圖像處理的兩個重要應(yīng)用領(lǐng)域：（1）改善圖像信息以便于人類理解 ?（2）為了方便存儲、傳輸和表示而對圖像進行處理，從而達到便于及其自動識別的目的。

?

什么是圖像處理

?

簡單來說，一幅圖像可以認為就是一個二維函數(shù)f(x,y)，x，y表示位置，函數(shù)值就表示該位置處的圖像的灰度值或者是強度。當，x，y , f 都是離散值的時候，我們將該圖像稱為數(shù)字圖像，也就是說灰度值是由有限數(shù)量的組成的，每個灰度值都有其特定的位置和幅值。數(shù)字圖像處理就是指我們使用計算機來處理這些數(shù)字圖像。

?

圖像處理具體止步于哪些領(lǐng)域或者其他相關(guān)領(lǐng)域（比如圖像分析或者是計算機視覺）從哪里開始，并沒有一致的看法。有時，用輸入和輸出都是圖像這一規(guī)范來對數(shù)字圖像處理的范圍進行界定。這是人為的認定，其實并不準確，比如，在這種定義下，連求一幅圖像的平均值（輸出是一個數(shù)）都不能算是圖像處理的范圍。

計算機視覺的目標是使用計算機來模擬人的視覺，包括理解并且根據(jù)輸入采取行動。圖像分析領(lǐng)域則是處在圖像處理和計算機視覺之間。

從圖像處理到計算機視覺這個連續(xù)的統(tǒng)一體并沒有明確的界限。一種有用的做法是在這個連續(xù)的統(tǒng)一體中考慮三種典型的計算處理，即低級、中級、高級處理。低級處理涉及一些基本操作，比如圖像降噪，對比度增強，圖像銳化等，低級處理輸入和輸出都是圖像為特征。中級處理涉及的范圍比較廣，如對圖像進行分割（將圖像不同的區(qū)域或者目標分離），而后對不同的目標進行分類，中級處理是以圖像作為輸入，但是輸出是從這些圖像中提取到不同特征，比如圖像的輪廓信息，各個物體的標識。而高級圖像處理涉及到“理解”圖像上的內(nèi)容，形成一些認知功能。

?

本書中，將數(shù)字圖像處理的范圍界定為，輸入和輸出都是圖像的處理，也包括從圖像中提取特征的處理，也包括圖像中各個目標的識別。

?

數(shù)字圖像處理的起源

?

數(shù)字圖像最早的應(yīng)用是在報紙行業(yè)，圖像第一次通過海底電纜從倫敦傳到紐約。這種傳輸方法需要使用特殊的設(shè)備對圖像進行編碼，然后接收端對圖像進行解碼。

早期的圖像使用5個不同的灰度級來編碼圖像 ??????????????????使用15個灰度級

以上的例子涉及數(shù)字圖像，但是并不涉及數(shù)字圖像的處理，因為創(chuàng)建這些圖像時，并沒有涉及計算。數(shù)字圖像處理的歷史與計算機的發(fā)展高度相關(guān)。因為數(shù)字圖像要求非常大的存儲和計算能力，因此數(shù)字圖像處理領(lǐng)域的發(fā)展必須依靠數(shù)字計算機及數(shù)據(jù)存儲、顯示、和傳輸?shù)认嚓P(guān)支撐技術(shù)的發(fā)展。

?

第一臺足以強大到足以執(zhí)行有意義的圖像處理任務(wù)的大型計算機出現(xiàn)在20世界60年代，使用計算機技術(shù)改善空間探測器發(fā)回的圖像，以校正航天器上電視攝像機中各種類型的圖像畸變。此后，圖像處理領(lǐng)域蓬勃發(fā)展，除了醫(yī)學(xué)和空間項目外，計算法方法用于增強對比度或?qū)⒒叶染幋a為彩色，以便于解釋工業(yè)、醫(yī)學(xué)及生物科學(xué)等領(lǐng)域中的X射線和其他圖像。圖像復(fù)原用于處理不可修復(fù)物體的退化圖像，比如在考古領(lǐng)域，使用圖像處理方法成功復(fù)原模糊的圖像。其他更多領(lǐng)域不舉例了。

上面的這些例子說明圖像處理的結(jié)果是便于人類理解。數(shù)字圖像處理的第二個主要應(yīng)用領(lǐng)域是解決機器感知問題。在這種情況下，是為了更加適合于計算機處理的形式從圖中提取信息的過程，這種信息類似于人類用于解釋一幅圖像內(nèi)容的視覺特性。比如說，機器感知中，使用的信息類型通常有統(tǒng)計矩、傅里葉變換系數(shù)和多維距離度量。

?

數(shù)字圖像處理的基本步驟

圖像獲取： 這個階段通常還包括圖像的預(yù)處理，比如圖像的縮放。

?

圖像增強： 對圖像進行某種操作，使得其結(jié)果在特定應(yīng)用中比原來的圖像更合適，注意增強技術(shù)是建立在面向特定問題的基礎(chǔ)上的。不同類型的圖像，使用的增強方法不同，比如用于增強X射線得到的圖像的方法就不適合于用來增強紅外線獲取到的衛(wèi)星圖像。圖像的增強是一個主觀的任務(wù)，觀察者就是特殊方法工作的好壞的最終裁判者。

?

圖像復(fù)原： 是改善圖像外觀的處理領(lǐng)域，與圖像增強不同，圖像增強是主觀的，但是圖像復(fù)原是客觀的，復(fù)原的技術(shù)傾向于以圖像退化的數(shù)學(xué)或者是概率模型為基礎(chǔ)。

?

彩色圖像處理：彩色圖像處理已經(jīng)成為一個重要領(lǐng)域，因為互聯(lián)網(wǎng)上圖像的使用不斷增長。

?

小波與多分辨率處理：小波是以不同分辨率來描述圖像的基礎(chǔ)。特別是圖像的壓縮和金字塔表示中使用了小波，此時，圖像被成功地細分為較小的區(qū)域。大多數(shù)計算機用戶都熟悉圖像壓縮所使用的圖像文件擴展名，比如，JPEG圖像壓縮標準。

?

形態(tài)學(xué)處理：涉及提取提取圖像分量的工具，這些分量在表示和描述形狀方面都很有用。這也是從輸出圖像處理到輸出圖像屬性轉(zhuǎn)化的開始。

?

圖像分割： 將一幅圖像劃分為它的組成部分或者是目標。自動分割是數(shù)字圖像處理中最困難的任務(wù)之一。很弱且不穩(wěn)定的圖像分割算法幾乎總是導(dǎo)致最終失敗。通常，分割越準確，識別越成功。

?

圖像表示和描述： 這個階段幾乎總是在分割階段的輸出之后，通常分割的輸出是未加工的像素數(shù)據(jù)，這寫數(shù)據(jù)要么是構(gòu)成一個區(qū)域的邊界，要么是構(gòu)成該區(qū)域的所有的點。首先，必須確定數(shù)據(jù)是應(yīng)該表示成一條邊界還是表示成一個區(qū)域。如果關(guān)注的是外部形狀特征，比如說是角點和拐點，那么表示為邊界是合適的。如果關(guān)注的是內(nèi)部的特征，那么，比如紋理和骨架，那么表示為區(qū)域是比較合適的。這些表示都是解決把原始數(shù)據(jù)轉(zhuǎn)化成適合計算機進行后續(xù)處理的形式的一部分。描述又稱為特征許三責，涉及提取特征，它可得到某些感興趣的定量信息，是區(qū)分一組目標與另一組目標的基礎(chǔ)。

目標識別：基于目標的描述給目標賦予特定的標識的過程。

?

?

?

總結(jié)

以上是生活随笔為你收集整理的数字图像处理概述的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。