数字图像处理论文
数字图像处理论文
一、数字图像处理的概念与发展概况
数字图像处理（Digital Image Processing）又称为计算机图像处理，它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。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。
图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。，已在国家安全、经济发展、日常生活中充当越来越重要的角色,对国计民生的作用不可低估。
二、图像处理的目的
一般地，图像处理需要完成一下一项或几项任务。
(1)提高图像的视觉质量以提供人眼主观满意度或较满意的效果。例如，图像的增强、恢复、几何变换、代数运算、滤波处理等，有可能使受到污染、干扰等因素产生的低清晰度、变形图像等的质量得到有效改善。
(2)提取图像中目标的某些特征，以便于计算机分析或机器人识别。提取特征或信息的过程是模式识别或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。
(3)为了存储和传输庞大的图像和视频信息，常常对这类数据进行有效的变换、编码和压缩。如统计编码、预测编码和正交变换等方法。
(4)信息的可视化。信息可视化结合了科学可视化、人机交互、数据挖掘、图像技术、图形学、认知科学等诸多学科的理论和方法，是研究人、计算机表示的信息以及它们相互影响的技术。
(5)信息安全的需要。主要反映在数字图像水印和图像信息隐藏方面。这是新世纪图像工程出现的新热点之一。
三、图像处理的任务与常用方法
图像处理的任务是获取客观世界的景象并转化为数字图像后，进行增强、复原、重建、变换、编码、压缩、分割等处理，从而将一幅图像转化为另一幅具有新意义的图像。图像处理的主要任务与常用方法分成以下几类。
(1)图像获取与数字化。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像信号，再由模拟/数字转换器（ADC）得到原始的数字图像信号。图像的获取也称图像的采集。原始图像的质量高会大大减轻后期处理的负担。
(2) 图像增强和图像复原。图像增强的作用是对视觉不满意的图像进行改
善，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。图像复原也称图像恢复。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。图像增强与复原都是为了提高图像的质量，区别在于后者需要考虑图像降质的原因，而前者不需要这样做。
(3)图像重建。图像重建就是试图从物体横剖面的一组投影数据建立图像。目前主要有两类重建图像的方法：傅里叶逆变换和级数展开重建技术。
(4)图像变换。各种图像变换的方法，如离散傅里叶变换、离散沃尔什-哈达玛变换、离散余弦变换和离散小波变换等，可以间接地将空间域的处理转换为变换域进行更有效的处理。
(5)图像编码与压缩。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。
(6)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。
(7)图像融合。图像融合利用了多源信息进行决策和行动的理论、技术和工具，将多源信道所采集到的关于同一目标的不同成像机理、不同工作波长范围、不同工作环境与要求的图像数据经过图像处理最大限度地提取各自信道中的有利信息，消除多传感器信息之间可能存在的冗余和矛盾，最后综合成高质量的图像，以供观察或进一步处理。
(8)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。
(9)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。
四、数字图像处理的特点
1.具有数字信号处理技术共有的特点。
(1) 再现性好。数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。
(2)处理精度高按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。
(3)适用面宽图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。
(4)灵活性高图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。
2.数字图像处理后的图像可能是供人观察和评价的，也可能作为机器视觉的预处理结果。受人的因素影响较大。数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。
3.数字图像处理技术适用面宽。
4.数字图像处理技术综合性强。
5.数字图像处理与模拟方式处理图像相比，也有一些不足之处。
(1)处理信息量很大。数字图像处理的信息大多是二维或二维以上的多维信息，处理信息量很大。
(2)占用频带较宽。数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。
(3)处理费时。由于图像数据量大，因此处理比较费时。
(4)无法复现三维景物的全部几何信息。由于图像是三维景物的二维投影，一幅图象本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物必须作合适的假定或附加新的测量。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。
五、数字图像处理的应用与发展趋势
(1)航空和航天技术方面的应用。
(2)生物医学方面的应用。
(3)通信工程方面的应用。
(4)工业自动化和机器人视觉方面的应用。
(5)军事和公安方面的应用。
(6)生活和娱乐方面的应用。
自20世纪60年代第三代数字计算机问世以后，数字图像处理技术出现了空前的发展，在该领域中需要进一步研究的问题主要有如下六个方向：
(1)在进一步提高精度的同时着重解决处理速度问题；
(2)加强软件研究，开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法；
(3)加强边缘学科的研究工作，促进图像处理技术的发展；
(4)加强理论研究，逐步形成处理科学自身的理论体系；
(5)时刻注意图像处理领域的标准化问题；
(6)智能图像信息处理新理论与新技术的研究。
参考文献:
[1]《数字图像处理（第2版）》，胡学龙，电子工业出版社，2011。
[2]《数字图像处理与分析（第二版）》，田岩，华中科技大学出版社，2009。
[3]《数字图像处理（第二版）》，阮秋琦，电子工业出版社，2002 。
[4]《Visual C++图像处理程序设计（第2版）》，杨淑莹，清华大学、交通大学出版社。
[5]《数字图像处理编程入门》，吕风军，清华大学出版社，1999。
[6]《数字图像处理（MATLAB版）》，冈萨雷斯，电子工业出版社，2009。
[7]BERM A N A,DADOURIAN A,VLAHOS P.Method for Removing From on Image the back Ground Surrounding a selected Objedt [P].U.S Patent 6-134-345,2000.
[8]PORTER T,DUFFT Compositing Digital Image[J].Computer Graphics(ACM),1984,18(3): 253-259.
[9] “Digital Image Processing”,Rafael C. Gonzalez & Richard E. Woods, Addison-Wesley, 2002.