1.2　圖像處理概述

1.2.1　圖像處理的分類

廣義地講，圖像處理從研究手段所采用的物理設備的角度可分為光學方法和數字方法。即圖像處理可分為模擬圖像處理和數字圖像處理。

（1）模擬圖像處理（Analogue Image Processing）

模擬圖像處理已經有很長的發展歷史，從簡單的光學濾波到目前的激光全息技術，光學處理理論日趨完善。包括對以膠片為載體的相片等的光學透鏡處理、攝影作品的沖洗放大及后期處理等，這些都屬于實時處理。其處理速度快、信息容量大、圖像分辨率高，又比較經濟，且能夠并行作業，為數字方法奠定了堅實的理論基礎。缺點是圖像精度不夠高，穩定性受到硬件和操作者經驗等的限制，靈活性差，不便于重復操作，基本上無判斷功能和非線性處理功能。這種處理方法，除了專業級的攝影和特殊領域必須采用外，常規的處理任務已很少使用。

（2）數字圖像處理（Digital Image Processing）

數字圖像處理通常是指借助計算機軟、硬件技術或者其他數字硬件，對從模擬圖像經過A/D轉換（模/數轉換，Analog/Digital Transform）而得到的電信號進行特定的數學運算。因此，在很多場合也稱它為計算機圖像處理（Computer Image Processing）。數字圖像處理具有精度高、處理內容豐富、可進行復雜的非線性處理等優點，具有非常靈活的變通能力。缺點是處理速度依賴于算法及計算機性能，一般多用來處理靜止圖像。例如通過從衛星云圖上分析云圖的分布和運動趨勢來判斷天氣的變化情況，從衛星影像中提取目標物的種種特征參數，常見的利用PhotoShop等軟件編輯圖像，等等。我們利用智能相機對圖像的簡單處理也可以視為簡單的數字圖像處理。

隨著計算機技術的不斷提高和普及、圖像顯示技術的成熟、大容量存儲介質的出現和網絡技術的廣泛應用，模擬圖像處理逐步被數字圖像處理替代，并且數字圖像處理已經進入了高速發展的時期。

本書重點討論數字圖像處理，即利用計算機進行圖像處理。其有兩個主要目的：一是產生更適合人視覺觀察和識別的圖像；二是希望能由計算機自動識別和理解圖像。數字圖像處理技術處理精度比較高，而且還可以按照用戶的需要通過改進處理軟件來優化處理效果。但是，數字圖像處理的數據量非常龐大，以往計算機處理的速度相對較慢，顯示技術又比較落后，在一定程度上限制了數字圖像處理的發展。隨著近幾年計算機技術的飛速發展，計算機的運算能力大大提高，目前4GHz以上的CPU已經推廣應用，立體彩色顯示終端的成熟應用，將大大促進數字圖像處理技術的發展。

1.2.2　數字圖像處理的主要內容

數字圖像處理研究的內容極其廣泛，廣義上凡是與圖像有關的在計算機上能夠實現的處理都可歸為數字圖像處理研究的范疇。普遍認為，數字圖像處理主要包括以下幾項研究內容。

（1）圖像的基礎運算

包括圖像代數運算和幾何變換等。圖像代數運算主要是針對圖像的像素進行加、減、乘、除等運算，或是將多幅圖像用代數運算式加以聯合得到一幅新的圖像。通過圖像的代數運算可以有針對性地處理圖像中選擇像素的像素值或將多幅圖像加以聯合應用。幾何處理主要包括圖像的坐標轉換，圖像的移動、縮小、放大、旋轉，以及圖像扭曲校正等，是最常見的圖像處理手段，幾乎任何圖像處理軟件都提供了最基本的圖像縮放功能；圖像的扭曲校正功能可以將存在幾何變形的圖像進行校正，從而得出準確幾何位置的圖像。

（2）圖像處理域變換

我們將由原始圖像按序排列的像素灰度值構成的空間稱為空間域；將經過傅里葉線性變換獲得的圖像頻譜值構成的空間稱為頻率域（亦簡稱頻域）。對圖像進行處理域變換和反變換，有利于借助在變換域里的顯著特征和成熟的技術對圖像進行高效處理，處理后的影像再反變換到空間域，使最終處理結果能以我們熟悉的方法進行可視表達。隨著學習的深入，我們會體會到在頻率域里的一些濾波算法實現起來較空間域算法容易。

（3）圖像增強

有的參考書上把圖像增強和下面將介紹的圖像復原等劃歸為圖像視覺質量提升或優化技術。從字面上理解，圖像增強的作用就是要增強或突出圖像中用戶感興趣的信息，同時減弱或者去除不需要的信息。它是改善圖像視覺效果和提高人或計算機識別圖像效率的重要手段。常用的方法有線性拉伸、直方圖增強、圖像平滑、圖像銳化和偽彩色增強等。多光譜圖像的彩色合成也可以看成是一種圖像增強技術。

（4）圖像復原

圖像復原的主要目的是設法恢復影像獲取過程中干擾因素造成的影像質量的退化，從而復原圖像的本來面目。例如根據降質過程建立“降質模型”，再采用某種濾波方法去除噪聲，恢復原來的圖像。

（5）圖像壓縮編碼

圖像壓縮編碼屬于信息論中信源編碼的研究范疇，其宗旨是利用圖像信號的統計特性及人類視覺特性對圖像進行高效編碼，從而達到壓縮圖像中的冗余信息以利于圖像存儲、處理、傳輸和圖像保密等目的。圖像壓縮編碼是數字圖像處理中一個經典的研究范疇，有多年研究歷史，目前已制定了140余種圖像壓縮標準，如Huffman編碼、JEPG編碼和MEPG編碼等。

（6）圖像重建

圖像的重建起源于計算機斷層掃描（Computer Tomography，CT）技術的發展，是一門很實用的數字圖像處理技術，主要是利用采集的物體斷層掃描數據來重建出圖像。圖像重建在醫學圖像分析中得到了極為廣泛的應用。而目前在計算機視覺領域，基于圖像重建原理發展出諸如投影重建、明暗恢復形狀、立體視覺重建、目標重建和激光測距重建等等多種圖像重構方法。

（7）圖像分割與目標特征提取

圖像分割與目標特征提取從原理上講應是圖像分析的研究內容，但隨著理論進展和算法融合，有逐漸被歸入數字圖像處理研究方向的趨勢。包括圖像中含有目標的邊緣提取、目標分割、物體各種特征的量測與提取，以及影像分類與估計等。目前應用廣泛的從遙感影像上進行地物提取、光學文字識別、指紋識別、景象制導等技術就是應用這些技術開發出來的。

另外，還有數學形態學、時序圖像處理，以及三維圖像處理等較新的研究領域。

對數字圖像處理研究內容也可按實施運算時參與運算的像素多少分為三類。第一類是全局運算（Global Operation），此類運算是對整幅圖像中所有的像元進行相同的處理。如快速傅里葉變換的實現與圖像中所有的像元有關；圖像的閾值二值化處理通常用一個閾值將圖像中所有像元進行劃分等。第二類是點運算（Point Operation），其輸出圖像每個像素的灰度值只依賴于輸入圖像對應像點的灰度值，但不改變圖像內像點的空間關系。它是一種既簡單又重要的技術，能讓用戶改變圖像數據占據的灰度范圍。這種運算有時也稱為圖像對比度操作或對比度拉伸。第三類是局部運算（Local Operation），在輸出圖像上每個像素的灰度值是由輸入圖像中以對應像素為中心的鄰域中多個像素的灰度值按照一定規則計算出來的。比如利用模板進行卷積運算就是典型的局部運算。