数字图像处理方法的重要性源于两个主要应用领域：
Ÿ o 改善图像信息以便解释。
o 为存储、传输和表示而对图像数据进行处理，以便于机器自动理解。
图像处理(image processing)：
用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
常用方法：
Ÿ o 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）。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着广泛而有效的应用。
o 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。
o 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。
o 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。虽然目前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，是目前图像处理中研究的热点之一。
o 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。
Ÿ o 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。
图像分类：
在计算机中，按照颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。
二值图像：
一幅二值图像的二维矩阵仅由0、1两个值构成，“0”代表黑色，“1”代白色。由于每一像素（矩阵中每一元素）取值仅有0、1两种可能，所以计算机中二值图像的数据类型通常为1个二进制位。二值图像通常用于文字、线条图的扫描识别（OCR）和掩膜图像的存储。
二值图像
灰度图像：
灰度图像矩阵元素的取值范围通常为[0，255]。因此其数据类型一般为8位无符号整数的，这就是人们经常提到的256灰度图像。“0”表示纯黑色，“255”表示纯白色，中间的数字从小到大表示由黑到白的过渡色。二值图像可以看成是灰度图像的一个特例。
灰度图像
索引图像：
索引图像的文件结构比较复杂，除了存放图像的二维矩阵外，还包括一个称之为颜色索引矩阵MAP的二维数组。是一种把像素值直接作为RGB调色板下标的图像。索引图像可把像素值“直接映射”为调色板数值。索引图像一般用于存放色彩要求比较简单的图像，如Windows中色彩构成比较简单的壁纸多采用索引图像存放，如果图像的色彩比较复杂，就要用到RGB真彩色图像。索引图像细节不在赘述。
索引图像
RGB彩色图像：
RGB图像与索引图像一样都可以用来表示彩色图像。与索引图像一样，它分别用红（R）、绿（G）、蓝（B）三原色的组合来表示每个像素的颜色。但与索引图像不同的是，RGB图像每一个像素的颜色值（由RGB三原色表示）直接存放在图像矩阵中，由于每一像素的颜色需由R、G、B三个分量来表示，M、N分别表示图像的行列数，三个M x N的二维矩阵分别表示各个像素的R、G、B三个颜色分量。
数字图像空间域处理：
空间域处理分为灰度变换和空间滤波。
灰度变换：
灰度变换是指根据某种目标条件按一定变换关系逐点改变源图像中每一个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。 图像的灰度变换处理是图像增强处理技术中的一种非常基础、直接的空间域图像处理方法。
变换函数法：
Ÿ o 图像反转
o 对数变换
o 幂律(伽马)变换
o 分段线性变换
灰度变换函数曲线图
直方图处理法：
Ÿ o 直方图均衡
o 直方图匹配
o 局部直方图处理
o 直方图统计
matlab直方图均衡处理
空间滤波：
空间滤波，就是直接在灰度值上，做一些滤波操作。滤波一词，其实来源于频域，将某个频率成分滤除的意思。大部分线性的空间滤波器（比如均值滤波器），是在空间上进行一些灰度值上的操作，这个线性空间滤波器与频域滤波器有一一对应的关系（比如均值滤波器其本质就是低通滤波器）。
通常分为低通滤波（平滑化）、高通滤波（锐化）。
平滑滤波器：
在空间域上考虑，所指的平滑滤波器，有平均滤波与加权平均滤波两种形式。
原始图像 平均滤波
加权平均滤波
统计排序滤波器：
统计排序滤波器的运用也广泛，其是很典型的非线性滤波器。主要包括了，最大值滤波器，最小值滤波器，中央值滤波器等等。这里作为代表的，主要说中央值滤波器，中央值滤波对于去除椒盐噪声特别有效。
所谓中央值滤波器，就是将滤波器范围内的像素的灰度值，进行排序，选出中央值作为这个像素的灰度值。同理可解释最大值滤波器与最小值滤波器。
原始图像
椒盐噪声
中值滤波器
锐化滤波器：
所谓的锐化，即是将图像的细节强调出来。主要算子—-拉普拉斯算子。
图像锐化
图像频率域滤波：
所谓的图像频率，就是这个图空间上的灰度变换的快慢。
为什么要在频率域中进行图像处理？
可以利用频率成分和图像外表之间的对应关系。一 些在空间域表述困难的增强任务，在频率域中变得非常普通 。
滤波在频率域更为直观，它可以解释空间域滤波的某些性质 。
可以在频率域指定滤波器，做反变换，然后在空间域使用结果滤波器作为空间域滤波器的指导。
主要变换为傅里叶变换。傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。
时域与频域
频域滤波器分为：
Ÿ o 理想低通滤波器
o 巴特沃斯低通滤波器
o 高斯低通滤波器
o 理想高通滤波器
o 巴特沃斯高通滤波器
o 高斯高通滤波器
o 带阻滤波器
o 带通滤波器
o 陷波滤波器
其他图像处理相关：
图像处理与重建
彩色图像处理
小波和多分辨率处理
图像压缩
霍夫曼编码
Golomb编码
算术编码
块变换编码
小波编码
余弦变换
形态学图像处理
腐蚀、膨胀
边界提取
空洞填充
连通分量的提取
细化与粗化
图像分割
边缘检测
阈值处理
区域分割
目标识别
FPGA技术：
一般地，图像处理大致可以分为低级处理和高级处理：低级处理的数据量大，算法简单，存在着较大的并行性；高级处理的算法复杂，数据量小。在图像处理的实现手段上，图像低级处理阶段，利用软件来实现是一个很耗时的过程，但是利用硬件实现，就可以对大量数据进行并行处理，能够极大的提高处理速度；而图像高级处理阶段，利用软件来实现则具有较高的性价比。因此，图像处理系统中可以利用高速硬件模块(如FPGA)承担图像低级处理任务。这样对大量图像数据进行了低级处理，使系统在减少数据传输量的同时还极大的提高了实时性能。
通用计算机：
通用计算机是基于冯．诺依曼结构的，通过高级语言(C，C++等)编写程序代码，整个执行过程是单指令单数据的串行处理过程，在很多情况下该系统结构上的局限性使它对低级图像的处理不能够满足高速处理的要求，它适合各种图像处理算法的验证，适用于一些实时性要求不高的场合。
并行处理机：
在许多场合下，单个CPU不能够实现实时数据处理的时候，采用多个CPU同时工作的并行处理为解决此问题提供了可能。各国学者在这方面作了大量的工作，并己经研究出多种并行结构和编程语言，它克服了单个处理器串行工作的局限性，提高了系统的性能。虽然对并行处理进行了大量的研究，但这个领域仍不成熟。处理单元负载不均衡，并行算法编程困难，理论上并行处理所应达到的性能和实际性能相比有较大差距。
专用集成电路：
专用集成电路是针对于某一固定算法或应用而专门设计的硬件芯片。许多图像处理算法采用通用处理器和DSP来实现难以满足速度需要，而必须采用ASIC来实现，在各种算法实现方案中使用ASIC来实现是最快的。但是，ASIC在实际应用中也有其缺点：ASIC从设计到应用需要较长的时间周期；ASIC因为属于专用硬件芯片，所以需求数量较少，成本也就非常高；由于ASIC是为专用目的设计的，当设计成型并且流片成功就不能改动，所以在设计中当算法因故需要改变时就要设计者重新设计芯片和硬件电路；当ASIC里存在硬件设计的错误时，并且在投入生产前未能发现的话，唯一解决的办法是把产品回收，而这样做的后果往往是芯片商付出沉重的经济代价。ASIC较低的灵活度往往使其局限于非常有限的应用中并容易产生性能瓶颈，因此由ASIC构建的图像处理系统，缺乏灵活性。
数字信号处理器：
数字信号处理器(DSP)，是专门为快速实现各种数字信号处理算法而设计的、具有特殊结构的微处理器，通常使用C语言进行编程，其处理速度可达到2000MIPS，比最快的CPU还快10-50倍。数字信号处理器的内部采用专用硬件实现一些数字信号处理常用的运算，所以它进行这些运算速度非常快，如乘加(MAC)运算只需要一个时钟周期。但是从根本上来说，DSP只是对某些固定的运算提供硬件优化，其体系仍是串行指令执行系统，并且这些固定优化运算并不能够满足众多算法的需要，这使得它的使用受到限制。
现场可编程门阵列(FPGA)：
FPGA器件是当今运用极为广泛的可编程逻辑器件，也被称为可编程ASIC。FPGA器件在结构上具有逻辑功能块排列，可编程的内部连线连接这些功能模块来实现一定的逻辑功能。FPGA器件的功能由逻辑结构的配置数据决定。工作时，这些配置数据存放在片内的SILAM中。使用SRAM的FPGA器件，在工作前需要从芯片外部加载配置数据，配置数据可以存储在片外的EPROM或其他存储体上，设计者可以控制加载过程，在现场修改器件的逻辑功能，即所谓现场编程。利用它用户不仅可以方便地设计出所需的硬件逻辑，而且可以进行静态重复编程和动态在系统重配置，使系统的硬件功能可以像软件一样编程来修改，从而可以实时地进行灵活而方便的更新和开发，大大提高了系统设计的灵活性和通用性。与此同时，FPGA自身也在迅速发展，其集成度、工作速度不断提高，包含的资源越来越丰富，可实现的功能也越来越强。
FPGA与图像处理
FPGA能在设计上实现硬件并行和流水线(pipeline)技术，而这些都不能在DSP上实现。因此，对于实时图像处理而言，与本质上仍然是依靠串行执行指令来完成相应图像处理算法的DSP系统相比，FPGA有很强的灵活性，可以根据需要进行重构配置，有较强的通用性，适于模块化设计；同时其开发周期短，系统易于维护和扩展，适合实时的信号处理，能够大大提高图像数据的处理速度，满足系统的实时性要求，因此采用FPGA器件是个不错的选择。
没有回复内容