发布时间：
太多了太多了 只贴一个把%Retinex的MSR实现图像增强的代码，可运行，f=imread('c.jpg');fr=f(:, :, 1); fg=f(:, :, 2); fb=f(:, :, 3);%RGB通道mr=mat2gray(im2double(fr)); mg=mat2gray(im2double(fg)); mb=mat2gray(im2double(fb));%数据类型归一化alf1=1458; %定义标准差alf=a^2/2 a=54n=161;%定义模板大小n1=floor((n+1)/2);%计算中心for i=1:n for j=1:n b(i,j) =exp(-((i-n1)^2+(j-n1)^2)/(4*alf1))/(pi*alf1); %高斯函数 endendnr1 = imfilter(mr,b,'conv', 'replicate');ng1 = imfilter(mg,b,'conv', 'replicate');nb1 = imfilter(mb,b,'conv', 'replicate');%卷积滤波ur1=log(nr1); ug1=log(ng1); ub1=log(nb1);tr1=log(mr);tg1=log(mg);tb1=log(mb);yr1=(tr1-ur1)/3;yg1=(tg1-ug1)/3;yb1=(tb1-ub1)/3;alf2=53.38; %定义标准差alf=a^2/2 a=10.3325x=31;%定义模板大小x1=floor((n+1)/2);%计算中心for i=1:n for j=1:n a(i,j) =exp(-((i-n1)^2+(j-n1)^2)/(4*alf2))/(6*pi*alf2); %高斯函数 endendnr2 = imfilter(mr,a,'conv', 'replicate');ng2 = imfilter(mg,a,'conv', 'replicate');nb2 = imfilter(mb,a,'conv', 'replicate');%卷积滤波ur2=log(nr2); ug2=log(ng2); ub2=log(nb2);tr2=log(mr);tg2=log(mg);tb2=log(mb);yr2=(tr2-ur2)/3;yg2=(tg2-ug2)/3;yb2=(tb2-ub2)/3;alf3=13944.5; %定义标准差alf=a^2/2 a=167l=501;%定义模板大小l1=floor((n+1)/2);%计算中心for i=1:n for j=1:n e(i,j) =exp(-((i-n1)^2+(j-n1)^2)/(4*alf3))/(4*pi*alf3); %高斯函数 endendnr3 = imfilter(mr,e,'conv', 'replicate');ng3 = imfilter(mg,e,'conv', 'replicate');nb3 = imfilter(mb,e,'conv', 'replicate');%卷积滤波ur3=log(nr3); ug3=log(ng3); ub3=log(nb3);tr3=log(mr);tg3=log(mg);tb3=log(mb);yr3=(tr3-ur3)/3;yg3=(tg3-ug3)/3;yb3=(tb3-ub3)/3;dr=yr1+yr2+yr3;dg=yg1+yg2+yg3;db=yb1+yb2+yb3;cr=im2uint8(dr); cg=im2uint8(dg); cb=im2uint8(db);z=cat(3, cr, cg, cb); figure, imshow(z)
这篇博客介绍两篇基于多图像融合的低亮度图片增强算法： 基于多图像融合的低亮度质量评价算法主要考虑融合多幅图片来进行低亮度图片的增强。 由Retinex理论：其中 是亮度分量， 是RGB通道上的反射分量， 是待增强的分量。 首先，使用RGB通道上每个pixel的最大值最为亮度分量的一个估计值。因为图像的亮度分量一般是局部光滑的，所以文章中使用了形态学中的闭环操作来进一步估计亮度分量：公式中除以255是为了将亮度分量限制到了[0,1]，文章中选取了disk作为结构元素。 亮度分量通过guided filter来保持the shape of large contours：是中心在 上的窗口。 multi_fusion融合了多幅增强的亮度分量： 最后，权重由以下公式表示：文章中首先将各个亮度分量 通过Laplacian金字塔分解为多个尺度上特征图，将权重 使用高斯金字塔光滑过度的部分。 将第 金字塔层的图像进行融合：融合多个金字塔层的图像： 其中 是上采样操作。 最后增强的图片由下式得到：EFF考虑融合同一场景下不同曝光程度的图片来增强低亮度图片。 为了得到完美曝光的图片，Exposure Fusion框架融合了不同曝光的图片： 其中 是各个颜色通道上的不同曝光率下的图片， 为对应的权重。 由之前基于相机响应模型的低亮度图片增强算法，我们可以得到同一场景下，不同曝光率的图片间的转换公式：在这篇文章中，作者只考虑了两种曝光率的图片，第一种是低亮度下的图片，另一种是低亮度下的图片使用曝光增强后的图片。由于需要将曝光完好的像素赋予更大的权重，所以文章中使用图片的亮度分量作为权重： 其中 用来调节增强的程度 对于亮度分量的求解可参考原文或是之前介绍基于相机响应模型的低亮度图片增强算法的博客。 与之前介绍基于相机响应模型的低亮度图片增强算法的博客中一致：文章中首先排除了原图中曝光较好的像素点： 其中 只包含了曝光不足的像素点。 的亮度部分定义为：则对于曝光率增强后的亮度分量有：将曝光不足的像素点转化为曝光正常的像素点后，可以提供的信息应该变大，所以，这里使用了图片墒最大化来求解曝光比：则由 可得到增强后的图片。
这篇博客介绍一篇基于保持图像自然度的低亮度图片增强算法： 这篇文章主要主要有以下三个方面的工作： 作者提出用相对亮度顺序（the relative lightness order）来衡量图像的自然程度。相对亮度顺序可以用来表示光照的方向和光照的变化程度。 文章中定义了LOE来衡量增强图片 和 之间的亮度顺序差： 其中 为RGB channel中的最大值。 对于每个pixel ，其在原图和增强图中的相对的亮度顺序差定义为：其中 为异或操作。 最后，LOE定义为：文中首先选择了五个pixel的四连接域作为领域范围：对于在位置 的值 ， 表示领域内值为 的数量， 表示值为 和领域内值为 的数量在图片中所有位置的数量之和： 为了减少噪声的影响，使用局部的均值进行处理：Bright-Pass Filter定义为： 其中 为局部的一个patch，文中是用 ，权重 定义为：由Retinex理论， 其中 为每个channel的反射分量， 为亮度分量： 亮度分量可有Bright-Pass Filter获得：反射分量可由下式获得：文中使用了直方图规范化的方法进行亮度分量的增强。文中使用了对数变换：但文中表示对数变换会使所有图像的亮度变得非常相似，作者根据输入图片的灰度值分布，适当地增加了低灰度值的数量，所以，新的加权的直方图分布为：直方图的累积分布为：经过CDF of the specified histogram后的直方图， 为：然后求解 :最后，增强后的图片为：
Abstract: The image intensification is refers to in the enhancement image the useful information, it may be a distorted process, its goal is must strengthen the visual effect.Originally the sharp image will become clear or emphasized certain is interested the characteristic, suppresses is not interested the characteristic, causes it improvement picture quality, the rich information content, the enhancement imagery interpretation and the recognition effect imagery processing method. First chapter introduced the wavelet algorithm history and in the reality application first. Then analyzes several kind of wavelet transformations the method, including continual wavelet transformation, separate wavelet transformation and two-dimensional separate wavelet transformation. In this topic experiment, is precisely two-dimensional separate wavelet transformation which uses. Second chapter simply introduced the image intensification two kind of methods: Spatial domain ydo law and frequency range law. Will carry on about the image intensification further discussion in the third chapter under the MATLAB environment. Third chapter first makes the simple introduction to the MATLAB development and introduces it emphatically in various domains strong point. Then the key research image gradation level revises, and gives each algorithm the MATLAB procedure and the movement result. In deepening theory knowledge foundation further familiar MATLAB use. Finally enclosed experimental three sections of procedures: The two-dimensional separate wavelet transformation, and improves the visual quality based on the DWT image auto-adapted enhancement and outputs. Key words: Image intensification; MATLAB; Wavelet transformation; Separate wavelet transformation
图像增强的方法主要又两大类：空间域法和频率域法。
1、空间域法主要是在空间域直接对图像的灰度系数进行处理；
2、频率域法是在图像的某种变化域内，对图像的变化系数值进行某种修正，然后通过逆变换获得增强图像。频率域法属于间接增强的方法，低通滤波、同态图像增强均属于该类；空间域法属于直接增强的方法，它又可分为灰度级校正、灰度变换和直方图修正，直方图均衡属于空间域单点增强的直方图修正法。
扩展资料
遥感技术的应用是人类视觉在波谱范围上的扩展和从物体表面向内部的延伸。即使在可见光部分，人眼可区分的色彩约三千多种，但对于黑白图像，人眼能区分的灰度级只有二三十个；而在非可见光波段，需要将原始图像的灰度值转换到0～255灰度区间才有利于人眼观察。
但是如果以256个灰度级来描述一幅黑白遥感图像，我们获得的原始图像的灰度值很难均匀分布在0～255之间，而是常常集中在某一段灰度范围之内，图像的反差小，对比度差，不利于人眼的分辨，所以需要对遥感图像进行增强处理。
参考资料来源：百度百科—遥感图像处理
参考资料来源：知网—遥感图像增强方法的研究
中国知网（）上，你挑挑1. 数字图像增强技术在X线头影测量中的应用曹国刚,胡遒生,王林,鲍旭东 文献来自: 临床口腔医学杂志 2001年 第04期 CAJ下载 PDF下载也为医生完成这一工作提供了便利数字图像增强技术在X线头影测量中的应用@曹国刚!210096江苏南京$东南大学影像科学与技术实验室 @胡遒生$南京医科大学口腔医学院 @王林$南京医科大学口腔医学院 @鲍旭东 ...被引用次数: 6 文献引用-相似文献-同类文献2. 数字图像增强技术及其在VC++6.0下的实现夏明华,张炎生 文献来自: 成都信息工程学院学报 2002年 第04期 CAJ下载 PDF下载数字图像增强技术及其在VC++6.0下的实现@夏明华$湛江海洋大学海滨学院!广东524005 @张炎生$湛江海洋大学海滨学院 ... 空间域法论述了数字图像增强技术中涉及到的图像平滑、中值滤波、梯度锐化和拉普拉斯锐化等基本算法及其在VisualC++6 ...被引用次数: 10 文献引用-相似文献-同类文献3. 数字图像变换及信息隐藏与伪装技术丁玮,齐东旭 文献来自: 计算机学报 1998年 第09期 CAJ下载 PDF下载3按幻方的图像置乱变换以自然数1,2,…,n『为元素的n阶矩阵满足其中则称A为标准幻方.假定数字图像相应於n阶数字矩阵s ... 对数字图像矩阵B,注意B与A元素之间的对应关系,随A转换为人而把B中对应像素信息(灰度,RGB)做相应的移置,产生数字图像矩阵民,记为EB— BI,一般地,有E」B一B。例如,我们考虑一个由4X4像素组成的图像B, ...被引用次数: 193 文献引用-相似文献-同类文献4. 透射电子显微镜数字图像增强技术陈利永,叶锋,陈家祯,郑子华 文献来自: 福建师范大学学报(自然科学版) 2003年 第01期 CAJ下载 PDF下载原始图像和处理后图像的直方图透射电子显微镜数字图像增强技术@陈利永$福建师范大学计算机科学系!福建福州350007 @叶锋$福建师范大学计算机科学系 ...被引用次数: 2 文献引用-相似文献-同类文献5. 数字图像处理技术及其应用李红俊,韩冀皖 文献来自: 计算机测量与控制 2002年 第09期 CAJ下载 PDF下载模拟图像处理 (AnalogImageProcessing)和数字图像处理 (Dig italImageProcessing)。数字图像处理 ,通俗地讲就是利用计算机对图像进行处理。因此也称之为计算机图像处理 (C ... 图像理解[M].北京:国防科技大学出版社,1994. [5]A .罗森费尔德,等.数字图像分析[M ] ...被引用次数: 26 文献引用-相似文献-同类文献6. 棉铃虫数字图像增强技术的研究於新文,沈佐锐 文献来自: 走向21世纪的中国昆虫学——中国昆虫学会2000年学术年会论文集 2000年 CAJ下载棉铃虫数字图像增强技术的研究@於新文$西南林学院!昆明,650224 @沈佐锐$中国农业大学植保学院昆虫学系 ...被引用次数: 3 文献引用-相似文献-同类文献7. DSA数字减影系统中图像增强技术研究华如梅,沈大公 文献来自: 医学信息 1999年 第04期 CAJ下载 PDF下载对数放大和数字滤波算法。这两种算法是根据DSA系统产生减影图像的实际过程和实时性要求,对传统的数字图像增强算法进行改进而设计的,DSA系统采用这两种算法使减影图像基本达到平滑、清晰,并有较一致的对比度?...被引用次数: 2 文献引用-相似文献-同类文献8. 数字图像处理技术郑建英 文献来自: 内蒙古科技与经济 2002年 第05期 CAJ下载 PDF下载内蒙古呼和浩特 010000图像处理;;像素;;矩阵;;滤波本文概迷数字图像处理技术的发展,并讨论其迅速发展的原因,同时介绍了数字图像处理的主要内容和应用领域。[1]KennethR ...被引用次数: 9 文献引用-相似文献-同类文献9. 数字图像的自适应公开水印技术张军,王能超 文献来自: 计算机学报 2002年 第12期 CAJ下载 PDF下载我们将进一步研究基於多小波变换的性能更好的水印技术 .数字图像的自适应公开水印技术@张军$华中科技大学计算机学院!武汉430074 @王能超$华中科技大学计算机学院 ... 一种新的数字图像隐藏方法.计算机学报,2000,23(9):949-952) 11NiuXia-Mu,L uZhe-Ming,SunSheng-He ...被引用次数: 17 文献引用-相似文献-同类文献10. 数字图像的增强黄涛 文献来自: 肇庆学院学报 2004年 第02期 CAJ下载 PDF下载图像增强的目的在於采用一系列技术改善图像的视觉效果,提高图像的清晰度.数字图像增强的方法有频域处理法与空域处理法 ...被引用次数: 3 文献引用-相似文献-同类文献查数字图像 的定义搜数字图像 的学术趋势搜技术 的学术趋势翻译 数字图像增强技术 参考资料百度里面有更完善
图像增强的目的是改善图像的视觉效果或使图像更适合于人或机器的分析处理。通过图像增强可以减少图像噪声，提高目标与背景的对比度，亦可以强调或抑制图像中的某些细节。例如，消除照片中的划痕，改善光照不均匀的图像，突出目标的边缘等。
根据处理的空间可以将图像增强分为空域法和频域法，前者直接在图像的空间域（或图像空间）中对像素进行处理，后者在图像的变换域（即频域）内间接处理，然后经逆变换获得增强图像。空域增强可以分为点处理和区处理，频域增强可以分为低通滤波，高通滤波，带通滤波和同态滤波。
扩展资料
常用的图像增强处理方式包括灰度变换、直方图修正、图像锐化、噪声去除、几何畸变校正、频域滤波和彩色增强等。由于图像增强与感兴趣的物体特性、观察者的习惯和处理目的密切相关，尽管处理方式多种多样，但它带有很强的针对性。
因此，图像增强算法的应用也是有针对性的，并不存在一种通用的、适应各种应用场合的增强算法。于是，为了使各种不同特定目的的图像质量得到改善，产生了多种图像增强算法。这些算法根据处理空间的不同分为基于空间域的图像增强算法和基于变换域的图像增强算法。
基于空间域的图像增强算法又可以分为空域的变换增强算法、空域的滤波增强算法以及空域的彩色增强算法；基于变换域的图像增强算法可以分为频域的平滑增强算法、频域的锐化增强算法以及频域的彩色增强算法。
尽管各种图像增强技术已取得了长足的发展，形成了许多成熟、经典的处理方法，但新的增强技术依然在日新月异地发展完善，不断推陈出新，其中尤其以不引起图像模糊的去噪声方法（如空域的局部统计法）和新的频域滤波器增强技术（如小波变换，K－L变换等）最为引人瞩目。
参考资料来源：百度百科-图像增强
人类传递信息的主要媒介是语言和图像。据统计在人类接受的各种信息中视觉信息占80%，所以图像信息是十分重要的信息传递媒体和方式。图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示这六个部分。在实际应用中每个部分都有可能导致图像品质变差，使图像传递的信息无法被正常读取和识别。例如，在采集图像过程中由于光照环境或物体表面反光等原因造成图像整体光照不均，或是图像采集系统在采集过程中由于机械设备的缘故无法避免的加入采集噪声，或是图像显示设备的局限性造成图像显示层次感降低或颜色减少等等。因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一。图像增强处理是数字图像处理的一个重要分支。很多由于场景条件的影响图像拍摄的视觉效果不佳，这就需要图像增强技术来改善人的视觉效果，比如突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等，这些都有利于对图像中目标的识别、跟踪和理解。图像增强处理主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。这样使有用信息得到加强，从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。图像增强的应用领域也十分广阔并涉及各种类型的图像。例如，在军事应用中，增强红外图像提取我方感兴趣的敌军目标；在医学应用中，增强X射线所拍摄的患者脑部、胸部图像确定病症的准确位置；在空间应用中，对用太空照相机传来的月球图片进行增强处理改善图像的质量；在农业应用中，增强遥感图像了解农作物的分布；在交通应用中，对大雾天气图像进行增强，加强车牌、路标等重要信息进行识别；在数码相机中，增强彩色图像可以减少光线不均、颜色失真等造成的图像退化现象。图像工程是一门综合学科，它的研究内容非常广泛，覆盖面也很大。从1996年起，《中国图像图形学报》上连续刊登了对图像工程文献统计分类的综述文章。根据各文献的主要内容将其分别归入图像处理、图像分析、图像理解、技术应用和综述5个大类，并在此基础上对国内15种有关图像工程的重要中文期刊进行了各期刊各类文献的统计和分析。选取的刊物名有:《CT理论与应用研究》、《测绘学报》、《电子测量与仪器学报》、《电子学报》、《电子与信息学报》、《计算机学报》、《模式识别与人工智能》、《数据采集与处理》、《通信学报》、《信号处理》、《遥感学报》、《中国生物医学工程学报》、《中国体视学与图像分析》、《中国图象图形学报》、《自动化学报》。从中我们挑选了2005年至2009年的统计数据：在2005年的112期上发表的2 734篇学术研究和技术应用文献中，属于图像工程领域的文献有656篇。在2006年的112期上发表的3013篇学术研究和技术应用文献中，属于图像工程领域的文献有711篇。在2007年的118期上发表的3312篇学术强究和技术应用文献中，属于图像工程领域的文献有895篇。在2008年的120期上发表的3359篇学术研究和技术应用文献中，属于图像工程领域的文献有915篇，2009年的134期上发表的3604篇学术研究和技术应用文献中，有1008篇属于图像工程领域的文献。这些统计数据显示，无论是论文总数还是选取总数都是逐年增长的。论文总数的增长表明刊物的不断发展，选取总数的增加表明图像工程的研究和应用的不断壮大。据统计从1995年至2009年，发表图像处理的文章总计2720篇，占图像工程总体的33.1%；发表图像分析的文章总计2434篇，占图像工程总体的29.6%；发表图像理解的文章总计1192篇，占图像工程总体的14.5%；发表技术应用文章1797篇，占图像工程总体的21.9%；发表综述评论文章74篇，占图像工程总体的0.9%，其中关于图像增强技术方面的文章增长率尤其较高。因此图像增强技术在今后一段时间内仍将是一个热点。影响图像质量清晰程度有很多因素，室外光照度不均匀会造成图像灰度过于集中；摄像头获得的图像经过数/模转换，线路传输时都会产生噪声污染，图像质量不可避免降低，轻者变现为图像伴有噪点，难于看清图像细节；重者图像模糊不清，连大概物体面貌轮廓都难以看清。因此，对图像进行分析处理之前，必须对图像进行改善，即增强图像。图像增强并不考虑图像质量下降的原因，只是将图像中感兴趣的重要特征有选择性的突出出来，同时衰减不需要的特征，目的就是提高图像的可懂度。图像增强的方法分为空域法和频域法两种，空域法是对图像中的像素点进行操作，用公式描述如下：g(x,y)=f(x,y)*h(x,y)其中是f(x,y)原图像；h(x,y)为空间转换函数；g(x,y)表示进行处理后的图像。频域法是间接的处理方法，是先在图像的频域中对图像的变换值进行操作，然后变回空域。例如,先对图像进行傅里叶变化到频域，再对图像的频谱进行某种滤波修正，最后将修正后的图像进行傅里叶反变化到空域，以此增强图像。可用图1来描述该过程。
20世纪20年代图片第一次通过海底电缆从伦敦传往纽约。当时人们通过字符模拟得到中间色调的方法来还原图像。早期的图像增强技术往往涉及硬件参数的设置，如打印过程的选择和亮度等级的分布等问题。在1921年年底提出了一种基于光学还原的新技术。在这一时期由于引入了一种用编码图像纸带去调制光束达到调节底片感光程度的方法，使灰度等级从5个灰度级增加到15个灰度等级，这种方法明显改善了图像复原的效果。到20世纪60年代早期第一台可以执行数字图像处理任务的大型计算机制造出来了，这标志着利用计算机技术处理数字图像时代的到来。1964年，研究人员在美国喷气推进实验室(JPL)里使用计算机以及其它硬件设备，采用几何校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等增强方法对航天探测器“徘徊者7号”发回的几千张月球照片进行处理，同时他们也考虑太阳位置和月球环境的影响，最终成功地绘制出了月球表面地图。随后他们又对1965年“徘徊者8号”发回地球的几万张照片进行了较为复杂的数字图像处理，使图像质量进一步提高。这些成绩不仅引起世界许多有关方面的注意而且JPL本身也更加重视对数字图像处理地研究和设备的改进，并专门成立了图像处理实验室IPL。在IPL里成功的对后来探测飞船发回的几十万张照片进行了更为复杂的图像处理，最终获得了月球的地形图、彩色图以及全景镶嵌图。从此数字图像增强技术走进了航空航天领域。20世纪60年代末和20世纪70年代初有学者开始将图像增强技术用于医学图像、地球遥感监测和天文学等领域。X射线是最早用于成像的电磁辐射源之一，在1895年X射线由伦琴发现。20世纪70年代Godfrey N. Hounsfield先生和Allan M. Cormack教授共同发明计算机轴向断层技术：一个检测器围绕病人，并用X射线源绕着物体旋转。X射线穿过身体并由位于对面环中的相应检测器收集起来。其原理是用感知的数据去重建切片图像。当物体沿垂直于检测器的方向运动时就产生一系列的切片，这些切片组成了物体内部的再现图像。到了20世纪80年代以后，各种硬件的发展使得人们不仅能够处理二维图像，而且开始处理三维图像。许多能获得三维图像的设备和分析处理三维图像的系统已经研制成功了，图像处理技术得到了广泛的应用。进入20世纪90年代，图像增强技术已经逐步涉及人类生活和社会发展的各个方面。计算机程序用于增强对比度或将亮度编码为彩色，以便解释X射线和用于工业、医学及生物科学等领域的其他图像。地理学用相同或相似的技术从航空和卫星图像中研究污染模式。在考古学领域中使用图像处理方法已成功地复原模糊图片。在物理学和相关领域中计算机技术能增强高能等离子和电子显微镜等领域的实验图片。直方图均衡处理是图像增强技术常用的方法之一。1997年Kim 提出如果要将图像增强技术运用到数码相机等电子产品中，那么算法一定要保持图像的亮度特性。在文章中Kim提出了保持亮度特性的直方图均衡算法(BBHE)。Kim的改进算法提出后，引起了许多学者的关注。在1999年Wan等人提出二维子图直方图均衡算法(DSIHE)。接着Chen和Ramli提出最小均方误差双直方图均衡算法(MMBEBHE)。为了保持图像亮度特性，许多学者转而研究局部增强处理技术，提出了许多新的算法：递归均值分层均衡处理(RMSHE)、递归子图均衡算法(RSIHE)、动态直方图均衡算法(DHE)、保持亮度特性动态直方图均衡算法(BPDHE)、多层直方图均衡算法(MHE)、亮度保持簇直方图均衡处理(BPWCHE)等等。
在我看来这个题目不难。 题目是《图像增强方法研究》，顾名思义，在论文中，你主要是罗列各种的增强方法。最后做个总结即可。 至于编程语言c语言就可以了，还可以加上opencv，opencv是图像处理方面的一门语言，有很多现成的函数，可以直接调用，类似于matlab。可以和c语言混合编程，很好用。 因为你是写论文吗，用到的数学知识也不会有多高深，总之这个题目不难做。