下载掌阅APP，畅读海量书库
立即打开
信息是自然界物质运动总体的一个重要方面，人们认识世界和改造世界就是要获得各种各样的图像信息，这些信息是人类获得外界信息的主要来源。大约有70%的信息是通过人眼获得的。近代科学研究、生产活动等各个领域越来越多地用图像信息来认识和判断事物，解决实际问题。获取图像信息固然重要，但是我们更主要的目的是将信息进行处理，在大量复杂的图像信息中找出我们感兴趣的信息。所谓图像处理，就是对图像信息进行加工处理，以满足视觉或应用上的需要。因此，从某种意义上来说，对图像信息的处理比图像本身更为重要。
图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。计算机时代所说的图像处理通常是是指数字图像处理，即用计算机对图像进行处理，其发展历史并不长。数字图像处理技术源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。首先数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取3/4以上的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识别上千种颜色，但很多情况下图像对于人眼来说是模糊的，甚至是不可见的，通过图像增强技术可以使模糊甚至不可见的图像变得清晰明亮。
在计算机视觉这一领域诞生的初期，一种普遍的研究范式是将图像看作二维的数字信号，然后借用数字信号处理中的方法，这就是数字图像处理（digital image processing）。
图像处理通常可以分为三类：光学模拟处理、电学模拟处理和计算机数字处理。
光学模拟处理也称光信息处理，建立在傅里叶光学基础上，进行光学滤波、相关运算、频谱分析等，可以实现图像像质的改善、图像识别、图像的几何畸变和光度的校正、光信息的编码和存储、图像的伪彩色化、三维图像显示、对非光学信号进行光学处理等。
电学模拟处理把光强度信号转换成电信号，然后用电子学的方法对信号进行加、减、乘、除、浓度分割、反差放大、彩色合成、光谱对比等，在电视视频信号处理中经常应用。随着该项技术的日趋成熟和逐步改进，根据电学模拟方法的基本特征和规律，可以细分为以下几种功能：一种是通过建立反变化将信息数据进行重组，组成新的排列形式；一种是改变时钟脉冲的变化规律，并通过模拟的方式实现；一种是将各种响应不同的处理模式看作为过滤器，完成信号的处理。电学模拟处理方法其运行的设备以及成本的投入相对较低，具有较明显的优势，能够使计算机图像处理技术在较短的时间内完成图像的过滤处理。
图像的计算机数字处理是在以计算机为中心的包括各种输入、输出及显示设备在内的数字图像处理系统上进行的，是将连续的模拟图像变换成离散的数字图像后使用特定的物理模型和数学模型编制而成的程序进行控制，并实现种种要求的处理。
数字图像处理技术通俗地讲就是应用计算机以及数字设备对图像进行加工处理的技术，通常包括如下几个过程：
为了在计算机上进行图像处理，必须把作为处理对象的模拟图像转换成数字图像信息。图像信息的获取一般包括图像的摄取、转换及数字化等几个步骤。该部分主要由处理系统硬件实现。
一般情况下，图像处理的设备比较大，不易在室外使用，所以通常输入图像分两次进行：首先在室外通过摄像机、照相机、数码相机等设备将图像记录下来，然后在室内利用输入设备进行输入。一般用磁带记录的是视频信号，通过AN口、1394口输入到视频采集卡。用胶片记录的是照片，可通过扫描仪扫描输入；电子照片可直接通过串口、并口或USB口输入。
数字图像信息量大，并且在处理过程中必须对数据进行存储和交换，为了解决大数据量及交换与传输时间的矛盾，通常除采用大容量机内存存储器进行并行传送、直接存储访问外，还必须采用外部磁盘、光盘及磁带存储方式，从而达到提高存储容量的目的。该部分主要功能也由硬件完成。
数字图像处理是指把在空间上离散、在幅度上量化分层的数字图像经过一些特定数理模式的加工处理，达到有利于人眼视觉或某种接收系统所需要的图像过程。20世纪80年代以来，计算机技术和超大规模集成电路技术的巨大发展推动了通信技术（包括语言数据、图像）的飞速发展。因为图像通信具有形象直观、可靠、高效率等一系列优点，尤其是数字图像通信比模拟图像通信更具抗干扰性，便于压缩编码处理和易于加密，所以在图像通信工程中数字处理技术获得了广泛应用。
具体的图像处理常用的方法有图像变换、图像编码压缩、图像增强和复原、图像分割、图像描述、图像分类（识别）和图像重建等。
数字图像处理的最终目的是为了提供便于人眼或接收系统解释和识别的图像，因此图像的输出和显示很重要。一般图像输出的方式可分为硬拷贝（诸如照相、打印、扫描等）和软拷贝（诸如CRT监视器、各种新型的平板监视器等）。
数字图像处理常用的方法有图像变换、图像增强、图像分割、图像描述、图像分类（识别）和图像重建等。
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（如傅里叶变换、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，还可获得更有效的处理（如傅里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广泛而有效的应用。
图像编码压缩技术可减少描述图像的数据量（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，在图像处理技术中是发展最早且比较成熟的技术。
图像增强的目的是为了提高图像的质量，比如去除噪声、提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中感兴趣的部分。例如，强化图像高频分量，使图像中物体轮廓清晰，细节明显；强化低频分量，减少图像中噪声的影响。图像复原要求对图像降质的原因有一定的了解，一般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。
对于一个数字图像处理系统来说，一般可以将处理流程分为3个阶段：首先是图像预处理阶段，其次是特征抽取阶段，最后才是识别分析阶段。预处理阶段尤为重要，处理不好会直接导致后面的工作无法展开。图像增强是图像预处理阶段的重要步骤。
人类传递信息的主要媒介是语言和图像。据统计，在人类接收的各种信息中，视觉信息占80%，所以图像信息是十分重要的信息传递媒体和方式。
由于场景条件的影响，很多图像拍摄的视觉效果都不太好，需要用图像增强技术来改善人的视觉效果。比如突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等，这些都有利于对图像中目标的识别、跟踪和理解。图像增强处理的主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。这样使有用信息得到加强，从而得到一种更加实用的图像，或者转换成一种更适合人或机器进行分析处理的图像。另外，图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示六个部分。在实际应用中每个部分都有可能导致图像品质变差，使图像传递的信息无法被正常读取和识别。例如，在采集图像过程中，由于光照环境或物体表面反光等原因造成图像整体光照不均，或是图像采集系统由于机械设备的缘故无法避免加入采集噪声，或是图像显示设备的局限性造成图像显示层次感降低或颜色减少等。因此，研究快速且有效的图像增强算法，成为推动图像分析和图像理解领域发展的关键内容之一。图像增强处理是数字图像处理的一个重要分支，也是图像预处理的一个关键步骤。
对图像进行特征提取、图像识别的前期处理通常由图像预处理来现，它是图像识别过程一个不可缺少的环节。在采集图像时，由于光照的稳定性与均匀性等噪声的影响、灰尘对CCD摄像机镜头的影响，以及图像传输过程中由于硬件设备而获得的噪声等使得获取的图像不够理想，往往存在噪声、对比度不够、目标不清晰、有其他物体的干扰等缺点。从图像质量的角度来说，预处理的主要目的就是提高图像能向人或机器提供信息的能力。因此，预处理的实质就是按实际情况对图像进行适当的变换，从而突出某些有用的信息，去除或削弱无用的信息，目的是为了更好地提取图像的特征来分类识别。图像增强是重要的预处理手段。
图像增强就是增强图像中用户感兴趣的信息，主要目的有两个：一是改善图像的视觉效果，提高图像成分的清晰度；二是使图像变得更有利于计算机处理。
图像增强指的是利用各种数学方法和变换手段，提高图像中的感兴趣区域与背景的对比度与图像清晰度，从而更明显地突出感兴趣的区域。例如，强化图像高频分量，使图像中目标轮廓清晰、细节明显等。
图像增强把图像转换成另一种形式，使之适合于人眼的观察判断和机器的分析处理。另外，图像增强不是以图像保真原则为基点来处理图像的，而是根据图像质量变坏的一般情况提出一些改善方法。例如，在图像处理中，可以采用图像均衡的方法来缩小图像灰度差别；采用平滑滤波的方法去除图像存在噪声；采用边缘增强的方法去改善图像轮廓的不明显。
图像增强主要应用在图像特别暗时，或者因为曝光太亮而无法让目标突出，这时就需要把目标的亮度提高一点，然后把不必要的障碍（噪声）调暗，以把目标清晰度最大化。
图像增强的方法是通过一定手段对原始图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征，或者抑制（掩盖）图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。
根据增强的信息不同，图像增强可以分为边缘增强、灰度增强、色彩饱和度增强等。其中，灰度增强又可以根据增强处理过程所在的空间不同分为空间域增强和频率域增强两大类，简称空域法和频域法两大类。
空间域增强是通过空间上的函数变换实现图像的处理。实现空域变换的方式有两种：一是基于像素点的，即每次对图像处理针对每个像素进行，与其他像素无关，称之为图像的点运算；二是基于模板的，也就是对图像的每次处理针对图像的每个子图进行，每个子图都是以某个像素点为中心的几何形邻域，称之为邻域运算、模板运算或者邻域去噪算法。
频率域增强是将图像经傅里叶变换后的频谱成分进行处理，然后逆傅里叶变换获得所需的图像，基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。
空域法主要是直接在空间域内对图像进行运算处理，分为点运算算法和邻域去噪算法。
点运算通常包括灰度变换和直方图修正等，目的是使图像成像均匀，或扩大图像动态范围，扩展对比度。
邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊，常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别，常用算法有梯度法、算子、高通滤波、掩膜匹配法、统计差值法等。
频域法是利用图像变换方法将原来的图像空间中的图像以某种形式转换到其他空间中，然后利用该空间的特有性质进行图像处理，最后转换回原来的图像空间中，从而得到处理后的图像。
频域法增强技术的基础是卷积理论。其中，频域变换可以是傅里叶变换、小波变换、DCT变换、Walsh变换等。
我们可以用一幅图来表示图像增强所用的具体方法分类，如图1-4所示。
图1-4
作为初学者，我们也不需要面面俱到，可以先选择重点的几项掌握。
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，包括图像中的边缘、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，但是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中，是目前图像处理中研究的热点之一。
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，可分为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。
图像分类（识别）属于模式识别的范畴，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重视。
对一些三维物体，应用X射线、超声波等物理方法，取得物体内部结构数据，再将这些数据进行运算处理而构成物体内部某些部位的图像。目前图像重建最成功的例子是CT技术（计算机断层扫描成像技术）、彩色超声波等。这是图像处理的另一个发展方向。
图像处理应用十分广泛，大大促进了现代社会的发展，比如人脸支付就用到图像处理、停车场识别车牌就用到图像处理。下面我们用表1-1来简要说明图像处理的常见应用。
表1-1 图像处理的常见应用
