图像处理的研究内容以及作用

在学习图像处理这些算法之前，我认为能宏观的了解到这些处理方法的能实现的一个效果，以及常用在哪些场景有有必要的，这样可以带着问题，好奇心去学习

如图1所示，图像的运算和变换 

      图像的运算以图像的像素为运算对象，对两幅或多幅图像进行点运算，代数运算以及逻辑运算。

      的图像变换主要的英文对图像像素空间关系的改变，从而改变图像的空间结构。

 

2，图像增强

     为了提高图像的质量，比如对比度，获得图像中更多的有用细节。不过因为图像平直下降的原因不明，所以很难确定采取哪种方法是最好的，最后只能通过实现结果分析和误差分析来评价增强效果。图像增强常见的方法有灰度变换（线性变换，对数变化，伽马变换），直方图修正（直方图均衡，直方图规定化），图像平滑和图像锐化等。

 

3，图像复原

     为了提高图像的质量，当图像平直下降的原因已知时，图像复原可以对图像进行校正。关键是根据图像平直下降过程建立一个合理的降质模型，然后再采用某种滤波方法，恢复或重建原来的图像。

 

4，图像的锐化处理及边缘检测

     补偿图像的轮廓，增强图像的变换以及灰度跳变的部分，使图像变得清晰。处理方法分为空间域和频域处理两类

 

5，图像分割

    将图像分成区域，将感兴趣的部分提取出来，为进一步进行图像识别，分析和理解提供方便现有的图像分割方法主要分为：基于阈值的分割方法，基于区域的分割方法，基于边缘的分割方法，基于特定理论的分割方法

     

6，图像编码压缩

      在不影响质量的情况下，减少图像的数据量，分为可逆和不可逆