1.2　图像处理概述

1.2.1　图像处理的分类

广义地讲，图像处理从研究手段所采用的物理设备的角度可分为光学方法和数字方法。即图像处理可分为模拟图像处理和数字图像处理。

（1）模拟图像处理（Analogue Image Processing）

模拟图像处理已经有很长的发展历史，从简单的光学滤波到目前的激光全息技术，光学处理理论日趋完善。包括对以胶片为载体的相片等的光学透镜处理、摄影作品的冲洗放大及后期处理等，这些都属于实时处理。其处理速度快、信息容量大、图像分辨率高，又比较经济，且能够并行作业，为数字方法奠定了坚实的理论基础。缺点是图像精度不够高，稳定性受到硬件和操作者经验等的限制，灵活性差，不便于重复操作，基本上无判断功能和非线性处理功能。这种处理方法，除了专业级的摄影和特殊领域必须采用外，常规的处理任务已很少使用。

（2）数字图像处理（Digital Image Processing）

数字图像处理通常是指借助计算机软、硬件技术或者其他数字硬件，对从模拟图像经过A/D转换（模/数转换，Analog/Digital Transform）而得到的电信号进行特定的数学运算。因此，在很多场合也称它为计算机图像处理（Computer Image Processing）。数字图像处理具有精度高、处理内容丰富、可进行复杂的非线性处理等优点，具有非常灵活的变通能力。缺点是处理速度依赖于算法及计算机性能，一般多用来处理静止图像。例如通过从卫星云图上分析云图的分布和运动趋势来判断天气的变化情况，从卫星影像中提取目标物的种种特征参数，常见的利用PhotoShop等软件编辑图像，等等。我们利用智能相机对图像的简单处理也可以视为简单的数字图像处理。

随着计算机技术的不断提高和普及、图像显示技术的成熟、大容量存储介质的出现和网络技术的广泛应用，模拟图像处理逐步被数字图像处理替代，并且数字图像处理已经进入了高速发展的时期。

本书重点讨论数字图像处理，即利用计算机进行图像处理。其有两个主要目的：一是产生更适合人视觉观察和识别的图像；二是希望能由计算机自动识别和理解图像。数字图像处理技术处理精度比较高，而且还可以按照用户的需要通过改进处理软件来优化处理效果。但是，数字图像处理的数据量非常庞大，以往计算机处理的速度相对较慢，显示技术又比较落后，在一定程度上限制了数字图像处理的发展。随着近几年计算机技术的飞速发展，计算机的运算能力大大提高，目前4GHz以上的CPU已经推广应用，立体彩色显示终端的成熟应用，将大大促进数字图像处理技术的发展。

1.2.2　数字图像处理的主要内容

数字图像处理研究的内容极其广泛，广义上凡是与图像有关的在计算机上能够实现的处理都可归为数字图像处理研究的范畴。普遍认为，数字图像处理主要包括以下几项研究内容。

（1）图像的基础运算

包括图像代数运算和几何变换等。图像代数运算主要是针对图像的像素进行加、减、乘、除等运算，或是将多幅图像用代数运算式加以联合得到一幅新的图像。通过图像的代数运算可以有针对性地处理图像中选择像素的像素值或将多幅图像加以联合应用。几何处理主要包括图像的坐标转换，图像的移动、缩小、放大、旋转，以及图像扭曲校正等，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将存在几何变形的图像进行校正，从而得出准确几何位置的图像。

（2）图像处理域变换

我们将由原始图像按序排列的像素灰度值构成的空间称为空间域；将经过傅里叶线性变换获得的图像频谱值构成的空间称为频率域（亦简称频域）。对图像进行处理域变换和反变换，有利于借助在变换域里的显著特征和成熟的技术对图像进行高效处理，处理后的影像再反变换到空间域，使最终处理结果能以我们熟悉的方法进行可视表达。随着学习的深入，我们会体会到在频率域里的一些滤波算法实现起来较空间域算法容易。

（3）图像增强

有的参考书上把图像增强和下面将介绍的图像复原等划归为图像视觉质量提升或优化技术。从字面上理解，图像增强的作用就是要增强或突出图像中用户感兴趣的信息，同时减弱或者去除不需要的信息。它是改善图像视觉效果和提高人或计算机识别图像效率的重要手段。常用的方法有线性拉伸、直方图增强、图像平滑、图像锐化和伪彩色增强等。多光谱图像的彩色合成也可以看成是一种图像增强技术。

（4）图像复原

图像复原的主要目的是设法恢复影像获取过程中干扰因素造成的影像质量的退化，从而复原图像的本来面目。例如根据降质过程建立“降质模型”，再采用某种滤波方法去除噪声，恢复原来的图像。

（5）图像压缩编码

图像压缩编码属于信息论中信源编码的研究范畴，其宗旨是利用图像信号的统计特性及人类视觉特性对图像进行高效编码，从而达到压缩图像中的冗余信息以利于图像存储、处理、传输和图像保密等目的。图像压缩编码是数字图像处理中一个经典的研究范畴，有多年研究历史，目前已制定了140余种图像压缩标准，如Huffman编码、JEPG编码和MEPG编码等。

（6）图像重建

图像的重建起源于计算机断层扫描（Computer Tomography，CT）技术的发展，是一门很实用的数字图像处理技术，主要是利用采集的物体断层扫描数据来重建出图像。图像重建在医学图像分析中得到了极为广泛的应用。而目前在计算机视觉领域，基于图像重建原理发展出诸如投影重建、明暗恢复形状、立体视觉重建、目标重建和激光测距重建等等多种图像重构方法。

（7）图像分割与目标特征提取

图像分割与目标特征提取从原理上讲应是图像分析的研究内容，但随着理论进展和算法融合，有逐渐被归入数字图像处理研究方向的趋势。包括图像中含有目标的边缘提取、目标分割、物体各种特征的量测与提取，以及影像分类与估计等。目前应用广泛的从遥感影像上进行地物提取、光学文字识别、指纹识别、景象制导等技术就是应用这些技术开发出来的。

另外，还有数学形态学、时序图像处理，以及三维图像处理等较新的研究领域。

对数字图像处理研究内容也可按实施运算时参与运算的像素多少分为三类。第一类是全局运算（Global Operation），此类运算是对整幅图像中所有的像元进行相同的处理。如快速傅里叶变换的实现与图像中所有的像元有关；图像的阈值二值化处理通常用一个阈值将图像中所有像元进行划分等。第二类是点运算（Point Operation），其输出图像每个像素的灰度值只依赖于输入图像对应像点的灰度值，但不改变图像内像点的空间关系。它是一种既简单又重要的技术，能让用户改变图像数据占据的灰度范围。这种运算有时也称为图像对比度操作或对比度拉伸。第三类是局部运算（Local Operation），在输出图像上每个像素的灰度值是由输入图像中以对应像素为中心的邻域中多个像素的灰度值按照一定规则计算出来的。比如利用模板进行卷积运算就是典型的局部运算。