查看图像处理的源代码
←
图像处理
跳转至:
导航
、
搜索
因为以下原因,你没有权限编辑本页:
你刚才请求的操作只对属于该用户组的用户开放:
用户
您可以查看并复制此页面的源代码:
'''图像处理'''([[英语]]:Image Processing),用[[计算机]]对[[图像]]进行分析、加工、和处理,使其满足[[视觉]]、[[心理]]或其他要求的技术。又称'''影像处理'''。图像处理是[[信号处理]]在图像领域上的一个应用。目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。此外,基于光学理论的处理方法依然占有重要的地位。 图像处理是[[信号处理]]的子类,另外与[[计算机科学]]、[[人工智能]]等领域也有密切的关系。 传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上,比如[[降噪]]、[[量化 (信号处理)|量化]]等。然而,图像属于二维信号,和一维信号相比,它有自己特殊的一面,处理的方式和角度也有所不同。 ===概述=== 图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组,该数组的元素称为像素,其值为一整数,称为灰度值。图像处理技术的主要内容包括图像压缩,增强和复原,匹配、描述和识别3个部分。 '''图像压缩''' 由数字化得到的一幅图像的数据量十分巨大,一幅典型的数字图像通常由500×500或1000×1000个像素组成。如果是动态图像,是其数据量更大。因此图像压缩对于图像的存储和传输都十分必要。 有两类压缩算法,即不失真的方法和近似的方法。最常用的不失真压缩取空间或时间上相邻像素值的差,再进行编码。游程码就是这类压缩码的例子。近似压缩算法大都采用图像交换的途径,例如对图像进行快速傅里叶变换或离散的余弦变换。著名的、已作为图像压缩国际标准的JPEG和MPEG均属于近似压缩算法。前者用于静态图像,后者用于动态图像。它们已由芯片实现。 '''图像增强和复原''' 图像增强的目标是改进图片的质量,例如增加对比度,去掉模糊和噪声,修正几何畸变等;图像复原是在假定已知模糊或噪声的模型时,试图估计原图像的一种技术。 图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法,可去掉图中的噪声;采用高通滤波法,则可增强边缘等高频信号,使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等,它们可用于去除或减弱噪声。 早期的数字图像复原亦来自频率域的概念。现代采取的是一种代数的方法,即通过解一个大的方程组来复原理想的图片。 '''图像匹配、描述和识别''' 对图像进行比较和配准,通过分制提取图像的特征及相互关系,得到图像符号化的描述,再把它同模型比较,以确定其分类。图像匹配试图建立两张图片之间的几何对应关系,度量其类似或不同的程度。匹配用于图片之间或图片与地图之间的配准,例如检测不同时间所拍图片之间景物的变化,找出运动物体的轨迹。 从图像中抽取某些有用的度量、数据或信息称为图像分析。图像分析的基本步骤是把图像分割成一些互不重叠的区域,每一区域是像素的一个连续集,度量它们的性质和关系,最后把得到的图像关系结构和描述景物分类的模型进行比较,以确定其类型。识别或分类的基础是图像的相似度。一种简单的相似度可用区域特征空间中的距离来定义。另一种基于像素值的相似度量是图像函数的相关性。最后一种定义在关系结构上的相似度称为结构相似度。 以提高图像质量为目的的图像增强和复原对于一些难以得到的图片或者在拍摄条件十分恶劣情况下得到的图片都有广泛的应用。例如从太空中拍摄到的地球或其他星球的照片,用电子显微镜或X光拍摄的生物医疗图片等。 以图片分析和理解为目的的分割、描述和识别将用于各种自动化的系统,如字符和图形识别、用机器人进行产品的装配和检验、自动军事目标识别和跟踪、指纹识别、X光照片和血样的自动处理等。在这类应用中,往往需综合应用模式识别和计算机视觉等技术,图像处理更多的是作为前置处理而出现的。 多媒体应用的掀起,对图像压缩技术的应用起了很大的推动作用。图像,包括录像带一类动态图像将转为数字图像,并和文字、声音、图形一起存储在计算机内,显示在计算机的屏幕上。它的应用将扩展到教育、培训和娱乐等新的领域。 ==解决方案== 几十年前,图像处理大多数由[[光学]]设备在[[模拟]]模式下进行。由于这些光学方法本身所具有的[[并行]]特性,至今他们仍然在很多应用领域占有核心地位,例如[[全息摄影]]。但是由于[[计算机]]速度的大幅度提高,这些技术正在迅速的被数字图像处理方法所替代。 从通常意义上讲,数字图像处理技术更加普适、可靠和准确。比起模拟方法,它们也更容易实现。专用的硬件被用于数字图像处理,例如,基于[[流水线]]的计算机体系结构在这方面取得了巨大的商业成功。今天,硬件解决方案被广泛的用于视频处理系统,但商业化的图像处理任务基本上仍以软件形式实现,运行在通用个人电脑上。 ===常用的信号处理技术=== 大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸,它们之中的一部分在二维情形下变得十分复杂。 同时图像处理自身也具有一些新的概念,例如,[[连通性]]、[[旋转不变性]],等等。这些概念仅对二维或更高维的情况下才有非平凡的意义。 图像处理中常用到[[快速傅立叶变换]],因为它可以减小数据处理量和处理时间。 ====从一维信号处理扩展来的技术和概念==== * [[分辨率]] * [[动态范围]] * [[带宽]] * [[滤波器设计]] * [[微分算子]] * [[边缘检测]] * Domain modulation * [[降噪]](Noise reduction) ====专用于二维(或更高维)的技术和概念==== * [[连通性]] * [[旋转不变性]] === 典型问题 === * [[几何变换]](geometric transformations):包括放大、缩小、旋转等。 * [[颜色处理]](color):颜色空间的转化、亮度以及对比度的调节、颜色修正等。 * [[图像融合]](image composite):多个图像的加、减、组合、拼接。 * [[图像降噪|降噪]](image denoising):研究各种针对二维图像的去噪滤波器或者信号处理技术。 * [[边缘检测]]:进行边缘或者其他局部特征提取。 * [[图像分割|分割]]:依据不同标准,把二维图像分割成不同区域。 * [[图像编辑]]:和计算机图形学有一定交叉。 * [[图像配准]]:比较或集成不同条件下获取的图像。 * [[图像增强]](image enhancement): * [[图像数字水印]]:研究图像域的数据隐藏、加密、或认证。 * [[图像压缩]]:研究图像压缩。 === 应用 === * [[摄影]]及[[印刷]] * 卫星图像处理(Satellite image processing) * [[医学图像处理]](Medical image processing) * [[面孔识别]],特征识别(Face detection, feature detection, face identification) * [[显微图像处理]](Microscope image processing) * [[汽车]]障碍识别(Car barrier detection) === 软件工具 === *[[Adobe Photoshop]] *Aphelion (软件) *[[ImageJ]] *[[OpenCV]] *[[Ulead PhotoImpact]] * Rapidminer图像处理扩展工具,图像处理和图像挖掘 === 相关相近领域 === * [[特征提取]] * [[模式识别]] * [[投影]] * [[多尺度信号分析]] * [[离散余弦变换]] ===参见=== *[[人工智能基本条目]] *[[计算机科学技术基本条目]] *[[工学(目录)]] * [[计算机科学]] * [[机器人学]] * [[计算机视觉]] * [[机器视觉]] * [[人工智能]] * [[图像处理]] [[Category:工学]] [[Category:计算机科学与技术]] [[Category:人工智能| ]] [[Category:人工智能应用]] [[Category:新兴技术]] [[Category:机器人学| ]] [[Category:机器人| ]] [[Category:机器学习| ]] [[Category:跨学科领域]] [[Category:计算机视觉| ]] [[Category:信息处理]] [[Category:统计学]] [[Category:心理学]] [[Category:语言学]] [[Category:计算机科学]] [[Category:生物学]] [[Category:控制论]] [[category:图像处理]] [[category:模式识别]] [[Category:自动控制]] [[category:系统工程]] [[Category:中文词典]] [[Category:T音词语]] [[Category:图]]
返回
图像处理
。
导航菜单
个人工具
创建账户
登录
名字空间
页面
讨论
变种
查看
阅读
查看源代码
查看历史
操作
搜索
导航
首页
最近更改
随机页面
工具箱
链入页面
相关更改
特殊页面
页面信息
扫描二维码可以用手机浏览词条