数字图像处理学习笔记——表示与描述

数字图像处理中的表示与描述：从基础到深入 链码与边界编码 链码是一种独特的方法，通过一系列方向明确的直线段，如4方向和8方向链码，巧妙地压缩边界信息。

其中主要包括了位图和矢量图的采集，图像空间频率，二维离散余弦变换，颜色学基础，贝塞尔曲线和算法艺术的相关介绍。 数字图像的类型可以划分为位图、矢量图，以及算法和程序后建模三类图像。其中位图图像又称像素图或者光栅图像，这种图像是通过逐像素的指定每个像素点的颜色创建。

数字图像处理（digital image processing），是利用计算机对图像进行去除噪声、增强、恢复、分割、提取特征等的理论、方法和技术。图像处理是利用计算机和实时硬件实现的，也被称为计算机图像处理（computer image processing）。在人们的日常生活中，图像处理已经得到广泛的应用。

图像求反（底片效果） 以8bits为例：变换像素灰度 = 255 - 原像素灰度 线性变换（1） 扩张：将灰度集中的图像（曝光不足或者过曝）灰度动态范围拉大，加大反差，使得图像更清晰。 压缩：反之，可以柔和图像。

图像分析 用图像分割的方法从图像中抽取有用的信息，以得到某种数值结果，从而建立对图像的客观描述。这种描述不仅能对图像中是否存在某一特定对象作出还能对图像内容作出详细描述。

数字图像 数字图像，又称为数码图像或数位图像，是二维图像用有限数字数值像素的表示。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。

数字图像处理

1、数字图像处理的主要内容有图像信息的获取、图像信息的存储、图像信息的传送、图像增强。图像信息的获取：这是数字图像处理的第一步，主要是把一幅图像转换成适合输入计算机或数字设备的数字信号，图像获取的方法有电视摄像机、飞点扫描器等。

2、数字图像处理基础：学习数字图像处理的基本概念、图像数字化的过程（包括采样和量化）、数字图像的基本属性（如分辨率、灰度等级等）以及数字图像表示方法。图像变换：学习图像变换的基本理论和方法，如傅里叶变换、离散余弦变换、小波变换等，以及它们在图像处理中的应用。

3、数字图像处理中的表示与描述：从基础到深入 链码与边界编码 链码是一种独特的方法，通过一系列方向明确的直线段，如4方向和8方向链码，巧妙地压缩边界信息。

4、处理精度高、灵活性高。处理精度高：数字图像处理可以精确地对图像进行各种处理，放大、缩小、旋转、裁剪等，不会出现图像失真或变形的情况。灵活性高：数字图像处理可以针对图像进行各种操作，滤波、变换、增强等，可以灵活地改变图像的形状和特征。

5、数字处理常用的方法有：图像变换、图像编码压缩、图像增强和复原、图像分割。图像变换：由于图像阵列比较大，如果直接在空间域中进行图像处理，这样涉及的计算量会比较大。

数字图像处理的应用分类_数字图像处理的应用领域

数字图像处理的应用可以分为两大类：基础处理：通过各类算法来加强图片视觉效果，比如对比度，降噪等等。典型的应用包括比如Photoshop此类软件，或者各类摄像设备在输出图像前的预处理等等。内容处理：对图像内容的分析。

航天和航空方面 航天和航空技术方面的应用数字图像处理技术在航天和航空技术方面的应用，除了JPL对月球、火星照片的处理之外，另一方面的应用是在飞机遥感和卫星遥感技术中。生物医学工程方面 数字图像处理在生物医学工程方面的应用十分广泛，而且很有成效。

数字图像处理在生物医学工程方面的应用十分广泛，而且很有成效。除了上面介绍的CT技术之外，还有一类是对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。此外，在X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。

数字图像处理的应用领域如下：航天和航空技术方面。生物医学工程方面。通信工程方面。工业和工程方面。军事公安方面。文化艺术方面。

【医疗影像处理】：CT成像，核磁共振MRI，超声，X线成像。。主要研究内容：图像去噪，图像增强，图像识别，3维可视化等等 （3）而真正集中了最先进软硬件数字图像处理的应用领域是：【军事】：首先图像数据类型上包含所有的成像频段能获取的影像（如无线电（雷达成像）、红外、可见光、紫外、X线。。

数字图像处理的常用方法

数字图像处理的常用方法：图像变换、图像编码压缩、图像增强和复原、图像分割、图像分类（识别）、图像描述。图像变换：由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。

因此，我们一般采用各种图像变换的方法，如沃尔什变换、傅立叶变换、离散余弦变换等一些间接处理技术，将空间域的处理转变为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。

去块滤波是数字图像处理的一种常用方法，其主要目的是去除图像中的噪声等不必要的细节，以达到图像平滑的效果。该方法基于均值化原理，将图像分成若干个块，通过对每个块内像素值的平均值进行计算，最终生成一张平滑后的图像。

增强对比与去噪 图像处理的基石在于增强图像的对比度，直方图均衡化是其中的关键，通过计算累积分布函数，调整像素值，尤其在医学成像和遥感领域中，它能显著提升细节的可见性。