数字图像处理概论

数字图像处理(Digital Image Processing)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。

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计算机对其进行处理的过程。

总的来说，数字图像处理研究的内容主要包括如下几个方面：

1）图像获取和输出
2）图像编码和压缩
3）图像增强与复原
4）图像的频域变换
5）图像的信息安全
6）图像的区域分割
7）图像目标的识别
8）图像的几何变换

图像处理需要掌握的基本知识架构

• 几何运算-加减乘除

• 逻辑运算-与或非取反

• 像素读写

• 通道混合与调整

• 对比度与亮度调整

图像变换

• 插值(zoom in或out)

• 旋转(rotate)

• 透视变换

• 错切变换

• 翻转

像素统计

• 计算均值与方差

• 计算直方图

• 计算最大最小

• 计算像素内方差

色彩空间

• RGB

• HSL

• YUV

• YCrCb

• 色彩空间转换

• 灰度转换

• 调整饱和度与亮度

• 主色彩提取与分析

卷积图像处理

-空间域卷积

-频率域卷积

-FFT空域到时域转换

-模糊

-边缘提取

-去噪

-增强

-直方图均衡化

-直方图反向投影

形态学处理

-腐蚀

-膨胀

-开闭操作

-形态学梯度

-顶帽

-黑帽

-内梯度与外梯度

图像分割

-K-Means

-Mean-Sift

-分水岭

-Fuzzy-C Means

-GMM

-Graphic Cut

-区域生长

特征提取

-SIFT

-SURF

-LBP

-HOG

-Haars

-Blob

-DOG或者LOG

-金字塔

-Haars Corner

-Shi-Tomasi Corner

-Hessian

二值图像

-全局阈值二值化

-局部阈值二值化

-轮廓提取

-区域测量

-几何矩特性

-连通区域计算

-泛洪填充

-霍夫变换

-距离变换

-分水岭分割

-链式编码

-骨架提取

-欧拉数计算

对象识别与匹配

• 直方图匹配

• 相关性匹配

• 模板匹配

• KNN

• SVM

主要内容
图像增强
在图像增强领域，运用的主要知识有：模糊数学理论，直方图法，小波理论，多尺度分析理论，非线性理论，HSI彩色模型饱和度分量法，Retinex理论，Contourlet变换等。
在空域中，图像处理的方法主要内容有灰度变换，空域滤波，直方图处理等，基于变换域的图像处理方法是将图像信息特征从时域中转换到频域下，利用一定的指数修正方法修正变换域内的系数，从而获得增强后的图像，与空域方法相比更好的是频域，包括傅里叶变换的算法，小波变换算法，同时这些方法也存在着一定的缺点，其中傅里叶变换容易出现振铃现象，小波分析算法在多分辨率分析中可以有效抑制图像噪声，易于控制图像增强区域，小波分析具有有限的方向，对于提取方向信息不能很好表示。
图像滤波
三角形滤波法，Retinex理论，统计理论，小波理论分析，非线性理论，中值理论，偏微分方程法，马尔科夫随机场理论，多尺度分析理论，贝叶斯理论，模拟退火理论
常用的滤波算法有中值滤波、均值滤波、高斯滤波等，中值滤波虽然有避免模糊的优点，但是在图像角点和线条等细节上出现丢失现象。
图像边缘检测
Cancy理论和方法，数学形态学理论，多尺度分辨与分析理论，线性理论，模糊数学理论，分类理论，梯度理论，基于区域的方法，自适应方法，小波理论，混沌免疫模糊聚类法，Hilbeit理论，模板分解和图像积分理论

图像处理主要目的
一般来讲，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。

常用方法
数字图像处理常用方法有以下几个方面：
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）。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。

参考：1.百度百科
2.https://blog.csdn.net/qq_16481211/article/details/79629794