1.3.1　数字图像处理研究内容

数字图像处理研究的内容包括图像获取、图像变换、图像增强、图像复原、图像分割、彩色图像处理、形态学图像处理、图像编码和图像识别等。

1．图像获取

图像获取是指通过包括光电传感器件［CCD（Charge Coupled Device，电荷耦合器件）、CMOS（Complementary Metal Oxide Semiconductor，互补金属氧化物半导体）器件等］的成像设备，将物体表面的反射光或折射光转换成电信号，成像过程有时需要经过模数转换（CCD系统）来实现数字图像的获取。

2．图像变换

图像变换是指对图像进行某种正交变换，将空间域的图像转换到频率域，并进行相应的处理和分析。经变换后，图像信息的表现形式发生了变化，某些特征会凸显出来，方便进行后续操作，比如低通滤波、高通滤波、编码、压缩等。图像变换常用的正交变换有离散傅里叶变换、离散余弦变换、沃尔什变换、阿达马变换等。

3．图像增强

图像增强的作用是将一幅图像中的有用信息（即我们感兴趣的信息）进行增强，同时压制无用信息（即干扰信息或噪声），提高图像的可观察性和使用效率。图像增强的主要方法有灰度变换、直方图增强、图像平滑、边缘检测等。

4．图像复原

图像复原是图像降质的逆过程，是基于我们的认知先验，先对图像降质的过程加以估计，然后建立降质过程的数学模型，进而补偿降质过程造成的失真的过程。图像复原的作用是尽可能地恢复自然场景图像的原有信息，使图像清晰化。

5．图像分割

图像分割是指按照图像的灰度、颜色、空间纹理、几何形状等特征，把一幅图像分成一些互不相交的区域，以便进一步分析或处理图像的图像处理方式。图像分割是从图像处理过渡到图像分析的关键步骤，也是一种基本的计算机视觉技术。由于图像内容的复杂性较高，利用计算机实现图像自动分割是图像处理中很有挑战性的问题之一，没有一种分割方法适用于解决所有问题。经验表明，实际应用中需要结合众多图像分割方法，根据具体的领域知识确定图像分割方案。

6．彩色图像处理

一般来说，彩色图像包含的信息量较大，人眼对于颜色信息也较为敏感，因而，尽管彩色图像处理和灰度图像处理有很多的共同之处，但是其也有个性化的需求。在灰度图像处理的基础上，针对图像的彩色特性进行处理就形成了独具特色的彩色图像处理，如颜色空间转换、饱和度提升、假/伪彩色处理等。

7．形态学图像处理

数学形态学应用于图像处理领域形成了一种新的图像处理技术，它主要用于描述和处理图像中的形状和结构。在形态学图像处理中，用集合来描述图像目标及图像各部分之间的关系，说明目标的结构特点。其基本思想是利用一种特殊的结构元来测量或提取输入图像中相应的形状或特征，以便进一步进行图像分析和目标识别。在形态学图像处理中，特别设置了一种“结构元素”来度量和提取图像中的对应形状，以达到对图像进行分析和识别的目的。形态学图像处理可以用于提取特征、降噪声、改变图像的形态和特征等。

8．图像编码

图像编码研究属于信息论中的信源编码范畴，其主要作用是利用图像信号的统计特性以及人类视觉的生理学及心理学特性对图像信号进行高效压缩，从而减少数据存储量、降低传输带宽、压缩信息量以便于图像分析与识别。图像编码的主要方法有去冗余编码、变换编码、神经网络编码和模型基编码等。

9．图像识别

图像识别是数字图像处理的重要研究分支，其方法大致可分为统计识别、句法（结构）识别和模糊识别等。统计识别侧重于图像的统计特征，可以用贝叶斯分类器、卷积神经网络（Convolutional Neural Networks，CNN）、支持向量机（Support Vector Machine， SVM）来实现。句法识别聚焦于图像模式的结构，可以通过句法分析或对应的自动机来实现。而模糊识别则是将模糊数学理论引入图像识别领域，从而简化识别系统的结构，提高系统的实用性和可靠性，可更为广泛和深入地模拟人脑认识事物的模糊性。