数字图像处理概述

图像处理的两个重要应用领域：（1）改善图像信息以便于人类理解  （2）为了方便存储、传输和表示而对图像进行处理，从而达到便于及其自动识别的目的。

 

什么是图像处理

 

简单来说，一幅图像可以认为就是一个二维函数f(x,y)，x，y表示位置，函数值就表示该位置处的图像的灰度值或者是强度。当，x，y , f 都是离散值的时候，我们将该图像称为数字图像，也就是说灰度值是由有限数量的组成的，每个灰度值都有其特定的位置和幅值。数字图像处理就是指我们使用计算机来处理这些数字图像。

 

图像处理具体止步于哪些领域或者其他相关领域（比如图像分析或者是计算机视觉）从哪里开始，并没有一致的看法。有时，用输入和输出都是图像这一规范来对数字图像处理的范围进行界定。这是人为的认定，其实并不准确，比如，在这种定义下，连求一幅图像的平均值（输出是一个数）都不能算是图像处理的范围。

计算机视觉的目标是使用计算机来模拟人的视觉，包括理解并且根据输入采取行动。图像分析领域则是处在图像处理和计算机视觉之间。

从图像处理到计算机视觉这个连续的统一体并没有明确的界限。一种有用的做法是在这个连续的统一体中考虑三种典型的计算处理，即低级、中级、高级处理。低级处理涉及一些基本操作，比如图像降噪，对比度增强，图像锐化等，低级处理输入和输出都是图像为特征。中级处理涉及的范围比较广，如对图像进行分割（将图像不同的区域或者目标分离），而后对不同的目标进行分类，中级处理是以图像作为输入，但是输出是从这些图像中提取到不同特征，比如图像的轮廓信息，各个物体的标识。而高级图像处理涉及到“理解”图像上的内容，形成一些认知功能。

 

本书中，将数字图像处理的范围界定为，输入和输出都是图像的处理，也包括从图像中提取特征的处理，也包括图像中各个目标的识别。

 

数字图像处理的起源

 

数字图像最早的应用是在报纸行业，图像第一次通过海底电缆从伦敦传到纽约。这种传输方法需要使用特殊的设备对图像进行编码，然后接收端对图像进行解码。

早期的图像使用5个不同的灰度级来编码图像                   使用15个灰度级

以上的例子涉及数字图像，但是并不涉及数字图像的处理，因为创建这些图像时，并没有涉及计算。数字图像处理的历史与计算机的发展高度相关。因为数字图像要求非常大的存储和计算能力，因此数字图像处理领域的发展必须依靠数字计算机及数据存储、显示、和传输等相关支撑技术的发展。

 

第一台足以强大到足以执行有意义的图像处理任务的大型计算机出现在20世界60年代，使用计算机技术改善空间探测器发回的图像，以校正航天器上电视摄像机中各种类型的图像畸变。此后，图像处理领域蓬勃发展，除了医学和空间项目外，计算法方法用于增强对比度或将灰度编码为彩色，以便于解释工业、医学及生物科学等领域中的X射线和其他图像。图像复原用于处理不可修复物体的退化图像，比如在考古领域，使用图像处理方法成功复原模糊的图像。其他更多领域不举例了。

上面的这些例子说明图像处理的结果是便于人类理解。数字图像处理的第二个主要应用领域是解决机器感知问题。在这种情况下，是为了更加适合于计算机处理的形式从图中提取信息的过程，这种信息类似于人类用于解释一幅图像内容的视觉特性。比如说，机器感知中，使用的信息类型通常有统计矩、傅里叶变换系数和多维距离度量。

 

数字图像处理的基本步骤

图像获取： 这个阶段通常还包括图像的预处理，比如图像的缩放。

 

图像增强： 对图像进行某种操作，使得其结果在特定应用中比原来的图像更合适，注意增强技术是建立在面向特定问题的基础上的。不同类型的图像，使用的增强方法不同，比如用于增强X射线得到的图像的方法就不适合于用来增强红外线获取到的卫星图像。图像的增强是一个主观的任务，观察者就是特殊方法工作的好坏的最终裁判者。

 

图像复原： 是改善图像外观的处理领域，与图像增强不同，图像增强是主观的，但是图像复原是客观的，复原的技术倾向于以图像退化的数学或者是概率模型为基础。

 

彩色图像处理：彩色图像处理已经成为一个重要领域，因为互联网上图像的使用不断增长。

 

小波与多分辨率处理：小波是以不同分辨率来描述图像的基础。特别是图像的压缩和金字塔表示中使用了小波，此时，图像被成功地细分为较小的区域。大多数计算机用户都熟悉图像压缩所使用的图像文件扩展名，比如，JPEG图像压缩标准。

 

形态学处理：涉及提取提取图像分量的工具，这些分量在表示和描述形状方面都很有用。这也是从输出图像处理到输出图像属性转化的开始。

 

图像分割： 将一幅图像划分为它的组成部分或者是目标。自动分割是数字图像处理中最困难的任务之一。很弱且不稳定的图像分割算法几乎总是导致最终失败。通常，分割越准确，识别越成功。

 

图像表示和描述： 这个阶段几乎总是在分割阶段的输出之后，通常分割的输出是未加工的像素数据，这写数据要么是构成一个区域的边界，要么是构成该区域的所有的点。首先，必须确定数据是应该表示成一条边界还是表示成一个区域。如果关注的是外部形状特征，比如说是角点和拐点，那么表示为边界是合适的。如果关注的是内部的特征，那么，比如纹理和骨架，那么表示为区域是比较合适的。这些表示都是解决把原始数据转化成适合计算机进行后续处理的形式的一部分。描述又称为特征许三责，涉及提取特征，它可得到某些感兴趣的定量信息，是区分一组目标与另一组目标的基础。

目标识别：基于目标的描述给目标赋予特定的标识的过程。