Python与图像处理8

1. 图像匹配，图像配准，图像融合，图像拼接

解析：

（1）图像匹配：图像匹配是指在一个大的图像区域寻找一个合适的子区域，与目标相似。

（2）图像配准：图像配准是指将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。上述配准技术的流程如下：首先对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对得到图像空间坐标变换参数；最后由坐标变换参数进行图像配准。

（3）图像融合：图像融合由低到高分为三个层次：数据级融合（像素级融合）、特征级融合、决策级融合。

（4）图像拼接：图像拼接是指将数张有重叠部分的图像（可能是不同时间、不同视角或者不同传感器获得的）拼成一幅大型的无缝高分辨率图像的技术。

（5）图像对齐：找出两幅图像之间最优的空间位置和色彩之间的变换关系，使一幅图像中的点最优地映射到另一幅图像中。它是图像拼接过程中的主要任务。

说明：准确的特征提取是图像匹配的基础，图像配准是图像融合的基础，图像配准和图像融合是图像拼接的两个关键技术，相邻图像的配准及拼接是全景图生成技术的关键。

2. 合成孔径雷达

解析：合成孔径雷达就是利用雷达与目标的相对运动把尺寸较小的真实天线天线 的供应商孔径用数据处理的方法合成一较大的等效天线孔径的雷达。合成孔径雷达的特点是分辨率高，能全天候工作，能有效地识别伪装和穿透掩盖物。

3. 计算层析成像光谱技术

解析：计算层析成像光谱技术（computed tomography imaging spectrometer, CTIS）借用计算机断层扫描的原理，与成像光谱技术相结合，探测目标数据立方体的一个投影或者多个投影方向的投影图像，然后由这些投影图像重建目标的光谱信息和空间图像信息。它在光谱与图像的快速探测、无视场扫描、高通量、性能稳定等方面具有显著特征，可应用在诸多领域。

4. 流形

解析：流形是局部具有欧几里得空间性质的空间，流形在数学中用于描述几何形体，物理上经典力学的相空间和构造广义相对论的时空模型的四维伪黎曼流形都是流形的实例。

5. 伪彩色和直接色

解析：

（1）伪彩色：伪彩色图像是指每个像素的颜色不是由每个基色分量的数值直接决定，而是把像素值当作彩色查找表（color look-up table，CLUT）的表项入口地址，去查找一个显示图像时使用的R，G，B强度值，用查找出的R，G，B强度值产生的彩色称为伪彩色。

（2）直接色：直接色是指每个像素值分成R，G，B分量，每个分量作为单独的索引值对它做变换。也就是通过相应的彩色变换表找出基色强度，用变换后得到的R，G，B强度值产生的彩色称为直接色。它的特点是对每个基色进行变换。

说明：高斯低通就是高斯模糊，高斯高通就是高斯锐化。

6. 三基色原理

解析：

三基色是指红，绿，蓝三色，人眼对红、绿、蓝最为敏感，大多数的颜色可以通过红、绿、蓝三色按照不同的比例合成产生。同样绝大多数单色光也可以分解成红绿蓝三种色光。这是色度学的最基本原理，即三基色原理。红绿蓝三基色按照不同的比例相加合成混色称为相加混色，除了相加混色法之外还有相减混色法，可根据需要相加相减调配颜色。

7. ORB特征

解析：ORB（Oriented FAST and Rotated BRIEF)是一种特征检测算子，其特征点的性能介于SIFT和SURF之间，但是其速度是SURF算法速度的10倍。

8. 广角镜头和鱼眼镜头

解析：

（1）广角镜头：广角镜头是一种焦距短于标准镜头、视角大于标准镜头、焦距长于鱼眼镜头、视角小于鱼眼镜头的摄影镜。广角数码相机的镜头焦距很短，视角较宽，而景深却很深，比较适合拍摄较大场景的照片，如建筑、风景等题材。

（2）鱼眼镜头：鱼眼镜头是一种焦距为16mm或更短的并且视角接近或等于180°的镜头。它是一种极端的广角镜头，属于超广角镜头中的一种特殊镜头，它的视角力求达到或超出人眼所能看到的范围。

9. 色差

解析：色差又称色像差，是透镜成像的一个严重缺陷，色差简单来说就是颜色的差别，发生在以多色光为光源的情况下，单色光不产生色差。可见光的波长范围大约400至700纳米，不同波长的光，颜色各不相同，其通过透镜时的折射率也各不相同，这样物方一个点，在像方则可能形成一个色斑。色差一般有位置色差，放大率色差。位置色差使像在任何位置观察，都带有色斑或晕环，使像模糊不清，而放大率色差使像带有彩色边缘。光学系统最主要的功能就是消色差。

10. 显色性和光谱

解析：

（1）显色性：显色性就是指不同光谱的光源照射在同一颜色的物体上时，所呈现不同颜色的特性。通常用显色指数（Ra）来表示光源的显色性。光源的显色指数愈高，其显色性能愈好。比如，白炽灯的Ra为97。

（2）光谱：光谱（spectrum）是复色光经过色散系统（比如棱镜、光栅）分光后，被色散开的单色光按波长（或频率）大小而依次排列的图案，全称为光学频谱。

11. 转动惯量

解析：转动惯量是刚体绕轴转动时惯性（回转物体保持其匀速圆周运动或静止的特性）的量度，表征刚体转动惯性大小的物理量，它与刚体的质量、质量相对于转轴的分布有关。比如，对于一个质点，，m是其质量，r是质点和转轴的垂直距离。

12. 加性噪声和乘性噪声

解析：加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在。而乘性噪声一般由信道不理想引起，它们与信号的关系是相乘，信号在它在，信号不在它也就不在。一般通信中把加性随机性看成是系统的背景噪声；而乘性随机性看成系统的时变性（比如衰落或者多普勒）或者非线性所造成的。

13. 谐波

解析：谐波是一个数学或物理学概念，是指周期函数或周期性的波形中能用常数、与原函数的最小正周期相同的正弦函数和余弦函数的线性组合表达的部分。

14. cv2.calcHist() [4]

解析：cv2:calcHist(images; channels; mask; histSize; ranges[; hist[; accumulate]])

（1）images：原图像（图像格式为uint8或float32）。当传入函数时应该用中括号括起来。比如，[img]。

（2）channels：如果输入图像是灰度图，它的值就是[0]；如果是彩色图像，传入的参数可以是[0]，[1]，[2]，它们分

别对应着通道B，G，R。

（3）mask：掩模图像。要统计整幅图像的直方图就把它设为None。如果要统计图像中某一部分的直方图，就需要制

作一个掩模图像，并使用它。

（4）histSize：BIN的数目，也应该使用中括号括起来。

（5）ranges：像素值的范围。 

说明：Numpy中的np.histogram()也可以实现统计直方图；cv2.equalizeHist()可以实现直方图均衡化，它的输入图像

是灰度图像，输出结果是直方图均衡化后的图像。in是英寸，ft是英尺，它们和厘米的换算方程1英寸(in)=2.54厘米

(cm)，1英尺(ft)=30.48厘米(cm)。

15. 白噪声和高斯白噪声

解析：

（1）白噪声：功率谱密度在整个频域内均匀分布的噪声。所有频率具有相同能量密度的随机噪声称为白噪声。

（2）高斯白噪声：如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯

白噪声。热噪声和散粒噪声是高斯白噪声。

16. VS 2013和DirectX 9.0

解析：
（1）包含目录：D:\Program Files (x86)\Microsoft DirectX SDK (June 2010)\Include。

（2）库目录：D:\Program Files (x86)\Microsoft DirectX SDK (June 2010)\Lib\x86。

（3）链接器 -> 附加依赖项：d3d9.lib；d3dx10d.lib；d3dx9d.lib；dxerr.lib；dxguid.lib；winmm.lib；comctl32.lib。

17. 多类分类，多标签分类，多示例学习，多任务学习

解析：

（1）多类分类：一个样本属于且只属于多个类中的一个，一个样本只能属于一个类，不同类之间是互斥的。

（2）多标签分类：多标签分类又称多标签学习、多标记学习，不同于多类分类，一个样本可以属于多个类别（或标

签），不同类之间是有关联的。

（3）多示例学习：在多示例学习中，训练集由若干个具有概念标记的包组成，每个包包含若干没有概念标记的示

例。若一个包中至少有一个正例，则该包被标记为正，若一个包中所有示例都是反例，则该包被标记为反。通过对训

练包的学习，希望学习系统尽可能正确地对训练集之外的包的概念标记进行预测。 

（4）多任务学习：多任务学习是一种联合学习，多个任务并行学习，结果相互影响。目前多任务学习大致可分为两

类，一是不同任务之间共享相同的参数，二是挖掘不同任务之间隐藏的共有数据特征。

18. PLY文件格式

解析：PLY文件格式是Stanford大学开发的一套三维mesh模型数据格式。

19. HSI颜色模型

解析：HSI色彩空间是从人的视觉系统出发，用色调（Hue）、色饱和度（Saturation或Chroma）和亮度（Intensity或

Brightness）来描述色彩。HSI模型的建立基于两个重要的事实：I分量与图像的彩色信息无关；H和S分量与人感受颜

色的方式是紧密相联的。这些特点使得HSI模型非常适合彩色特性检测与分析。

20. 亚像素

解析：在两个物理像素之间还有像素，称之为亚像素（Sub-Pixel），它完全是通过计算方法得出来的。比如，如果一

张5x5像素的图像选择了四分之一的亚像素精度之后，就等于创建了一张20x20的离散点阵，进而对该点阵进行插值。

21. 多媒体数据格式

解析：

（1）图像格式：RAW格式；BMP格式；PCX格式；TIFF格式；GIF格式；JPEG格式；TGA格式；EXIF格式；FPX

格式；SVG格式；PSD格式；CDR格式；PCD格式；DXF格式；UFO格式；EPS格式；PNG格式。

（2）音频格式：CD；WAVE；AIFF；AU；MPEG；MP3；MPEG-4；MIDI；WMA；RealAudio；VQF；

OggVorbis；AMR。

（3）视频格式：MPEG/MPG/DAT；AVI；MOV；ASF；WMV；NAVI；3GP；REAL VIDEO（RA、RAM）；

MKV；FLV；F4V；RMVB；WebM；QSV；RM；VCD/SVCD；VOB；MP4；ASF。

22. 恢复分层法

解析：伪彩色处理的基本原理是将黑白图像或者单色图像的各个灰度级匹配到彩色空间中的一点，从而使单色图像映

射成彩色图像，对黑白图像中不同的灰度赋予不同的彩色。伪彩色图像处理技术已经被广泛应用于遥感和医学图像处

理中，比如它适用于航摄、遥感图片和云图判读、X光片等方面。伪彩色处理技术的实现方法有多种，比如密度分层

法、灰度级-彩色变换法、频域滤波法等。灰度分层（也称密度分层）是伪彩色图像处理的最简单的例子之一，是一种

用于图像密度分层显示的彩色增强技术。

23. PyWavelets：Discrete Wavelet Transform in Python

解析：PyWavelets安装方式pip install PyWavelets。

（1）1D，2D and nD Forward and Inverse Discrete Wavelet Transform (DWT and IDWT)

（2）1D，2D and nD Multilevel DWT and IDWT

（3）1D and 2D Stationary Wavelet Transform (Undecimated Wavelet Transform)（稳态小波变换）

（4）1D and 2D Wavelet Packet decomposition and reconstruction（小波包分解重构）

（5）1D Continuous Wavelet Transform

（6）Computing Approximations of wavelet and scaling functions

（7）Over 100 built-in wavelet filters and support for custom wavelets

（8）Single and double precision calculations

（9）Real and complex calculations

（10）Results compatible with Matlab Wavelet Toolbox (TM) 

说明：成像应用中能以小波的观点来解决的问题包括图像匹配、配准、分割、降噪、复原、增强、压缩、形态滤波和

计算机断层等。

24. 人脸数据库

解析：ORL数据库，Yale数据库，Feret数据库，MIT数据库等。

25. 计算摄影学

解析：计算摄影学是一门将计算机视觉、数字信号处理、图形学等深度交叉的新兴学科，旨在结合计算、数字传感

器、光学系统和智能光照等技术，从成像机理上来改进传统相机，并将硬件设计与软件计算能力有机结合，突破经典

成像模型和数字相机的局限性，增强或者扩展传统数字相机的数据采集能力，全方位地捕捉真实世界的场景信息。

参考文献：

[1] 图像拼接算法：http://wenku.baidu.com/link?url=-vUHQQoiULYOjFEK3sqPrGrU5W1y6W_rFNlNVZ7-sl-LCmqyNX8ldyNORZnGzDenjRH_kt68d_AmNkYg9rzFc8A-CuFZcKcTQGuacR4jH8y

[2] 层析成像：http://wenku.baidu.com/link?url=t9YN_hKknheYIVraQKgekJNz6ZITFVOweVAbl5Hzd7RXY-kKMbJ9JNmJc8CFDncZInCkAZIuczImzaPMThWyJGIDWhYaMtC24zKqic4nROS

[3] 三基色原理：http://baike.baidu.com/link?url=7roOaDTwiv_AlDBMTeKaqshhDxqhdKHUwlqoSKekeXUc8t1Ep34yrDOnbOOz3brjoXIdayGJV8Tx1GE3ey06HFVurDx82ont1r5t3fRPbG7XvFM159P5jKI_cXYHbPIabKMF5tKhSypoDmYcnfLiRK

[4] 直方图计算：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/histogram_calculation/histogram_calculation.html