1. 课程框架与考查重点1.1 这门课的底层逻辑《数字图像处理技术》这门课很多同学复习到一半容易蒙圈因为知识点散、公式多、算法五花八门。我自己当初复习时踩过最大的坑就是把大量时间耗在背公式上忽略了这门课真正的主线逻辑。现在回头再看整门课其实就围绕一条主线展开图像从哪儿来、能怎么改、计算机怎么理解它。拆开来讲就是四件事图像怎么变成数字采样、量化、分辨率、色彩模型。图像怎么变好看增强、复原、去噪、锐化本质上都是在调整像素值或频域成分。图像怎么变小压缩编码去掉各种冗余。图像怎么被认出内容分割、边缘检测、特征提取为后续识别铺路。期末复习时先抓住这条主线再往每个环节填细节比盲目刷题效率高得多。绝大多数院校的期末试卷也是按这条主线出题的只不过题型各不相同而已。1.2 期末试卷的常见出题结构我接触过不少学校的数字图像处理期末卷子虽然各校风格有差异但出题结构大体稳定基本由这四类题型组成题型常见分值考查重点名词解释/简答20-30分像素、直方图、傅里叶变换、形态学操作等基本概念计算题25-40分直方图均衡化、中值滤波、卷积计算、压缩编码分析题15-25分给一幅图判断用哪种增强/复原/分割方法综合/设计题10-20分设计一个完整的处理流程比如“对一张带有噪声的文字图片做增强并提取文字”如果你只有两周复习时间建议优先拿住名词解释和计算题这两块的分数性价比最高。分析题和设计题需要理解各算法的适用场景与局限单纯死记硬背很容易翻车。2. 图像数字化与基础概念最容易拿分也最容易大意2.1 采样、量化与分辨率的核心考点数字图像的本质就是连续图像在空间和灰度两个维度上的离散化。采样决定空间分辨率量化决定灰度分辨率这个对应关系几乎年年考一定要记牢。采样把连续图像在空间上按一定间隔取点每个点叫一个像素。采样间隔越小空间分辨率越高但数据量也越大。这里常考一句话采样间隔增大时图像会变“马赛克”化但不会出现颜色变少的效果——颜色变少是量化的问题。量化把每个像素的实际灰度值近似映射到有限的灰度级别上。典型的灰度级数是2的整数次幂比如256级8bit。量化级别降低时图像会出现“伪轮廓”效应即原本平滑变化的区域出现一层层断层像等高线一样这个现象在卡通化的渐变图里很典型。常见计算题会这样出一幅500×400的RGB彩色图像每通道8bit其未经压缩的数据量是多少计算500 × 400 × 3 × 8 4,800,000 bit 600,000 字节 ≈ 586KB。这类题一定要看清是灰度图还是彩色图。灰度图只有一个通道彩色图通常是三个通道RGB算错通道数是最冤的丢分原因。2.2 像素邻域与距离度量这部分属于基础中的基础但很多同学复习时一带而过结果在形态学和分割的题目里吃亏。三个概念必须清楚邻域4邻域、8邻域。4邻域就是上下左右四个点8邻域再加入四个对角点。形态学操作默认用8邻域判断写代码时用4邻域还是8邻域会让同一处理的结果有明显差异。连通性像素间是否连通要看有没有共同的邻域关系。4连通与8连通的区别经常出一道小判断题某个二值图像中两个斜对角像素算不算连通如果按8连通就算按4连通就不算。距离度量欧氏距离、曼哈顿距离D4、棋盘距离D8。曼哈顿距离就是两像素在行列方向上差的绝对值之和棋盘距离取最大值。距离的计算公式看着简单但和后续形态学距离变换、图像匹配的计算题直接挂钩务必能默写出来。我的复习建议这一章不必大量刷题但每个概念都要做到“能用一句话向别人讲明白”的程度。期末复习笔记里我通常会自己把每个概念写一行白话解释比如“直方图就是一幅图里每种灰度值出现了多少个像素的统计表”。这样到考场上手写名词解释时又快又稳。2.3 灰度直方图的读图能力直方图本身不直接参加你看到的图像内容它只是灰度分布的统计量但几乎所有后续算法都用得上它。复习时要能从直方图形态反推图像特征直方图窄且集中在高灰度区图像偏亮对比度低。直方图窄且集中在低灰度区图像偏暗也是一片灰蒙蒙。直方图覆盖整个灰度范围且分布均匀图像对比度高视觉上层次丰富。直方图有两个明显高峰可能对应背景和前景适合做阈值分割。读图能力在分析题里尤其重要。题目给一张直方图、问你“该图像有什么质量缺陷、应该选什么增强方法”只要把直方图分布特征和对应方法匹配上就能拿全分。3. 空间域增强直方图均衡化与滤波操作3.1 直方图均衡化的计算流程直方图均衡化几乎每年必考一道大题基本是计算题里的“送分题”但前提是你得把计算步骤吃透。它背后的原理是对灰度分布集中的图像把灰度级重新映射让直方图尽可能平铺在整个灰度范围从而提升对比度。计算步骤如下统计每个灰度级出现的像素个数。计算每个灰度级的概率密度。计算累计分布函数。将累计分布映射到目标灰度范围。我用一个典型例题完整走一遍。假设一幅64×64的图像灰度级为0到7各灰度级像素个数为灰度级01234567像素个数790102385065632924512281总像素数 4096。计算各灰度级概率p0 790/4096 ≈ 0.19p1 1023/4096 ≈ 0.25p2 ≈ 0.21p3 ≈ 0.16p4 ≈ 0.08p5 ≈ 0.06p6 ≈ 0.03p7 ≈ 0.02。累计分布函数 ss0 0.19s1 0.44s2 0.65s3 0.81s4 0.89s5 0.95s6 0.98s7 1.00。映射到0~7灰度级公式为输出 round(累计概率 × 7s0 → 1.33 → 1s1 → 3.08 → 3s2 → 4.55 → 5s3 → 5.67 → 6s4 → 6.23 → 6s5 → 6.65 → 7s6 → 6.86 → 7s7 → 7。所以映射表为0→11→32→53→64→65→76→77→7。注意多个输入灰度映射到同一输出灰度是正常的。计算时要先求取值范围再四舍五入不能直接拿原灰度值加上几个单位那是很多同学常犯的错误。实操提醒有些教材在均衡化时会先算映射范围的最小值做偏移修正。考试时严格按照教材的公式走但心里要清楚两种写法对最终图像影响不大。3.2 灰度变换函数怎么选灰度变换看似简单但分析题里经常考“给出图像的特征选择合适的变换”。我碰到的常见场景有这几种图像偏暗、细节都在暗区用幂函数变换γ1把暗区拉伸、亮区压缩。拍夜景照片往往就是这种效果。图像偏亮、过曝感强用γ1的幂变换把亮区细节拉开。灰度范围窄、整体灰蒙蒙用线性拉伸把最小灰度映射到0、最大灰度映射到255相当于把直方图拉开。只关心某一小段灰度范围用分段线性变换突出你关心的那段其他段压暗或置0。考试时不用把变换曲线画得特别精准但标注清楚横纵坐标、分段端点坐标、变换前后的灰度对应关系这几分就稳了。3.3 空间滤波平滑与锐化空间滤波的本质是卷积用一个模板核在图像上滑动对邻域像素做加权求和。复习时模板系数比公式更重要因为考试经常直接给你一个3×3模板让你算某像素的输出值。均值滤波模板内所有系数相等取平均。它去噪靠的是平滑但代价是边缘变模糊。常见模板为3×3全1除以9。中值滤波把邻域内像素排序取中位数。对椒盐噪声黑白噪点极其有效同时相对均值滤波能更好地保留边缘。中值滤波不是线性操作不能写成卷积形式这个判断题考过无数次。高斯滤波模板系数按二维高斯函数分布中心权重大、周边权重小。比均值滤波更柔和实际工程中是最常用的去噪手段之一。锐化滤波核心操作为拉普拉斯算子。经典做法是“原图加上拉普拉斯结果”即输出 原图 k × 拉普拉斯图。它的原理是拉普拉斯响应在边缘处有正负跳变叠加后让边缘两侧的对比更强。常用模板是中心为4或8、周边为-1的3×3矩阵。计算题最容易出错的地方在于边界像素。处理图像边缘时模板会有一部分超出图像范围教材通常有三种处理忽略边缘输出图像比原图小、补零、镜像填充。考试时先看清题目约定再看是让写输出图还是只算内部像素。4. 频域图像处理听我的别死磕公式4.1 傅里叶变换在图像里的直观意义频域这块很多同学一看公式就头大其实期末考点并不要求你手算傅里叶变换而是要理解它“干了什么”。一句话概括傅里叶变换把一个图像从像素的明暗表达变成不同频率成分的幅度表达。低频分量代表图像中灰度变化缓慢的区域比如天空、墙壁、大块背景高频分量代表灰度剧烈变化的地方比如边缘、噪点、纹理细节。图像在频域里中心是低频向外辐射越来越高。很多时候课本会给你一幅“图像的频谱图”中间亮、四周暗就是这个意思。滤波就是有选择地保留或抑制某些频率成分。保留低频、削弱高频相当于空间域的平滑保留高频、削弱低频相当于锐化和边缘提取。4.2 三种经典频域滤波器滤波器传递函数特点效果常见用途理想低通频率超过截止值直接置0平滑强有振铃现象概念题常考巴特沃斯低通平滑过渡无硬截止平滑较自然振铃轻微实际常用高斯低通完全平滑过渡无振铃最柔和工程首选振铃现象是一个高频考点。滤波器在频域里如果像理想低通那样陡峭切割会造成截断效应在图像边缘附近产生明暗交替的条纹像水面涟漪。高阶巴特沃斯滤波器阶数越高也越接近理想低通振铃越明显。题目如果给频谱图或滤波后的图像让你判断用了哪类滤波器优先看边缘有没有振铃。高频增强滤波高频提升也常考。做法是对高通滤波结果乘以大于1的系数再加回原图这样既增强边缘又保留原图灰度层次不会让图像变成一张“线条图”。公式记住输出 A × 原图 高通滤波结果A≥1。4.3 频域滤波的完整流程考试和实验课里频域滤波总让写完整流程背下这个顺序基本不丢分对原图做傅里叶变换得到频域表示。将频谱零频移到中心方便设计滤波器。设计传递函数并与频谱做点乘。将中心移回原位置。做逆傅里叶变换取实部。对结果做必要的灰度范围调整。有的教材在步骤1之前先对图像乘上(-1)^(xy)目的就是让频谱中心化。这个细节经常出现在填空或简答题里。5. 图像复原反向思考比正向增强更难5.1 噪声模型与退化模型图像复原和图像增强最大的区别在于复原要建立退化模型尽量“还原”退化前的图像增强则不管物理原因主观上觉得好看就行。期末复习时这个本质区别一定要写进简答题答案里。退化模型的标准形式退化图像 原图像 * 退化函数 噪声。复习噪声模型时重点掌握四种高斯噪声最常见电子器件和自然条件导致每个像素叠加一个高斯分布的随机值直方图像钟形。椒盐噪声随机出现纯白或纯黑的点像撒了盐和胡椒空间上随机分布。瑞利噪声常与小范围不均匀、阴影等有关直方图右偏。均匀噪声直方图在某个区间内均匀分布。5.2 去噪与复原方法的选型思路空间域去噪复用第三章的滤波概念高斯噪声用均值/高斯滤波比较合适椒盐噪声用中值滤波效果最好。频率域去噪用低通滤波可以压噪声但要注意保留边缘。再往前走一步就是逆滤波和维纳滤波。逆滤波的思路是在频域里把退化函数除掉原理简单但噪声会被放大得离谱因为噪声在分母上被放大了。维纳滤波引入信噪比约束在还原细节和抑制噪声之间找平衡公式形式上更复杂但你要抓住核心思想考试简答题基本围绕“维纳滤波相比逆滤波为什么更稳”展开。我的经验是复原这章不太会出特别复杂的计算题但一定会有一个概念对比题比如“比较图像增强与图像复原的区别”“说明逆滤波的局限与维纳滤波的改进思路”。备考时把每个方法一行的优缺点总结写进复习笔记答题才有货。6. 图像压缩信息冗余消除的艺术6.1 三种冗余是必背内容图像压缩的本质是消除冗余。教科书上常讲三种冗余名词解释和简答的两位常客编码冗余像素灰度值出现的概率不均匀时用等长编码比如每个像素固定8bit是浪费的。哈夫曼编码按概率分配码长大概率给短码、小概率给长码能显著降比特数。哈夫曼编码的构建过程是期末计算题的重点步骤不复杂统计概率、反复合并最小概率的两项、生成二叉树、按路径写码字。练一遍就够了。空间冗余图像里相邻像素往往很相似大背景区域都是一种颜色所以可以预测、差分编码只存和相邻像素的差值这就是预测编码的思路。时间冗余视频序列里相邻帧之间相似度高运动补偿就是利用这种冗余。这一点常出现在“视频压缩和图像压缩区别”的简答题里。6.2 有损与无损压缩的边界期末概念题喜欢问“哪些压缩方法是有损的哪些是无损的”我按类别整理了一个速查表复习时可以直接背压缩类型代表方法特点无损哈夫曼编码、游程编码、LZW解码后和原始图像完全一致常用于医学影像有损JPEG、预测编码、变换编码大幅压缩但存在细节损失视觉上未必看得出来JPEG的压缩流程要背清楚这是经典中的经典颜色空间转换RGB→YCbCr、下采样色度分量降低分辨率、DCT变换、量化、Z字形扫描、游程编码、哈夫曼编码。这几个步骤的先后顺序不能错简答题常考。让我用生活例子帮你理解无损压缩就像把一篇长文章里重复的词语换成缩写读回去还能还原有损压缩就像写摘要意思还在但细节丢了。JPEG就是写摘要的高手。6.3 游程长度编码的快速算法游程编码在文档和工程里都很实用考试计算题会给一串黑白像素序列要求写游程编码结果。规则很简单连续相同值的像素记成长度值。比如像素序列0 0 0 255 255 0 1 1 1 1 0游程编码是 (3,0)(2,255)(1,0)(4,1)(1,0)。注意必须说明每个二元组的含义先长度后值有些教材顺序相反考试时看清题目约定别在细节上丢分。7. 图像分割让计算机“认出来”的第一步7.1 阈值分割从全局到自适应阈值分割的原理一句话就能讲完设一个阈值T灰度小于T归为一类背景大于等于T归为另一类前景。但期末题目绝不会只考这句话真正的考点在阈值T怎么选。固定阈值图像灰度直方图有明显双峰谷底处就是合适阈值。适用于目标与背景对比强烈且光照均匀的场景。大津法Otsu自适应选出阈值使分割后的类间方差最大。这个方法已经写进各类图像处理库了但你得理解背后的思想好的阈值应该让前景和背景之间的差距尽可能大、各自内部尽可能均匀。迭代法先猜一个初始阈值按它把图像分成两类取两类的灰度均值的中点为新阈值迭代到收敛。复习建议是能默写大津法的基本流程并会判断什么场景适合阈值分割、什么场景不适合。采集环境光照不均、前景和背景灰度重叠时阈值分割会翻车这是分析题常给的反例。7.2 边缘检测三件套Sobel、Prewitt、Canny边缘检测是分割的先手操作考试重点集中在两点梯度算子的计算、Canny算法的流程优势。Sobel算子两个3×3模板一个检测水平方向变化一个检测垂直方向变化然后求梯度幅度的近似值。计算题会给一个3×3区域像素值让你用Sobel模板算中心像素的梯度值。步骤是套模板算卷积水平梯度Gx、垂直梯度Gy幅度通常取Gx的绝对值加Gy的绝对值。Prewitt算子与Sobel原理类似只是模板系数权重不同Prewitt对噪声更敏感Sobel因为中心加权更受推崇。Canny边缘检测这是分析题的高频话题。Canny的流程必须能完整写出先用高斯滤波平滑再计算梯度幅值和方向做非极大值抑制把非边缘点的响应压掉最后用双阈值连接边缘。Canny优于普通梯度的原因就是它既去噪又细化了边缘还通过双阈值解决断边问题。易错提醒算Sobel时水平模板检测的是图像水平方向上的变化对应的是竖直边缘垂直模板检测的是竖直方向上的变化对应水平边缘。这个对应关系弄反了是新手常见的错误。8. 形态学处理二值图像的积木游戏8.1 膨胀、腐蚀、开、闭四件套形态学处理对二值图像特别有效这部分理解“结构元素”是核心。结构元素就是一个小的形状模板如3×3方形、十字形在图像上滑动决定操作的效果。腐蚀结构元素完全覆盖前景像素时中心点才保留。效果是图像的前景区域收缩、小的突出被磨平、细小桥接断开。通俗理解就是把前景“削掉一层皮”。膨胀结构元素与前景任意重叠中心点就置为前景。效果是前景区域扩大、孔洞被填上、断裂的线段被连接。相当于把前景“糊厚一圈”。开运算 先腐蚀后膨胀。作用是去除小的噪声点、断开细连接同时保持主体大小不变。闭运算 先膨胀后腐蚀。作用是填补小的孔洞、连接断裂同时保持主体大小不变。期末喜欢考“开运算和闭运算分别适合什么场景”答案的核心是开运算去外部毛刺闭运算补内部空洞。两个操作都是先做破坏性操作再做恢复性操作顺序不能反。8.2 边界提取与组合应用一张二值图像的前景边界可以用“原图减去腐蚀图”获得。这个公式要背因为代码实验和笔试都可能考。边界提取的原理在于腐蚀会从各个方向把前景缩一圈原图里剩下没被腐蚀掉的部分恰好是一个像素宽的边界。几个形态学组合应用场景也经常出现在案例分析里指纹去噪分割后细小断线可用闭运算连接。细胞计数相邻细胞粘连时可先腐蚀让它们分开再做连通域标记。文字识别前处理扫描文档图像里的孤立噪点用开运算去掉。复习形态学时我建议把结构元素画在草稿纸上亲手模拟一次膨胀和腐蚀比死背定义管用得多。9. 期末计算与简答题的高频题型总结9.1 必练的六类计算题经过大量真题观察数字图像处理期末计算题几乎逃不出这几类每类练两道题就能稳住图像数据量计算灰度/彩色、无压缩/有压缩注意通道和单位换算。直方图均衡化写统计表、累计分布、映射关系、输出直方图。空间滤波卷积给模板和局部像素值计算输出灰度。哈夫曼编码构造二叉树、写出各灰度级码字、计算平均码长。阈值分割/边缘检测用Otsu思路选阈值或用Sobel模板算梯度。形态学操作给定结构元素写出腐蚀或膨胀后的结果图。练题时要动手画图别只在脑子里推演。边缘检测、形态学这类题草图一画答案基本就出来了。9.2 简答题的“三步答题法”简答题是丢分重灾区很多同学不是不懂而是写得太散。我总结了一个三步答题套路第一步下定义直接回答“是什么”一两句话讲清楚。 第二步讲原理说明它怎么做、核心步骤或公式是什么。 第三步说用途/比较它适合什么场景或者它相比其他方法的优劣。拿“什么是中值滤波”举例中值滤波是一种非线性空间滤波方法定义它把邻域内像素按灰度排序取中间值作为输出原理它对椒盐噪声效果显著且能较好保持边缘但处理高斯噪声效果一般用途。这样一答阅卷老师能快速找到采分点分数自然高。9.3 分析题不丢分的答题策略分析题通常给一张图像问“你会用什么方法处理给出完整流程”。这类题没有标准唯一答案但阅卷看的是流程是否合理、理由是否充分。我建议按三步来答第一步看问题先判断图像存在什么问题——噪声模糊对比度低目标不清晰第二步选方法针对问题选方法并解释为什么。比如“图像有椒盐噪声所以用中值滤波因为它对这类噪声抑制效果好且能保留边缘”。第三步写完整流程比如“中值滤波去噪→直方图均衡化增强对比度→大津法阈值分割→形态学开运算去毛刺→得到目标区域”。流程完整比单一方法是否正确更重要。10. 考前两周的复习节奏安排10.1 时间分配建议如果现在距离考试还有两周我建议这样分配时间第1-5天过一遍课件和教材主攻第三章到第八章的算法流程与公式推导。重心放在直方图均衡化、滤波器、噪声模型、压缩编码、边缘检测这几块。用前面每一节的“必背”内容来筛知识点。第6-9天集中刷计算题和往年卷子。每天做两到三套重点训练做题速度和规范书写。这个阶段不必追求题量大而是要总结错题规律比如“老是忘记映射范围”“模板系数总是填错”。第10-12天背简答题和名词解释每天早晚各背一轮。把前面整理的定义、优缺点、流程按“三步答题法”写成自己的话不建议原封不动背PPT背自己的总结更容易记住。最后2天只看复习笔记和错题不动新题。目的是让大脑“稳”住考试时状态不掉线。10.2 考场上的时间分配与书写技巧数字图像处理的题量往往不小计算题和分析题都很耗时间。我的建议是名词解释和简答控制在45分钟内答完计算题每道控制在15分钟内分析和设计题最后答。先拿稳分的再攻难度高的。书写方面有几个细节很关键直方图均衡化的表格一定要写完整中间各列像素个数、概率、累计概率、映射灰度都要列出来缺列会扣过程分。滤波计算题的卷积过程要写清楚“模板与邻域逐项相乘再求和”哪怕结果算错了阅卷也能给过程分。画频谱图或滤波结果示意图时标清坐标轴含义别画一个没有注释的框。10.3 一页纸“考前速记清单”的制作方法最后分享一个我在期末复习时一直用的方法考前整理一页A4纸的速记清单只写关键词、公式骨架、易错提醒。内容大概包括数据量公式宽 × 高 × 通道 × 位深 / 8。直方图均衡化4步统计、概率、累计、映射。中值滤波适用场景椒盐噪声。开运算与闭运算的口诀开去外部毛刺闭补内部空洞。大津法目标类间方差最大。哈夫曼编码要点概率大的码长短。简答题三步法定义、原理、用途。考前最后一天只看这张纸不再翻书。我第一次这么操作时特别担心漏知识点但实际效果远比抱着厚厚课件焦虑好得多考场上看到题目时那些关键词会迅速帮你定位到具体的解题流程。这个习惯我后来带到其他课程复习里也一直在用屡试不爽。