数字图像处理系统毕业设计论文
基于Matlab的数字图像处理系统设计_毕业论文设计 精品推荐
论文（设计）题目：基于MATLAB的数字图像处理系统设计基于MATLAB的数字图像处理系统设计摘要MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。
笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。
上述功能均是在MA TLAB 语言的基础上，编写代码实现的。
这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。
关键词：MATLAB 数字图像处理图像处理工具箱图像变换第一章绪论1.1 研究目的及意义图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。
MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。
MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。
它编写简单、编程效率高并且通俗易懂。
1.2 国内外研究现状1.2.1 国内研究现状国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。
数字图像处理应用论文数字图像处理技术论文
数字图像处理应用论文数字图像处理技术论文关于数字图像处理及其应用的研究摘要：首先对数字图像处理的关键技术以及相应的处理设备进行详细的探讨，然后对数字图像处理的应用领域以及发展趋势进行详尽论述。
关键词：数字图像处理：关键技术；应用领域0 引言人类通过眼、耳、鼻、舌、身接受信息，感知世界。
约有75％的信息是通过视觉系统获取的。
数字图象处理是用数字计算机处理所获取视觉信息的技术，上世纪20年代Bartlane电缆图片传输系统(纽约和伦敦之间海底电缆)传输一幅图片所需的时间由一周多减少到小于3个小时；上世纪50年代，计算机的发展，数字图像处理才真正地引起人们的巨大兴趣；1964年，数字图像处理有效地应用于美国喷气推进实验室(J.P.L)对“徘徊者七号”太空船发回的大批月球照片的处理；但是直到上世纪六十年代末至七十年代扔，由于离散数学理论的创立和完善，使之形成了比较完整的理论体系，成为一门新兴的学科。
数字图像处理的两个主要任务：如何利用计算机来改进图像的品质以便于人类视觉分析；对图像数据进行存储、传输和表示，便于计算机自动化处理。
图像处理的范畴是一个受争论的话题，因此也产生了其他的领域比如图像分析和计算机视觉等等。
1 数字图像处理主要技术概述不论图像处理是基于什么样的目的，一般都需要通过利用计算机图像处理对输入的图像数据进行相关的处理，如加工以及输出，所以关于数字图像处理的研究，其主要内容可以分为以下几个过程。
图像获取：这个过程基本上就是把模拟图像通过转换转变为计算机真正可以接受的数字图像，同时，将数字图像显示并且体现出来(例如彩色打印)。
数据压缩和转换技术：通过数据压缩和数据转换技术的研究，减少数据载体空间，节省运算时间，实现不同星系遥感数据应用的一体化。
图像分割：虽然国内外学者已提出很多种图像分割算法，但由于背景的多变性和复杂性，至今为止还没有一种能适用于各种背景的图像分割算法。
当前提出的小波分析、模糊集、分形等新的智能信息处理方法有可能找到新的图像分割方法。
图像处理 毕业论文
图像处理毕业论文图像处理是计算机科学领域中的一个重要研究方向，它涉及到对图像的获取、处理、分析和识别等多个方面。
随着科技的不断发展，图像处理在各个领域都扮演着重要的角色，如医学影像、安防监控、虚拟现实等。
本文将从图像处理的基础原理、应用领域以及未来发展方向等方面进行探讨。
首先，图像处理的基础原理是数字图像处理。
数字图像处理是将图像从连续的模拟信号转换为离散的数字信号，通过对数字信号的处理来实现对图像的改变和分析。
其中，最基础的操作包括图像的采集、预处理、增强、压缩和恢复等。
图像采集是指通过摄像头或扫描仪等设备将现实世界中的图像转化为数字信号。
预处理是对采集到的图像进行去噪、去除伪影等操作，以提高后续处理的效果。
增强是通过调整图像的亮度、对比度、色彩等参数，使图像更加清晰、鲜艳。
压缩是为了减小图像文件的大小，方便存储和传输。
恢复是指对经过压缩或传输过程中丢失的信息进行恢复，以还原原始图像。
图像处理的应用领域非常广泛。
在医学影像方面，图像处理可以帮助医生进行疾病的诊断和治疗。
例如，通过对CT扫描图像的处理，可以清晰地显示出患者体内的器官结构，帮助医生准确判断病变部位。
在安防监控方面，图像处理可以用于人脸识别、行为分析等功能，提高监控系统的智能化水平。
在虚拟现实方面，图像处理可以实现对虚拟场景的渲染和交互，为用户带来更加逼真的虚拟体验。
此外，图像处理还应用于图像搜索、图像检索、图像合成等领域，为用户提供更加便捷和高效的图像处理服务。
未来，图像处理领域的发展方向主要包括以下几个方面。
首先，随着人工智能技术的快速发展，图像处理将与机器学习、深度学习等技术相结合，实现更加智能化的图像分析和识别。
其次，虚拟现实技术的兴起将推动图像处理向更加真实和沉浸式的方向发展，为用户带来更加逼真的虚拟体验。
再次，图像处理技术将与物联网、云计算等技术相结合，实现对大规模图像数据的处理和分析，为用户提供更加个性化和精准的图像服务。
数字图像处理论文
数字图像处理论文数字图像处理在计算机视觉和图像分析领域中扮演着重要角色。
随着数字图像处理算法的不断发展和改进，对于图像的处理和分析有了更深入的理解。
本篇论文主要介绍了数字图像处理的一些基础概念、方法和应用。
首先，数字图像处理是基于计算机的图像处理技术，旨在改善图像的质量、增强图像的特征以及从图像中提取有用的信息。
数字图像处理的基本步骤包括图像获取、预处理、特征提取和图像重建等。
在图像获取的阶段，通过传感器或数码相机等设备获取图像的原始数据。
在预处理的阶段，对图像进行去噪、平滑和增加对比度等操作，以消除图像中的噪声和提高图像的视觉效果。
在特征提取的阶段，根据图像的特定特征，如边缘、纹理和颜色等，进行特征的提取和描述。
在图像重建的阶段，利用图像处理算法对图像进行重建和恢复。
常见的图像处理算法包括滤波、变换和编码等。
滤波算法主要用于图像平滑和去噪，如均值滤波、中值滤波和高斯滤波等。
变换算法主要用于提取图像的频域特征，如傅里叶变换和小波变换等。
编码算法主要用于图像的压缩和存储，如JPEG、PNG和GIF等。
除了基本的图像处理方法，数字图像处理还有许多应用领域。
其中之一是医学图像处理，包括医学图像的分割、配准和识别等。
另一个应用是遥感图像处理，用于地理信息系统和环境监测等领域。
此外，数字图像处理还在安全和认证、图像检索和图像合成等领域发挥重要作用。
总之，数字图像处理是一门研究如何使用计算机技术对图像进行处理和分析的学科。
通过了解数字图像处理的基本概念、方法和应用，可以更好地理解图像的特性和结构，提高图像处理的效果和精度，并在各个领域中发挥重要作用。
数字图像处理技术的探究论文_数字图像处理课程论文
数字图像处理技术的探究论文_数字图像处理课程论文数字图像处理技术的探究论文篇一《数字图像处理技术的探究》【摘要】目前，图像处理技术得到较好的发展，本文以数字图像处理技术为研究对象，对其发展与应用现状进行简述，并对此技术的优缺点以及制约因素进行系统的分析，概述了此项技术在日后发展中的应用范围。
通过对数字图像处理技术的分析，让我们更深入的了解此项技术，为日后的研究提供一定的理论基础。
【关键词】数字图像处理技术发展就图像处理技术而言，可分为模拟图像与数字图像处理两大类。
数字图像处理技术在发展的过程中，涉及多门学科，其中包括生物学、计算机、信息科学等。
因此，数理与边缘学科与图像处理技术的关系越来越密切。
在最近几年中，数字图像处理技术逐步趋于完善，在遥感、人工智能等多个领域中被广泛使用，并促进相关学科得到较好的发展。
1数字图像处理技术的发展与应用在上世纪六十年代，随着VLS与计算机的发展产生了数字图像处理技术，并不断完善、成熟的一项新技术。
不管是在理论还是实际方面，都取得了较好的进步。
在早期，图像处理主要是为了使图片的质量更加完善。
输入图像的质量较低，而输出图片的质量较高，通常采用复原、压缩等方式进行处理。
此项技术首次应用成功是在美国的喷气推进实验室中。
此后，在航空领域中得到很好的应用，促进了此门学科的发展。
除此之外，数字图像处理技术在医学上也得到了很好的应用。
自上世纪七十年代中期之后，计算机与智能化得到很好的发展，也促进了图像处理技术的进步。
人们开始研究怎样通过计算机，对图像进行系统的解释，这被称作计算机视觉或图像理解。
上世纪几十年代，数字图像处理技术得到大力发展。
截止目前，此项技术在医疗设备、地理信息系统等多个领域中被广泛使用。
2数字图像处理技术的特点2.1优点(1)再现性较好。
数字图像处理技术不会因为各种变换操作而造成图片出现质量退化的现象，始终确保图像可以真实的再现。
(2)处理精度高。
根据当前技术，基本上能够把一副模拟的图像通过数字化做各种二维数组，与图像数字化设备能力有直接的关系。
数字图像处理论文
数字图像处理论文数字图像处理论文篇一：数字图像增强技术摘要：数字图像处理是指利用计算机技术对图像进行各种操作和处理的过程。
图像增强是数字图像处理中的一项重要技术，旨在改善图像的质量和视觉效果。
本文针对数字图像增强技术进行了综述，包括直方图均衡化、滤波和锐化等常用方法。
此外，还介绍了一些新近提出的图像增强算法，如基于深度学习的方法。
最后，对数字图像增强技术的发展趋势进行了展望。
关键词：数字图像处理；图像增强；直方图均衡化；滤波；锐化；深度学习1.引言数字图像处理是计算机科学和图像处理领域的重要研究方向。
随着数字图像在各个领域的广泛应用，对图像质量和视觉效果的要求也越来越高。
图像增强是数字图像处理的一项基础技术，通过改善图像的对比度、亮度和细节等特征，提高图像的可视化效果。
图像增强技术已被广泛应用于医学影像、无人驾驶、图像识别等领域。
2.直方图均衡化直方图均衡化是一种常用的图像增强方法，通过调整图像的像素值分布，提高图像的对比度和显示效果。
其基本思想是将原始图像的像素值映射到一个新的像素值域，使得新图像具有均匀分布的像素值。
直方图均衡化可以有效地增强图像的细节和纹理特征，但在一些情况下会导致图像过度增强或噪声增加。
3.滤波技术滤波是图像处理中常用的一种方法，通过对图像进行平滑或者锐化处理，改善图像的质量和视觉效果。
常用的滤波方法有均值滤波、中值滤波和高斯滤波等。
均值滤波通过计算像素点周围邻域像素的平均值来更新像素的值，可用于图像的平滑处理。
中值滤波通过计算像素点周围邻域像素的中值来更新像素的值，可有效地去除图像中的椒盐噪声。
高斯滤波通过对图像进行加权平均处理，对图像进行平滑和去噪。
4.锐化技术锐化是图像处理中常用的一种技术，通过增加图像中的高频成分，提高图像的边缘和细节等特征。
常用的锐化方法有拉普拉斯算子、Sobel算子和Canny算子等。
拉普拉斯算子通过计算图像的二阶导数来增强图像的边缘和细节。
Sobel算子通过计算图像的一阶导数来提取图像的边缘特征。
数字图像处理相关论文
数字图像处理相关论⽂ “数字图像处理”是⼀门利⽤计算机解决图像处理的学科。
并且，现代多媒体计算机中⼜⼴泛采⽤了数字图像处理技术。
下⾯是店铺给⼤家推荐的数字图像处理相关论⽂，希望⼤家喜欢! 数字图像处理相关论⽂篇⼀ 浅谈“数字图像处理”课程教学改⾰实践 摘要：数字图像处理技术是⼀种发展迅速且应⽤⼴泛的新兴技术，就“数字图像处理”课程的特点，从教学内容、教学⼿段和⽅法、教学理论和实践等⽅⾯进⾏改⾰与实践，增强了学⽣的实践创新能⼒，提⾼了教学质量，收到良好的教学效果。
关键词：数字图像处理;教学⼿段;实践 作者简介：刘忠艳(1975-)，⼥，⿊龙江依安⼈，⿊龙江科技学院计算机与信息⼯程学院，副教授;周波(1963-)，男，⿊龙江绥化⼈，⿊龙江科技学院计算机与信息⼯程学院，教授。
(⿊龙江哈尔滨 150027) ⼀、“数字图像处理”概述 数字图像处理技术是集微电⼦学、光学、应⽤数学和计算机科学等学科的⼀门综合性边缘技术。
[1，2]是当今信息社会中发展迅速且应⽤⼴泛的新兴科学技术。
数字图像处理技术⼴泛应⽤到通信、计算机、交通运输、军事、医学和经济等各个领域，在各个领域发挥着越来越重要的作⽤。
随着计算机技术的迅速发展，图像处理的技术和理论不断完善和丰富，新的理论、技术也不断涌现，并逐渐进⾏应⽤。
⾯对这样⼀门理论与实际紧密结合的课程，在学习过程中，学⽣常常会遇到很多问题，既为数字图像处理技术应⽤的⼴泛前景所吸引，也时常对课程的抽象理论感到苦恼，渐渐失去学习兴趣。
为了激发学⽣的学习兴趣，提⾼教学质量，对该课程进⾏教学改⾰，势在必⾏。
经过两年半的教学改⾰与实践，取得了⼀定的教学效果。
⼆、教学改⾰措施 为了提⾼“数字图像处理”课程的教学质量，激发学⽣学习本课程的兴趣，对本门课程进⾏改⾰，采取以下措施： 1.整合教学内容 随着计算机技术的迅速发展，数字图像处理技术也得到快速发展。
近⼏年来，有很多新的应⽤点和研究涌现出来，在“数字图像处理”课程中加⼊新技术的介绍，对于学⽣了解国际的研究和应⽤热点，尽快地投⼊相应的研究与应⽤中去⼤有益处。
数字图像处理系统毕业设计论文
毕业设计说明书基于ARM的嵌入式数字图像处理系统设计学生姓名：张占龙学号： 0905034314学院：信息与通信工程学院专业：测控技术与仪器指导教师：张志杰2013年 6月摘要简述了数字图像处理的应用以及一些基本原理。
使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。
该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。
应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。
整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。
在此基础上还会对系统进行不断地完善。
关键词：linnux 嵌入式图像处理边缘检测AbstractThis paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, so some image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve.Keywords:linux embedded system image processing edge detection目录第一章绪论 (1)1.1 数字图像处理概述 (1)1.2 数字图像处理现状分析 (5)1.3 本文章节简介 (8)第二章图像处理理论 (8)2.1 图像信息的基本知识 (8)2.1.1 视觉研究与图像处理的关系 (8)2.1.2 图像数字化 (10)2.1.3 图像的噪声分析 (10)2.1.4 图像质量评价 (11)2.1.5 彩色图像基本知识 (11)2.2 图像变换 (13)2.2.1 离散傅里叶变换 (13)2.2.2 离散沃尔什-哈达玛变换（DWT-DHT） (20)2.2.3 离散余弦变换（DCT） (21)2.2.4 离散图像变换的一般表达式 (23)2.3 图像压缩编码 (24)2.3.1 图像编码的基本概念 (24)2.4 图像增强和复原 (24)2.4.1 灰度变换 (24)2.4.2 图像的同态增晰 (26)2.4.3 图像的锐化 (27)2.5 图像分割 (27)2.5.1 简单边缘检测算子 (27)2.6 图像描述和图像识别 (28)第三章需求分析 (28)3.1 系统需求分析 (28)3.2 可行性分析 (28)3.3 系统功能分析 (29)第四章概要设计 (29)4.1 图像采集 (30)4.2 图像存储 (31)4.3 图像处理（image processing） (31)4.4 图像显示 (32)4.5 网络通讯 (32)第五章详细设计 (32)5.1 Linux嵌入式系统的构建 (33)5.1.1 启动引导程序的移植 (33)5.1.2 Linux内核移植 (33)5.1.3 根文件系统的移植 (34)5.2 图像处理功能的实现 (34)5.2.1 彩色图像的灰度化 (34)5.2.2 灰度图的直方图均衡化增强 (35)5.2.3 图像二值化 (35)5.2.4 边缘检测 (36)第六章调试与维护 (36)附录 A (37)参考文献 (43)致谢 (44)第一章绪论1.1 数字图像处理概述数字图像处理(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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业设计说明书基于ARM的嵌入式数字图像处理系统设计学生：占龙学号：0905034314学院：信息与通信工程学院专业：测控技术与仪器指导教师：志杰2013年6月摘要简述了数字图像处理的应用以及一些基本原理。
使用S3C2440处理器芯片，linux核来构建一个简易的嵌入式图像处理系统。
该系统使用u-boot作为启动引导程序来引导linux核以及加载跟文件系统，其中linux核与跟文件系统均采用菜单配置方式来进行相应配置。
应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。
整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。
在此基础上还会对系统进行不断地完善。
关键词：linnux 嵌入式图像处理边缘检测AbstractThis paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, sosome image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve.Keywords:linux embedded system image processing edge detection目录第一章绪论 (1)1.1 数字图像处理概述 (1)1.2 数字图像处理现状分析 (5)1.3 本文章节简介 (7)第二章图像处理理论 (8)2.1 图像信息的基本知识 (8)2.1.1 视觉研究与图像处理的关系 (8)2.1.2 图像数字化 (9)2.1.3 图像的噪声分析 (10)2.1.4 图像质量评价 (10)2.1.5 彩色图像基本知识 (11)2.2 图像变换 (12)2.2.1 离散傅里叶变换 (12)2.2.2 离散沃尔什-哈达玛变换（DWT-DHT） (19)2.2.3 离散余弦变换（DCT） (20)2.2.4 离散图像变换的一般表达式 (21)2.3 图像压缩编码 (23)2.3.1 图像编码的基本概念 (23)2.4 图像增强和复原 (23)2.4.1 灰度变换 (23)2.4.2 图像的同态增晰 (24)2.4.3 图像的锐化 (25)2.5 图像分割 (25)2.5.1 简单边缘检测算子 (26)2.6 图像描述和图像识别 (26)第三章需求分析 (26)3.1 系统需求分析 (27)3.2 可行性分析 (27)3.3 系统功能分析 (27)第四章概要设计 (27)4.1 图像采集 (28)4.2 图像存储 (29)4.3 图像处理（image processing） (29)4.4 图像显示 (30)4.5 网络通讯 (30)第五章详细设计 (30)5.1 Linux嵌入式系统的构建 (30)5.1.1 启动引导程序的移植 (31)5.1.2 Linux核移植 (31)5.1.3 根文件系统的移植 (31)5.2 图像处理功能的实现 (32)5.2.1 彩色图像的灰度化 (32)5.2.2 灰度图的直方图均衡化增强 (32)5.2.3 图像二值化 (33)5.2.4 边缘检测 (34)第六章调试与维护 (34)附录A (34)参考文献 (41)致 (41)第一章绪论1.1 数字图像处理概述数字图像处理(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。
数字图像处理的主要研究容包括以下几个方面：图像变换、图像编码压缩、图像增强和复原、图像分割、图像描述、图像分类（识别）。
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。
随着人类活动围的不断扩大，图像处理的应用领域也随之不断扩大，在航天和航空技术、生物医学工程、通信工程、工业和工程、军事与安全、文化艺术等方面获得越来越广泛的应用。
数字图像处理的发展始于20世纪60年代初期，首次获得实际成功应用的是美国喷气推进实验室（JPL）。
他们对航天探测器徘徊者7号在1964年发回的几千月球照片使用图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功绘制出月球表面地图，获得了巨大成功。
这位人类登月创举奠定了坚实的基础，在以后的航空技术中，如对火星、土星等星球的探测研究中，数字图像处理都发挥了巨大的作用。
数字图像处理取得的另一个巨大成就是在医学上的应用。
1972年英国EMI 公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，简称CT（Computer Tomograph）。
CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，成为图像重建。
1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。
1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类做出了划时代的贡献。
于此同时，图像处理技术在许多其它应用领域受到广发重视并取得了重大的开拓性成就，属于这些领域的有工业检测、机器视觉、公安司法、军事制导、文化艺术等，是图像处理成为一门引人注目、前景远大的新型学科。
从20世纪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。
很多国家，特别是发达国家投入更多地人力、物力研究计算机视觉（图像理解）领域，取得了不少重要的研究成果。
其中代表性的成果是20世纪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[1]。
图一-1 基于Marr视觉计算理论的方框图Marr视觉计算理论主要涉及描述三维物体的几何表示问题。
Marr理论认为描述三维物体有三个层次（图一-2）:（1）图像特征（基元图）。
它反映了二维图像的重要特征。
是以原始图像中抽取如边缘、角点、纹理、线条、不连续点等基本特征，这些特征的集合称为基元图。
（2）2.5维图，又称为intrinsic图像。
它在以观察点为中心的坐标系统中，由输入图像和基元图恢复场景可见部分的深度、法线方向、轮廓等，这些信息包含了深度信息，但不是真正的物体三维表示，因此称为二维半图。
从图像特征恢复得到2.5维图，可以有很多方法，如立体图、从图像序列、从阴影至形状从纹理至形状、从x至形状（其中x为新研究的方法）等方法恢复得到2.5维图。
（3）三维模型表示。
在以物体为中心的坐标系中，描述了三维物体的形状和它们在空间的结构基元是体积的或表面面积的基元。
Marr计算视觉理论框架虽然还不十分完善，许多方面还有争议，如该理论建立的视觉处理框架基本上是从上至下，而没有考虑反馈的作用；此外，该理论没有重视知识引导作用。
但是，它至今仍然是可接受的基本框架，它不仅推动了计算机视觉这门科学的形成和发展，也为计算机视觉领域提供了许多研究的起点。
计算机视觉是模仿人的视觉，由于人们对视觉机理的研究还没有突破性的进展，因此计算机视觉研究是一项艰巨而长远的任务。
尽管目前已有了不少图像理解的理论、方法、算法和初级图像理解系统，但真正能在实际应用中可以取代人的视觉功能的还不多见。
当前科学技术的发展使得许多领域迫切需要应用图像处理和理解，因此，应当在计算机视觉领域中，加强新理论与方法的探索和研究，使之有可能较大的降低视觉理解的难度，而仍然能解决不少有意义的实际问题。
近来兴起的“有目的、定性、主动地视觉”、基于CAD的视觉、距离图像的理解、多传感器融合等都是一些有代表性的研究方向。
这里特别要指出，从20世纪90年代，计算智能信息处理技术获得飞速的发展，它在数字图像处理和计算机视觉领域中获得了越来越广泛的应用，取得了许多引人注目的突破性成果。
这些成果不仅推动了计算智能信息处理技术的进一步发展，而且给数字图像处理和计算机视觉开辟了不少新的研究领域。
在计算机智能信息处理技术中，如模糊集与模糊逻辑、神经网络、小波分析、进化计算（遗传算法）、分形等，在图像编码、增强、分割、特征提取、描述以及识别等方面都有广泛的应用，获得了不少新方法、新算法。
另外，一些新的数学方法，如数学形态、粗糙集理论等数学工具在数字图像处理中也有成功的应用，引起了人们极大的关注。
可以相信，视觉作为人类最重要的一种感知，是人类智能活动不可缺少的。
因而，研究图像处理和理解将永远是一个挑战性的研究课题，无论存在多大的困难，总会取得突破性进展，并给人类社会各个方面的实际应用带来越来越多的效益。
下面就数字图像处理主要的几个方面作简要介绍：1）图像变换由于图像阵列很大，直接在空间与中进行处理，设计计算量很大。
因此，往往采用各种图像变换的方法，如傅里叶变换、哈尔变换、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，这不仅可以减少计算量，而且可获得更有效的处理（如傅里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地应用。
2）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、处理时间和减少存储器容量。
压缩可以在不失真前提下获得，也可以在允许的失真条件下进行。