图像处理的发展,比较及常用软件

图像处理（用计算机对图像进行处理的技术）图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。

又称影像处理。

图像处理一般指数字图像处理。

数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。

图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。

常见的系统有康耐视系统、图智能系统等，目前是正在逐渐兴起的技术。

21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。

数字图像处理[9]，即用计算机对图像进行处理，其发展历史并不长。

数字图像处理技术源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。

首先数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取3/4以上的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识别上千种颜色，但很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图象增强技术，可以使模糊甚至不可见的图像变得清晰明亮。

在计算机中，按照颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。

大多数图像处理软件都支持这四种类型的图像。

中国物联网校企联盟认为图像处理将会是物联网产业发展的重要支柱之一，它的具体应用是指纹识别技术。

图像处理二值图像一幅二值图像的二维矩阵仅由0、1两个值构成，“0”代表黑色，“1”代白色。

由于每一像素（矩阵中每一元素）取值仅有0、1两种可能，所以计算机中二值图像的数据类型通常为1个二进制位。

二值图像通常用于文字、线条图的扫描识别（OCR）和掩膜图像的存储。

图像处理灰度图像灰度图像矩阵元素的取值范围通常为[0，255]。

因此其数据类型一般为8位无符号整数的（int8），这就是人们经常提到的256灰度图像。

“0”表示纯黑色，“255”表示纯白色，中间的数字从小到大表示由黑到白的过渡色。

在某些软件中，灰度图像也可以用双精度数据类型（double）表示，像素的值域为[0，1]，0代表黑色，1代表白色，0到1之间的小数表示不同的灰度等级。

二值图像可以看成是灰度图像的一个特例。

图像处理索引图像索引图像的文件结构比较复杂，除了存放图像的二维矩阵外，还包括一个称之为颜色索引矩阵MAP的二维数组。

MAP的大小由存放图像的矩阵元素值域决定，如矩阵元素值域为[0，255]，则MAP矩阵的大小为256Ⅹ3，用MAP=[RGB]表示。

MAP中每一行的三个元素分别指定该行对应颜色的红、绿、蓝单色值，MAP中每一行对应图像矩阵像素的一个灰度值，如某一像素的灰度值为64，则该像素就与MAP中的第64行建立了映射关系，该像素在屏幕上的实际颜色由第64行的[RGB]组合决定。

也就是说，图像在屏幕上显示时，每一像素的颜色由存放在矩阵中该像素的灰度值作为索引通过检索颜色索引矩阵MAP得到。

索引图像的数据类型一般为8位无符号整形（int8），相应索引矩阵MAP的大小为256Ⅹ3，因此一般索引图像只能同时显示256种颜色，但通过改变索引矩阵，颜色的类型可以调整。

索引图像的数据类型也可采用双精度浮点型（double）。

索引图像一般用于存放色彩要求比较简单的图像，如Windows中色彩构成比较简单的壁纸多采用索引图像存放，如果图像的色彩比较复杂，就要用到RGB真彩色图像。

图像处理RGB彩色图像RGB图像与索引图像一样都可以用来表示彩色图像。

与索引图像一样，它分别用红（R）、绿（G）、蓝（B）三原色的组合来表示每个像素的颜色。

但与索引图像不同的是，RGB图像每一个像素的颜色值（由RGB三原色表示）直接存放在图像矩阵中，由于每一像素的颜色需由R、G、B三个分量来表示，M、N分别表示图像的行列数，三个M x N的二维矩阵分别表示各个像素的R、G、B三个颜色分量。

RGB图像的数据类型一般为8位无符号整形，通常用于表示和存放真彩色图像，当然也可以存放灰度图像。

数字化图像数据有两种存储方式[6]：位图存储(Bitmap)和矢量存储(Vector)我们平常是以图像分辨率（即像素点）和颜色数来描述数字图象的。

例如一张分辨率为640*480,16位色的数字图片，就由2^16=65536种颜色的307200(=640*480)个素点组成。

位图图像：位图方式是将图像的每一个象素点转换为一个数据，当图像是单色（只有黑白二色）时，8个象素点的数据只占据一个字节（一个字节就是8个二进制数，1个二进制数存放象素点）；16色（区别于前段“16位色”）的图像每两个象素点用一个字节存储；256色图像每一个象素点用一个字节存储。

这样就能够精确地描述各种不同颜色模式的图像图面。

位图图像弥补了矢量式图像的缺陷，它能够制作出色彩和色调变化丰富的图像，可以逼真地表现自然界的景象，同时也可以很容易地在不同软件之间交换文件，这就是位图图像的优点；而其缺点则是它无法制作真正的3D图像，并且图像缩放和旋转时会产生失真的现象，同时文件较大，对内存和硬盘空间容量的需求也较高。

位图方式就是将图像的每一像素点转换为一个数据。

如果用1位数据来记录，那么它只能代表2种颜色（2^1=2）；如果以8位来记录，便可以表现出256种颜色或色调(2^8=256)，因此使用的位元素越多所能表现的色彩也越多。

通常我们使用的颜色有16色、256色、增强16位和真彩色24位。

一般所说的真彩色是指24位(2^24)的位图存储模式适合于内容复杂的图像和真实照片。

但随着分辨率以及颜色数的提高，图像所占用的磁盘空间也就相当大；另外由于在放大图像的过程中，其图像势必要变得模糊而失真，放大后的图像像素点实际上变成了像素“方格”。

用数码相机和扫描仪获取的图像都属于位图。

矢量图像：矢量图像存储的是图像信息的轮廓部分，而不是图像的每一个象素点。

例如，一个圆形图案只要存储圆心的坐标位置和半径长度，以及圆的边线和内部的颜色即可。

该存储方式的缺点是经常耗费大量的时间做一些复杂的分析演算工作，图像的显示速度较慢；但图像缩放不会失真；图像的存储空间也要小得多。

所以，矢量图比较适合存储各种图表和工程图像处理数据图像处理离不开海量、丰富的基础数据，包括视频、静态图像等多种格式，如Berkeley 分割数据集和基准500 （BSDS500）、西门菲沙大学不同光照物体图像数据库、神经网络人脸识别数据、CBCL-MIT StreetScenes（麻省理工学院街景数据库）等。

图像处理数字化通过取样和量化过程将一个以自然形式存在的图像变换为适合计算机处理的数字形式。

图像在计算机内部被表示为一个数字矩阵，矩阵中每一元素称为像素。

图像数字化需要专门的设备，常见的有各种电子的和光学的扫描设备，还有机电扫描设备和手工操作的数字化仪。

图像处理图像编码对图像信息编码，以满足传输和存储的要求。

编码能压缩图像的信息量，但图像质量几乎不变。

为此，可以采用模拟处理技术，再通过模-数转换得到编码，不过多数是采用数字编码技术。

编码方法有对图像逐点进行加工的方法，也有对图像施加某种变换或基于区域、特征进行编码的方法。

脉码调制、微分脉码调制、预测码和各种变换都是常用的编码技术。

图像处理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，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。

图像压缩有两类压缩算法，即无损压缩和有损压缩。

最常用的无损压缩算法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。

有损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。

已作为图像压缩国际标准的JPEG和MPEG均属于有损压缩算法。

前者用于静态图像，后者用于动态图像。

它们都由芯片实现。

图像处理增强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。

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。

图像增强使图像清晰或将其转换为更适合人或机器分析的形式。

与图像复原不同，图像增强并不要求忠实地反映原始图像。

相反，含有某种失真（例如突出轮廓线）的图像可能比无失真的原始图像更为清晰。

常用的图像增强方法有：①灰度等级直方图处理：使加工后的图像在某一灰度范围内有更好的对比度；②干扰抑制：通过低通滤波、多图像平均、施行某类空间域算子等处理，抑制叠加在图像上的随机性干扰；③边缘锐化：通过高通滤波、差分运算或某种变换，使图形的轮廓线增强；④伪彩色处理：将黑白图像转换为彩色图像，从而使人们易于分析和检测图像包含的信息。

图像复原除去或减少在获得图像过程中因各种原因产生的退化。

这类原因可能是光学系统的像差或离焦、摄像系统与被摄物之间的相对运动、电子或光学系统的噪声和介于摄像系统与被摄像物间的大气湍流等。

图像复原常用二种方法。

当不知道图像本身的性质时，可以建立退化源的数学模型，然后施行复原算法除去或减少退化源的影响。

当有了关于图像本身的先验知识时，可以建立原始图像的模型，然后在观测到的退化图像中通过检测原始图像而复原图像。

图像分割将图像划分为一些互不重叠的区域，每一区域是像素的一个连续集。

通常采用把像素分入特定区域的区域法和寻求区域之间边界的境界法。

区域法根据被分割对象与背景的对比度进行阈值运算，将对象从背景中分割出来。

有时用固定的阈值不能得到满意的分割，可根据局部的对比度调整阈值，这称为自适应阈值。

境界法利用各种边缘检测技术，即根据图像边缘处具有很大的梯度值进行检测。

这两种方法都可以利用图像的纹理特性实现图像分割。

图像处理形态学形态学一词通常指生物学的一个分支，它用于处理动物和植物的形状和结构。

在数学形态学的语境中也使用该词来作为提取图像分量的一种工具，这些分量在表示和描述区域形状（如边界，骨骼和凸壳）时是很有用的。