1.3 數字圖像處理的基本內容和基本步驟

數字圖像處理（Digital Image Processing）是指應用計算機來合成、變換已有的數字圖像，從而產生一種新的效果，并把加工處理后的圖像重新輸出，這個過程稱為數字圖像處理，也稱之為計算機圖像處理（Computer Image Processing）。數字圖像處理系統的組成架構如圖1-5所示。數字圖像處理模塊是該系統的核心模塊，它的研究水平直接決定該系統的質量。

1.3.1 基本內容

數字圖像處理的基本內容包括圖像增強、圖像復原、圖像分割、圖像特征提取、圖像匹配和圖像識別等。

（1）圖像增強

圖像增強（Image Enhancement）的目的是改善圖像質量，突出圖像中感興趣的區域或特征，使圖像更加符合人類的視覺效果，從而提高圖像判讀和識別效果的處理方法。圖像增強方法分為兩類：一類是空間域處理法；另一類是頻域處理法。空間域是直接對圖像的像素進行處理，基本上是以灰度映射變換為基礎的?？臻g變換可以看成圖像中物體（或像素）空間位置改變，如對圖像進行縮放、旋轉、平移、鏡像翻轉等。頻域處理法（如傅里葉變換、小波變換、沃爾什變換、離散余弦變換等）將空間域的處理轉換為變換域處理，對變換后的系數進行運算，然后再反變換到原來的空間域，得到增強的圖像。頻域處理不僅可減少計算量，而且可以更有效地進行運算。

（2）圖像復原

圖像復原（Image Restoration）也是改進圖像質量的一種重要技術，主要是利用退化過程的先驗知識，去恢復已被退化圖像的本來面目。圖像的復原和圖像的增強存在類似的地方，二者都是為了提高圖像的整體質量。但是，圖像增強具有主觀色彩，根據觀看者的喜好或者測量的需求來對圖像進行處理，提供所謂的視覺效果好的圖像；而圖像復原技術則是通過去模糊函數去除圖像中的模糊部分，還原圖像的本真。圖像復原的基本思路是先建立退化的數學模型，然后利用該模型對退化圖像進行擬合。

（3）圖像分割

圖像分割（Image Segmentation）是根據灰度、顏色、紋理和形狀等特征把圖像劃分為有意義的若干區域或部分。圖像分割是進行圖像識別、分析和理解的基礎。常用的分割方法有閾值法、區域生長法、邊緣檢測法、聚類方法、基于圖論的方法等。圖像分割是圖像分析的關鍵步驟，也是圖像處理技術中最古老的和最困難的問題之一。近年來，許多研究人員致力于圖像分割方法的研究，但是到目前為止還沒有一種普遍適用于各種圖像的有效方法，也沒有用來判斷分割是否成功的客觀標準。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。分割技術未來發展的趨勢是除了研究新理論和新方法外還要實現多特征融合、多分割算法的融合。

（4）圖像特征提取

圖像特征既包括圖像承載的自然目標及背景材質的反射和吸熱特性，各組成部分表面的光滑與粗糙程度，各組成部分的形狀、結構和紋理等特征在圖像上的表象，也包括人們為了便于對圖像進行分析而定義的屬性和統計特征。圖像特征提取是圖像目標識別的基礎。

（5）圖像匹配

圖像匹配是通過對影像內容、特征、結構、關系、紋理及灰度等對應關系以及相似性和一致性的分析，尋求相似影像目標的方法。圖像匹配主要可分為基于灰度相關的模板匹配方法、基于變換域的模板匹配方法和基于特征相關的模板匹配方法?；诨叶认嚓P的模板匹配是基于像素的，基于變換域的模板匹配方法是基于變換域特征的，基于特征相關的模板匹配方法則是基于區域的，特征相關匹配在考慮像素灰度的同時還應考慮諸如空間整體特征、空間關系等因素。

（6）圖像識別

圖像識別是指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術。圖像識別問題的數學本質屬于模式空間到類別空間的映射問題。圖像識別是以圖像的主要特征為基礎的。圖像經過某些預處理（增強、復原）后，進行圖像分割和特征提取，從而進行判決分類。目前主要的識別方法有：統計模式識別、結構模式識別、模糊模式識別、神經網絡模式識別等。

1.3.2 基本步驟

針對圖像檢測問題，通常要按照圖像獲取、圖像預處理、圖像分割、圖像特征提取、圖像分類與識別的步驟進行數字圖像處理，如圖1-6所示。當然上述各處理步驟的處理方法要根據實際需求來選擇，且有些檢測問題可以省略其中的一些步驟。

圖像獲取是指通過對圖像采集方案的設計（包括相機、光源、鏡頭等硬件的選擇），搭建合適的圖像采集系統，最終獲得滿意的、能夠用于后續處理和檢測識別的高質量圖像。該部分內容將在本書的第2章進行介紹。

圖像預處理主要是對采集到的圖像進行去噪、增強、變換等一系列的操作，其主要目的是根據檢測需求來增強感興趣的目標信息。本書的第3章至第6章均涉及與圖像預處理相關的知識內容。

圖像分割主要是利用閾值化、邊緣檢測等算法將圖像的目標分割出來。該部分的內容將在本書的第7章進行介紹。

圖像特征提取主要包括顏色特征、幾何特征和紋理特征的提取，其主要目的是提取出能夠表征檢測目標的特征信息，用于目標的分類和識別。該部分內容將在本書的第8章進行介紹。

圖像分類與識別是利用圖像匹配技術、聚類分析、神經網絡等模式識別方法對圖像目標進行分類和識別，得到最終的檢測結果。該部分內容將在第9章和第10章中講述。

在掌握了一定數字圖像處理的方法和處理步驟之后，就可以對實際工程問題進行分析和求解了。本書的第11章至第15章介紹了多個工程應用案例，從不同的實際需求出發，詳細剖析了圖像處理實際工程問題的設計思路、處理步驟和實現過程。