数字图像处理的技术方法和应用收藏

　　数字图像处理，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20 世纪 50 年代，电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息，这便是早期的图像处理早期图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。

数字图像处理作为一门学科大约形成于 20 世纪 60 年代初期图像处理中，一般输入的是质量低的图像，而输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等　　下面文章简单介绍一下数字图像处理的常用技术方法：

　　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。

　　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这样不仅可减少计算量，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）。

小波变换这种方式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　　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　　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，其有意义的特征如图像中的边缘、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　　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。

　　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。

　　图像的亮度：也称为灰度，它是颜色的明暗变化，常用 0 ％～ 100 ％ ( 由黑到白 ) 表示。以下三幅图是不同亮度对比。

　　图像的对比度：即画面黑与白的比值，也就是从黑到白的渐变层次。比值越大，从黑到白的渐变层次就越多，从而色彩表现越丰富。以下两幅图是不同对比度下的画面对比。

　　直方图：表示图像中具有每种灰度级的象素的个数，反映图像中每种灰度出现的频率图像在计算机中的存储形式，就像是有很多点组成一个矩阵，这些点按照行列整齐排列，每个点上的值就是图像的灰度值，直方图就是每种灰度在这个点矩阵中出现的次数。

下图就是一幅图片的灰度直方图：

　　图像的噪声：就像对于听觉而言，在打电话时对方说话我们有时候会听到很嘈杂的噪声，以至于听不清楚对方在说什么同样的，对于图像，原本我们可以很清晰的看到一幅图像，但是有时候图像上会有一些我们不需要的图案，使我们无法很清楚的看清一幅图，这就是图像的噪声。

　　除了上述介绍过的几种常用的数字图像处理技术方法外，一般还有：　　直方图均衡化：通过灰度变换将一幅图像转换为另一幅具有均衡直方图的图像，即在一定灰度范围内具有相同的象素点数的图像的过程　　图像的加减运算：两幅图像的加减运算，就是将图像对应的存储矩形点列上的灰度值进行加减运算。

图像相加可以将一幅图像的内容加到另一幅图像上，可以实现二次曝光，也可一对同一个场景的多幅图像求平均值，这样可以降低噪声图像相减可以用于运动检测或去除图像中不需要的加性图案　　常用的去噪方法：主要是采用滤波器对带噪声图像进行滤波处理，如算术平均滤波、中值滤波等。

　　随着计算机技术的发展，数字图像处理技术已经深入到我们生活中的方方面面，其中，在娱乐休闲上的应用更是深入人心，如电影特效制作、电脑电子游戏、数码相机、视频播放、数字电视等。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。