数字图像处理
数字图像处理技术的发展显着，在过去十年，越来越多的信息正通过它的显示和分析传达。 The way in which image data is stored and processed is fundamental to all aspects of information technology.在其中的图像数据存储和处理方式的根本，信息技术的所有方面。 Examples include remote sensing using digital satellites; making diagnoses using conventional X-ray computed tomography; and research into the behavior of the human brain using magnetic resonance imaging.例子包括利用数字遥感卫星，使诊断使用传统的X射线计算机断层扫描，走进人类使用磁共振成像大脑行为和研究。 This book consists of twenty-one papers that collectively cover a broad range of image processing problems and the way in which their solutions are used in different areas of science and technology.这本书由二零零一年论文，涵盖了共同的问题和图像处理的方式，他们的解决方案是在科学和技术的不同领域中使用广泛。 The papers present details of the ways computers of varying processing power can be programmed to store images efficiently, resolve features and patterns that are either time consuming or impossible for humans to interpret, and develop machines that can "see" like humans.这些文件目前的处理能力不同的计算机可以进行编程，以有效地存储图像，解决功能和模式，不是浪费时间或人类无法解释，并开发机器，可以“看到”像人类一样的方法的细节。 They also discuss a wide range of applications, including the use of lasers for studying dynamic behavior of mechanical components, and fractal geometry for recognizing patterns.他们还讨论了识别模式的应用广泛，包括了激光器的研究动态行为的机械零件的使用范围，并分形几何。 The book will be useful to any engineer, scientist, and technologist interested in current research issues in image processing.该书将是有益的任何工程师，科学家和技术专家，在图像处理当前研究的问题感兴趣。、
数字图像处理：数学和计算方法
Edited by JM Blackledge, Loughborough University, UK编辑JM布莱克利奇，英国拉夫堡大学
This authoritative text (the second part of a complete MSc course) provides mathematical methods required to describe images, image formation and different imaging systems, coupled with the principle techniques used for processing digital images.这本权威的文本（一个完整的硕士课程的第二部分）提供所需的数学方法来描述图像，图像的形成和不同的成像系统，数字图像与处理技术结合使用的原则。 It is based on a course for postgraduates reading physics, electronic engineering, telecommunications engineering, information technology and computer science.它是基于一个看物理，电子工程，通信工程，信息技术和计算机科学的研究生课程。 This book relates the methods of processing and interpreting digital images to the 'physics' of imaging systems.这本书涉及的数字图像处理和解释的'物理'的成像系统的方法。 Case studies reinforce the methods discussed, with examples of current research themes.加强个案研究的方法讨论，与当前研究的主题的例子。
第一章绪论
第一节数字图像处理
数字图像处理（Digital Image Processing）通常所说的数字图像处理是指用计算机对图像信息进行的处理，因此也称为计算机图像处理（Computer Image Processing）。是利用计算机完成图像信息各种处理的基本理论和方法。其处理过程主要包括图像采集、图像预处理、图像分析和图像识别等几大部分。其精度比较高，而且还可以通过改进处理软件来优化处理效果。其内容广泛，涉及到数学、光学、信息学、摄影技术和计算机技术等学科，是一门综合性跨学科的新学科。
目前，它正以惊人的速度向社会的各个领域进行渗透。在医疗诊断方面，各种癌细胞的识别系统成为广大医务工作者有力的辅助工具；在刑事侦破方面、指纹识别和脸谱识别系统对犯罪分子产生了巨大的威慑作用；在地质勘探方面，为地质工作者进行地质矿产资源的探测提供了大量的信息。在人工智能、交通、通讯、生物、遥感、科研等众多领域也取得了巨大的经济效益，其应用发展前景是十分广阔和诱人的。
总的来说，数字图像处理包括以下几项内容：
1、点运算
点运算主要是针对图像的像素进行加、减、乘、除等运算。图像的点运算可以有效地改变图像的直方图分布，这对提高图像的分辨率以及图像的均衡都是非常有益的。
2、几何处理
几何处理主要包括图像的坐标转换，图像的移动、缩小、放大和旋转，多个图像的配准以及图像扭曲校正等。几何处理是最常见的图像处理手段，几乎任何图像处理软件都提供了最基本的图像缩放功能。图像的扭曲校正功能可以对变形的图像进行几何校正，从而得出准确的图像。
3、图像增强
图像增强的作用主要是突出图像中重要的信息，同时减弱或去除不需要的信息。常用方法有直方图增强和伪彩色增强等。
4、图像复原
图像复原的主要目的是去除干扰和模糊，从而恢复图像的本来面目。例如去噪声复原处理。
5、图像形态学处理
图像形态学是数学形态学的延伸，是一门独立的研究学科。利用图像形态学处理技术，可以实现图像的腐蚀、细化和分割等效果。
6、图像编码
图像编码研究属于信息论中信源编码的范畴，其主要宗旨是利用图像信号的统计特性和人类视觉特性对图像进行高效编码，从而达到压缩图像的目的。图像编码是数字图像处理中一个经典的研究范畴，有60多年的研究历史，目前已经制定了多种编码标准，如H261、JEPG和MEPG等。
7、图像重建
图像的重建起源于CT技术的发展，是一门新兴的数字图像处理技术，主要是利用采集的数据来重建出图像。图像重建的主要算法有代数法、迭代法、傅立叶反投影法和使用最广泛的卷积反投影法等。
8、模式识别
模式识别也是数字图像处理的一个新兴的研究方向，当今的模式识别方法通常有3种：统计识别法、句法结构模式识别法。目前应用广泛的文字识别（OCR）技术就是应用模式识别技术开发出来的。
一般来说，图像处理主要有以下三个目的：
一、提高图像的视觉质量，以达到赏心悦目的目的。如对图像进行亮度和彩色的变化，以及各种动画效果，对图像进行各种几何变换，以产生各种艺术效果。
二、提取图像中所包含的某些特征或特殊信息，用于模式识别和某些领域的应用。这些特征包括很多方面，如频域特性、灰度/颜色特性、边界/区域特性、纹理特性、形状/拓扑特性以及关系结构等。如由加拿大PCI公司开发的用于图像处理、几何制图、DIS、雷达数据分析、以及资源和环境监测的多功能PCI软件系统。
三、图像数据的变换、编码和压缩，以便于图像的存储和传输。这在当今飞速发展的网络时代显得尤其重要，因为图像的传输速度基本上决定了网络传输的速度。
第二节模式识别
模式识别（Pattern Recognition）就是机器识别、计算机识别或机器自动识别，目的在于上机器自动识别事物。例如手写数字识别，就是将手写的数字分到具体的数字类别中；智能交通管理系统的识别，就是判断是否有汽车闯红灯，闯红灯的汽车车牌号码；还有文字识别，语音识别，图像中物体识别等等。
该学科研究的目的是使机器能做人类能做的事，具备人所具有的对各种事物与现象进行分析、描述与判断的部分能力。模式识别是直观的、无所不在的。实际上人类在日常生活的每个环节，都从事着模式识别的活动。人和动物的模式识别能力是极其平常的，但对计算机来说却是非常困难。让机器能识别、分类，需要研究识别的方法，这就是这门学科的任务。
模式识别研究的内容是利用计算机对客观物体进行分类，在错误概率最小的条件下，使识别的结果尽量与客观物体相符合。让机器辨别事物的最基本方法是计算，原则上讲是对计算机要分析的事物与标准模板的相似程度进行计算。例如要识别一个昆虫图像，就要将它与样板的模板做比较，看跟哪个模板最相似或最接近。因此首先要能度量，从中看出不同事
百科名片
数字图像处理
数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
目录
发展概况
目的内容
常用方法
应用工具
应用领域
基本特点
主要优点
图书
发展概况
目的内容
常用方法
应用工具
应用领域
基本特点
主要优点
图书
· 课程
展开
编辑本段
发展概况
数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用
数字图像处理
计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的
数字图像处理技术
宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。
编辑本段
目的内容
主要目的
一般来
数字图像处理与分析
讲,对图像进行处理(或加工、分析)的主要目的有三个方面:
(1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。
(2)提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是模式识别或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。
(3)图像数据的变换、编码和压缩,以便于图像的存储和传输。
不管是何种目的的图像处理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。
主要内容
数字图像处理主要研究的内容有以下几个方面：
1) 图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。
2) 图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
3) 图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立"降质模型"，再采用某种滤波方法，恢复或重建原来的图像。
4) 图像分割图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。
5) 图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。
6) 图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。
编辑本段
常用方法
1）图像变换：由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。 2 ）图像编码压缩：图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
3 ）图像增强和复原：图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。
4 ）图像分割：图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。
5 ）图像描述：图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。
6 ）图像分类（识别）：图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。
编辑本段
应用工具
数字图像处理的工具可分为三大类:
第一类包括各种正交变换和图像滤波等方法,其共同点是将图像变换到其它域(如频域)中进行处理(如滤波)后,再变换到原来的空间(域)中;
第二类方法是直接在空间域中处理图像,它包括各种统计方法、微分方法及其它数学方法:
第三类是数学形态学运算,它不同于常用的频域和空域的方法,是建立在积分几何和随机集合论的基础上的运算。
由于被处理图像的数据量非常大且许多运算在本质上是并行的,所以图像并行处理结构和图像并行处理算法也是图像处理中的主要研究方向。
编辑本段
应用领域
图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。
1）航天和航空技术方面
航天和航空技术方面的应用数字图像处理技术在航天和航空技术方面的应用，除了JPL对月球、火星照片的处理之外，另一方面的应用是在飞机遥感和卫星遥感技术中。许多国家每天派出很多侦察飞机对地球上有兴趣的地区进行大量的空中摄影。对由此得来的照片进行处理分析，以前需要雇用几千人，而现在改用配备有高级计算机的图像处理系统来判读分析，既节省人力，又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。从60年代末以来，美国及一些国际组织发射了资源遥感卫星（如LANDSAT系列）和天空实验室（如SKYLAB），由于成像条件受飞行器位置、姿态、环境条件等影响，图像质量总不是很高。因此，以如此昂贵的代价进行简单直观的判读来获取图像是不合算的，而必须采用数字图像处理技术。如LANDSAT系列陆地卫星，采用多波段扫描器（MSS），在900km高空对地球每一个地区以18天为一周期进行扫描成像，其图像分辨率大致相当于地面上十几米或100米左右（如1983年发射的LANDSAT-4，分辨率为30m）。这些图像在空中先处理（数字化，编码）成数字信号存入磁带中，在卫星经过地面站上空时，再高速传送下来，然后由处理中心分析判读。这些图像无论是在成像、存储、传输过程中，还是在判读分析中，都必须采用很多数字图像处理方法。现在世界各国都在利用陆地卫星所获取的图像进行资源调查（如森林调查、海洋泥沙和渔业调查、水资源调查等），灾害检测（如病虫害检测、水火检测、环境污染检测等），资源勘察（如石油勘查、矿产量探测、大型工程地理位置勘探分析等），农业规划（如土壤营养、水份和农作物生长、产量的估算等），城市规划（如地质结构、水源及环境分析等）。我国也陆续开展了以上诸方面的一些实际应用，并获得了良好的效果。在气象预报和对太空其它星球研究方面，数字图像处理技术也发挥了相当大的作用。
2）生物医学工程方面
数字图像处理在生物医学工程方面的应用十分广泛，而且很有成效。除了上面介绍的CT技术之外，还有一类是对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。此外，在X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。
3）通信工程方面
当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为复杂和困难，因图像的数据量十分巨大，如传送彩色电视信号的速率达100Mbit/s以上。要将这样高速率的数据实时传送出去，必须采用编码技术来压缩信息的比特量。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。
4）工业和工程方面
在工业和工程领域中图像处理技术有着广泛的应用，如自动装配线中检测零件的质量、并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析，邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的激励，目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。
5）军事公安方面
在军事方面图像处理和识别主要用于导弹的精确末制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子。
6）文化艺术方面
目前这类应用有电视画面的数字编辑，动画的制作，电子图像游戏，纺织工艺品设计，服装设计与制作，发型设计，文物资料照片的复制和修复，运动员动作分析和评分等等，现在已逐渐形成一门新的艺术--计算机美术。
7)机器人视觉
机器视觉作为智能机器人的重要感觉器官,主要进行三维景物理解和识别,是目前处于研究之中的开放课题。机器视觉主要用于军事侦察、危险环境的自主机器人,邮政、医院和家庭服务的智能机器人,装配线工件识别、定位,太空机器人的自动操作等。
8)视频和多媒体系统
目前,电视制作系统广泛使用的图像处理、变换、合成,多媒体系统中静止图像和动态图像的采集、压缩、处理、存贮和传输等。
9)科学可视化
图像处理和图形学紧密结合,形成了科学研究各个领域新型的研究工具。
10)电子商务
在当前呼声甚高的电子商务中,图像处理技术也大有可为,如身份认证、产品防伪、水印技术等。
总之,图像处理技术应用领域相当广泛,已在国家安全、经济发展、日常生活中充当越来越重要的角色,对国计民生的作用不可低估。
研究方向
自20世纪60年代第三代数字计算机问世以后，数字图像处理技术出现了空前的发展，在该领域中需要进一步研究的问题主要有如下五个方向：
1）在进一步提高精度的同时着重解决处理速度问题；
2）加强软件研究，开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法；
3）加强边缘学科的研究工作，
促进图像处理技术的发展；
4）加强理论研究，逐步形成处理科学自身的理论体系；
5）时刻注意图像处理领域的标准化问题。
编辑本段
基本特点
（1）处理信息量很大
数字图像处理的信息大多是二维信息，处理信息量很大。如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量。因此对计算机的计算速度、存储容量等要求较高。
（2）占用频带较宽
数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的要求。
（3）各像素相关性大
数字图像中各个像素是不独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。因此，图像处理中信息压缩的潜力很大。
（4）无法复现三维景物的全部几何信息
由于图像是三维景物的二维投影，一幅图象本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。
（5）受人的因素影响较大
数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题。
编辑本段
主要优点
1. 再现性好数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。
2．处理精度高按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。回想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。
3．适用面宽图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像（彩色图像也是由灰度图像组合成的，例如RGB图像由红、绿、蓝三个灰度图像组合而成）组合而成，因而均可用计算机来处理。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。
4．灵活性高图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。由于图像的光学处理从原理上讲只能进行线性运算，这极大地限制了光学图像处理能实现的目标。而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。
编辑本段
图书
基本信息
书 名：
数字图像处理学习指导
数字图像处理
作 者： （美）冈萨雷斯 等著
出 版 社： 电子工业出版社
出版时间： 2009-12-1
开 本： 16开
I S B N ： 9787121096006
定价： ￥65.00
内容简介
本书是图像处理理论与以MATLAB为主要工具的软件实践方法相结合的第一本书。特色在于重点强调如何通过开发新代码来加强软件工具。介绍MATLAB编程基础知识之后，讲述了图像处理的主干内容，包括灰度变换、线性和非线性空间滤波、频率域滤波、图像恢复与配准、彩色图像处理、小波、图像数据压缩、形态学图像处理、图像分割、区域和边界表示与描述，以及目标识别。
本书可供从事信号与信息处理、计算机科学与技术、通信工程、地球物理等专业的大专院校师生学习参考。
图书目录
1 Introduction
Preview
1.1 Background
1.2 What Is Digital Image Processing?
1.3 Background on MATLAB and the Image Processing Toolbox
1.4 Areas of Image Processing Covered in the Book
1.5 The Book Web Site
1.6 Notation
1.7 The MATLAB Working Environment
1.8 How References Are Organized in the Book
Summary
2 Fundamentals
Preview
2.1 Digital Image Representation
2.2 Reading Images
2.3 Displaying Images
2.4 Writing Images
2.5 Data Classes
2.6 Image Types
2.7 Converting between Data Classes and Image Types
2.8 Array Indexing
2.9 Some Important Standard Arrays
2.10 Introduction to M-Function Programming
Summary
3 Intensity Transformations and Spatial Filtering
4 Frequency Domain Processing
5 Image Restoration
6 Color Image Processing
7 Wavelets
8 Image Compression
9 Morphological Image Processing
10 Image Segmentation
11 Representation and Dexcription
12 Object Recognition
Appendix A Function Summary
Appendix B ICE and MATLAB Graphical User Interfaces
Appendix C M-Functions
Bibliography
Index
数字图像处理
作 者： （美）冈萨雷斯等 著
出 版 社： 电子工业出版社
出版时间： 2004-5-1 字 数： 879000 版 次： 1版1次 页 数： 609 印刷时间： 2004-5-1 开 本： 印 次： 纸 张： 胶版纸 I S B N ： 9787505398764
编辑推荐
本书的特色在于它重点强调怎样通过开发新代码来加强这些软件工具。为了得到满意的解决问题的方法，需要拓宽实验工作，这在图像处理中是很重要的。本书在介绍MATLAB编程基础知识之后，讲述了图像处理的主干内容，包括：灰度变换、线性和非线性空间滤波、频率域滤波、图像恢复与配准、彩色图像处理、小波、图像数据压缩、形态学图像处理、图像分割、区域和边界表示与描述，以及目标识别。
作者简介
Rafael C. Gonzalez：于佛罗里达大学电气工程系获得博士学位，田纳西大学电气和计算机工程系教授，田纳西大学图像和模式分析实验室、机器人和计算机视觉实验室的创始人及IEEE会士。冈
《数字图像处理》
萨雷斯博士在模式识别、图像处理和机器人领域编写或与人合著了100多篇技术文章、两本书和4本教材，他的书已被世界500多所大学和研究所采用。
Richard E. Woods：于田纳西大学电气工程系获博士学位，IEEE会员。
编辑本段
课程
《数字图像处理》
本课程是空间信息工程系、摄影测量与遥感系开设的必修的专业基础课之一。主要内容包括三部分：第一部分是数字图像处理的基础，由绪论、数字图像处理的基本概念和图像变换三章组成；第二部分是数字图像处理的理论、方法和实例，包括图像增强、图像复原与重建、图像编码与压缩三章；第三部分是图像特征提取与分析的基本理论、方法和实例，包括图像分割、二值图像处理与形状分析、纹理分析、模板匹配与模式识别四章。
通过本课程的学习，要求学生掌握有关数字图像处理的基本概念、方法、原理及应用，培养和增强学生创新意识和创新思维，提高实际动手能力和创新能力，为学生进一步学习图像理解、数字摄影测量、遥感和地理信息系统等专业课程奠定基础。
基本内容 图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。
图像压缩 由数字化得到的一幅图像的数据量十分巨大，一幅典型的数字图像通常由500×500或1000×1000个像素组成。如果是动态图像，是其数据量更大。因此图像压缩对于图像的存储和传输都十分必要。
有两类压缩算法，即不失真的方法和近似的方法。最常用的不失真压缩取空间或时间上相邻像素值的差，再进行编码。游程码就是这类压缩码的例子。近似压缩算法大都采用图像交换的途径，例如对图像进行快速傅里叶变换或离散的余弦变换。著名的、已作为图像压缩国际标准的JPEG和MPEG均属于近似压缩算法。前者用于静态图像，后者用于动态图像。它们已由芯片实现。
图像增强和复原 图像增强的目标是改进图片的质量，例如增加对比度，去掉模糊和噪声，修正几何畸变等；图像复原是在假定已知模糊或噪声的模型时，试图估计原图像的一种技术。
图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
早期的数字图像复原亦来自频率域的概念。现代采取的是一种代数的方法，即通过解一个大的方程组来复原理想的图片。
图像匹配、描述和识别 对图像进行比较和配准，通过分制提取图像的特征及相互关系，得到图像符号化的描述，再把它同模型比较，以确定其分类。图像匹配试图建立两张图片之间的几何对应关系，度量其类似或不同的程度。匹配用于图片之间或图片与地图之间的配准，例如检测不同时间所拍图片之间景物的变化，找出运动物体的轨迹。
从图像中抽取某些有用的度量、数据或信息称为图像分析。图像分析的基本步骤是把图像分割成一些互不重叠的区域，每一区域是像素的一个连续集，度量它们的性质和关系，最后把得到的图像关系结构和描述景物分类的模型进行比较，以确定其类型。识别或分类的基础是图像的相似度。一种简单的相似度可用区域特征空间中的距离来定义。另一种基于像素值的相似度量是图像函数的相关性。最后一种定义在关系结构上的相似度称为结构相似度。
以提高图像质量为目的的图像增强和复原对于一些难以得到的图片或者在拍摄条件十分恶劣情况下得到的图片都有广泛的应用。例如从太空中拍摄到的地球或其他星球的照片，用电子显微镜或X光拍摄的生物医疗图片等。
以图片分析和理解为目的的分割、描述和识别将用于各种自动化的系统，如字符和图形识别、用机器人进行产品的装配和检验、自动军事目标识别和跟踪、指纹识别、X光照片和血样的自动处理等。在这类应用中，往往需综合应用模式识别和计算机视觉等技术，图像处理更多的是作为前置处理而出现的。
多媒体应用的掀起，对图像压缩技术的应用起了很大的推动作用。图像，包括录像带一类动态图像将转为数字图像，并和文字、声音、图形一起存储在计算机内，显示在计算机的屏幕上。它的应用将扩展到教育、培训和娱乐等新的领域。