波和频域的低通滤波、高通滤波、同态滤波。

假设对恒星的观测图像包含一组明亮且松散的点，可以用一组脉冲与恒定亮度背景相乘的方法进行建模。试设计一个同态滤波器来提取对应恒星的该组亮点。

假设恒定亮度背景为r(x,y)?r0，脉冲图像为i(x,y)，则传感器获得的图像为

f(x,y)?r(x,y)?i(x,y)?r0i(x,y)

但r0不知道，对上式两边取对数，可得lnf(x,y)?lnr0?lni(x,y) 对上式进行傅里叶变换

令z(x,y)?lnf(x,y)，则有F[z(x,y)]?F[lnr0]?F[lni(x,y)] 即得Z(u,v)?I(u,v)?R(u,v)

其中恒定亮度背景的频谱处于低频部分，而脉冲对应高频部分，因此可以采用一个高通滤波器滤除恒定零度背景，从而提取对应恒星脉冲。 若设传递函数为H(u,v)，则有

S(u,v)?H(u,v)Z(u,v)?H(u,v)I(u,v)?H(u,v)R(u,v)?H(u,v)I(u,v)

进行逆变换，可得s(u,v)?F?1[S(u,v)]?F?1[H(u,v)I(u,v)]?i'(x,y) 对i'(x,y)取指数，即得目标图像g(x,y)?exp[i'(x,y)]

简述图像复原的流程，画出退化模型和复原模型。

图像复原是针对图像退化而采取的恢复方法，图像退化是指图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像的质量变坏。图像恢复就是尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理的。

图像复原的流程为：找退化原因—建立退化模型—反向推演—恢复图像 图像退化模型为，空域：g(x,y)?H[f(x,y)]?n(x,y) 频域：G(u,v)?H(u,v)F(u,v)?N(u,v)

可用下图表示

其中，f(x,y)为原图像，n(x,y)为加性噪声，g(x,y)为退化图像。 图像复原模型如下图所示

其中，?f(x,y)是由图像恢复滤波器得到的恢复图像，用于逼近原图像f(x,y)

在图像变换编码中，为什么要对图像进行分块？简述DCT编码的原理和基本过程。 在图像变换编码中，要对图像进行分块的的原因是 1）小块图像的变换计算更便捷 2）距离较远的像素之间的相关性更小；

3）可以将传输误差所引起的图像损伤限制在子图像的范围之内，从而避免误码的扩散。 DCT编码的原理框图如下图所示

读取图像boy.bmp，显示这幅图像，对图像作傅立叶变换，显示频域振幅图像。作傅立叶逆变换，显示图像。 A=imread('girl.bmp','bmp');

subplot(1,3,1),imshow(A);title('原图像'); B=fftshift(fft2(A));

subplot(1,3,2),imshow(log(abs(B)), [ ], 'notruesize');title('二维傅立叶变换'); % 图片适应窗口 C= ifft2(B);

subplot(1,3,3),imshow(log(abs(C)), [ ], 'truesize');title('逆变换后图像'); % 图片实际大小