图像处理矩特征详细介绍_图像处理中的关键问题（一）基本任务

这篇文章我总结了数字图像处理在进行完初步的预处理（比如降噪和增强等）之后，我们通常最关心的五个问题：

一是图像处理的基本任务；二是基本任务的模型构建；三是模型的参数优化；四是构造损失函数；五是选择更新方案。我们分五篇知文分别谈谈这五个问题。

今天我们主要讨论图像处理中的基本任务。

其实说起来也很简单，就像我上一篇知文“疫情期间图像处理自学指南”中提到的图像的数字处理通常都是按照三个层次按部就班地完成的，底层的两个任务为图像复原与图像重构；中层的两个任务为图像分割与图像压缩；高层的两个任务为图像识别与视觉跟踪。而图像的特征提取则贯穿于图像处理各个环节，所以图像处理有七个基本任务要明确在心。

既然图像特征提取贯穿于整个图像处理过程中，那我们就首先看看图像特征提取是怎么回事吧。

图像特征分为显性特征与隐性特征。

显性特征通常是是通过测量或处理能够抽取的数据。对于图像而言， 每一幅图像都具有能够区别于其他类图像的自身特征，有些是可以直观地感受到的自然特征，如亮度、边缘、纹理和色彩等；

而隐性特征则是需要通过变换或处理才能得到的，如图像中目标对象的（概率）密度、矩、直方图以及可用于图像降维