试用 Sobel 算子对给定的图像进行模板操作并分析得到的结果图像。
解：程序如下：
I = [0 0 1
1 1 1 0 0 0 1 1 0
255 254 254 254; 254 253 254 254; 255 255 253 253; 254 254 254 254]
J = edge(I,'sobel',0.1);
subplot(121); imshow(I,[0 255]); subplot(122); imshow(J); 运行结果如下： J=
0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
可见，有一条一个像素的边缘线。在图像的边界处，由于算子只能确定模板的中心值， 未能检测边缘。对于实际图像来说，目标一般在图像的内部，所以无碍于实际应用。
0
24
第 7 章 图像复原
7.1 引起图像退化的原因有哪些？
答：造成图像退化的原因很多，大致可分为以下几个方面： （1）射线辐射、大气湍流等造成的照片畸变。
（2）模拟图像数字化的过程中，由于会损失部分细节，造成图像质量下降。 （3）镜头聚焦不准产生的散焦模糊。 （4）成像系统中始终存在的噪声干扰。
（5）拍摄时，相机与景物之间的相对运动产生的运动模糊。 （6）底片感光、图像显示时会造成记录显示失真。
（7）成像系统的像差、非线性畸变、有限带宽等造成的图像失真。
（8） 携带遥感仪器的飞行器运动的不稳定，以及地球自转等因素引起的照片几何失真。
7.2 常见的图像退化模型包含哪些种类？
答： 从图像信号的产生形式来看，可将退化模型分为连续图像退化模型和连续图像退化 模型。
（1）连续图像退化的一般模型如图所示。输入图像 f(x, y)经过一个退化系统或退化算子 H(x, y)后考虑加性噪声的影响产生的退化图像 g(x, y)可以表示为：
g(x, y)= H [f(x, y)]+n(x, y)
如果噪声是乘法性噪声，可以通过对数运算转化为加性噪声的形式，通过同态滤波可 以则退化图像可恢复原来的图像。
（2）数字图像处理系统处理的图像是离散图像，所以对连续退化模型的离散化即形成 离散图像退化模型。这种模型通常用矩阵代数求解。
根据降质系统的传递函数主要有：
（1）空间非相干成像系统由于衍射限制造成的图像退化模型。 （2）照相机与被摄景物之间的相对运动造成的图像退化模型。 （3）大气湍流造成的图像退化模型。
（4）由于成像系统的非线性、飞行器的姿态、高度和速度变化等引起的不稳定与不可 预测的几何失真，造成的几何畸变模型。
7.5 用维纳滤波的方法进行图像复原，不同的 PSF 对复原效果有什么影响？
解：用维纳滤波的方法进行图像复原，不同的 PSF 参数值对复原效果影响较大。模糊 函数可能是高斯函数或运动模糊函数等。教材中以运动模糊为例，对不同的 PSF 参数值产 生的复原效果进行比较。复原结果见教材图 6.3（a）。实际应用过程中，真实的 PSF 通常是 未知的，需要根据一定的先验知识对它进行估计，再将估计值作为参数进行图像复原。图 6.3 分别显示了使用较“长”和较“陡峭”的 PSF 后所产生的复原效果，由此可见 PSF 的重要 性。
7.6 用约束最小二乘方滤波复原时，不同的噪声强度、拉氏算子的搜索范围和约束算 子对复原效果有何影响？
解：DECONVREG 函数提供了使用平滑约束最小二乘滤波算法对图像去卷积的功能。 调用格式如下：[J LAGRA] = DECONVREG(I,PSF,NP,LRANGE,REGOP)。其中，I 假设为真 实场景图像在 PSF 的作用下并附加噪声的图像，NP 为噪声强度，J 为去模糊的复原图像。
25
LRANGE（拉氏算子的搜索范围）、REGOP（约束算子）为改善复原效果的可选参数。LRANGE 指定搜索最佳拉氏算子的范围，缺省值为[10-9，109]。返回值 LAGRA 为在搜索范围的 Lagrange 乘子。如果 LRANGE 为标量，则该算法假定 LAGRA 已经给定且等于 LRANGE， 因而 NP 值可以不予考虑。REGOP 的缺省值为平滑约束 Laplacian 算子。教材例 6.2 说明采用平滑约束 的最小二乘复原的具体实现方法。不同的复原图像效果比较见图 6.6、图 6.7、图 6.8。通过这 些图像可以分析各个参数对图像复原质量的影响。实际应用中，读者可以根据这些经验来选 择最佳的参数进行图像复原。
7.7 盲去卷积方法中，如何选择一个合适的 PSF 值？
解：对具有加性噪声的模糊图像作盲图像复原的方法一般有两种：直接测量法和间接估 计法。MATLAB 提供了 DECONVBLIND 函数进行盲图像复原。该函数采用最大似然算法 对模糊图像进行去卷积处理，返回去模糊的图像和相应的点扩散函数 PSF。
26
第 8 章 图像分割
8.1 举例说明分割在图像处理中的实际应用。
答：在对图像进行分析的场合，人们可能对图像中的某些局部或特征感兴趣，其输出不 一定是一幅完整的图像。这些部分常被称为目标或对象（object），处于感兴趣的区域（Region Of Interest, ROI）。在图像分析中，输出的结果是对图像的描述、分类或其他的某种结论，而 不再像常规图像处理那样输出另一幅图像。由于这些被分割的区域在某些特性上相近，因而， 图像分割常用于模式识别与图像理解以及图像压缩与编码等应用场合。
8.2 根据 4 连通或 8 连通准则，判断图 8.28 所示图像中的目标并编写 MATLAB 程序。
1 1 1 1 0 1 1 1
1 1 1 1 1 0 1 1
1 1 0 0 0 1 1 1
0 0 0 0 0 0 0 0
0 1 1 0 0 0 0 0
0 1 1 1 0 0 1 0
0 0 0 1 1 1 1 0
0 0 0 0 0 0 0 0
图 8.28 待判断目标的图像
解：设原图像为 I，则四邻域判断语句为：L4 = bwlael(I,4)
11100000 11103300 11003300 11000330 01000030 20200030 22200330 22200000
八邻域：L8 = bwlael(I,8)
11100000 11102200 11002200 11000220 01000020 10100020 11100220 11100000
8.3 阈值分割技术适用于什么场景下的图像分割？
解：灰度阈值分割方法用一个灰度级阈值 T 进行分割，分割出目标区域与背景区域。通 常用于图像中目标和背景具有不同的灰度集合：目标灰度集合与背景灰度集合。
8.4 图像的背景亮度均值为 50，方差为 300；目标占图像像素总数的百分比为 20%，均
27