数字图像处理技术一．数字图像处理概述数字图像处理是指人们为了获得一定的预期结果和相关数据利用计算机处理系统对获得的数字图像进展一系列有目的性的技术操作。
数字图像处理技术最早出现在上个世纪中期，伴随着计算机的开展，数字图像处理技术也慢慢地开展起来。
数字图像处理首次获得成功的应用是在航空航天领域，即1964年使用计算机对几千月球照片使用了图像处理技术，并成功的绘制了月球外表地图，取得了数字图像处理应用中里程碑式的成功。
最近几十年来，科学技术的不断开展使数字图像处理在各领域都得到了更加广泛的应用和关注。
许多学者在图像处理的技术中投入了大量的研究并且取得了丰硕的成果，使数字图像处理技术到达了新的高度，并且开展迅猛。
二．数字图象处理研究的容一般的数字图像处理的主要目的集中在图像的存储和传输，提高图像的质量，改善图像的视觉效果，图像理解以及模式识别等方面。
新世纪以来，信息技术取得了长足的开展和进步，小波理论、神经元理论、数字形态学以及模糊理论都与数字处理技术相结合，产生了新的图像处理方法和理论。
比方，数学形态学与神经网络相结合用于图像去噪。
这些新的方法和理论都以传统的数字图像处理技术为依托，在其理论根底上开展而来的。
数字图像处理技术主要包括：⑴图像增强图像增强是数字图像处理过程中经常采用的一种方法。
其目的是改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的简单改善方法或加强特征的措施就称为图像增强。
⑵图像恢复图像恢复也称为图像复原，其目的是尽可能的减少或者去除数字图像在获取过程中的降质，恢复被退化图像的本来面貌，从而改善图像质量，以提高视觉观察效果。
从这个意义上看，图像恢复和图像增强的目的是一样的，不同的是图像恢复后的图像可看成时图像逆退化过程的结果，而图像增强不用考虑处理后的图像是否失真，适应人眼视觉和心理即可。
⑶图像变换图像变换就是把图像从空域转换到频域，就是对原图像函数寻找一个适宜变换的数学问题，每个图像变换方法都存在自己的正交变换集，正是由于各种正交换集的不同而形成不同的变换。
图像变换分为可别离变换和统计变换两大类。
⑷图像压缩数字图像需要很大的存储空间，因此无论传输或存储都需要对图像数据进展有效的压缩，其目的是生成占用较少空间而获得与原图十分接近的图像。
⑸图像分割图像分割的目的是把一个图像分解成它的构成成分，图像分割是一个十分困难的过程。
图像分割的方法主要有两类：一种是假设图像各成分的强度值是均匀的，并利用这个特性。
另一种方法是寻找图像成分之间的边界，利用的是图像的不均匀性。
⑹边缘检测边缘检测技术用于检测图像中的线状局部构造。
边缘是图像中具有不同平均灰度等级的两个区域间的边界，因此，大多数的检测技术应用某种形式的梯度算子。
图像边缘是图像的根本特征之一，蕴含了图像丰富的在信息，它广泛应用于图像分割、图像分类、图像配准和模式识别中。
在大多数的实际应用中，边缘检测是当做一个局部滤波运算完成的。
三．数字图像处理系统不管是对什么图像进展数字处理，它的根本思想和操作方法都是一样的。
数字图像处理系统主要由三个根本部件构成，分别是计算机〔用于处理图像程序的执行和运算〕、数字化设备〔主要用于图像模式转化〕和显示设备〔用于图像处理过程中图像的显示〕。
图像处理过程中按照步骤进展划分的数字图像处理系统如下列图所示：由于数字图像处理系统的灵活性和方便性，所以数字图像处理已成为图像处理的主流。
常见的数字图像处理有：图像的采集、数字化、编码、增强、恢复、变换、压缩、存储、传输、分析、识别、分割等。
图像处理的各个容是相互联系的，一个实用的图像处理系统往往结合几种图像处理技术才能得到所需的结果，图象数字化是将一个图像变换为适合计算机处理的形式的第一步，图像编码可用以传输和存储图像，图像增强和复原可以是图像处理的最后目的，也可以是为进一步的处理做准备。
通过图像分割得到的图像特征可以作为最后结果，也可以作为下一步图像分析和识别的根底。
四．数字图像处理技术1.图像数字化图像数字化是计算机处理图像之前的根本步骤，目的是把真实的图像转变成计算机能够承受的存储格式，数字化过程分为采样和量化两个步骤。
图像在某个空间上的离散化状态称为采样，即用空间上局部点的灰度值来表示图像，这些点称为样点。
采样的实质就是要用多少点来描述一幅图像，采样结果质量的上下用图像分辨率来衡量。
采样方法可分为两种：点阵采样〔直接对表示图像的二维函数值进展采样〕和正交系数采样〔对图像函数进展正交变换，用其变换系数作为采样值〕。
量化是指要使用多大围的数值来表示图像采样后的每个点，这个数值围包括了图像上所能使用的颜色总数。
量化的结果是图像能够容纳的颜色总数。
所以，量化位数越大，表示图像可以拥有的颜色越多，可以产生更为细致的图像效果。
图像经过采样和量化后才能产生一计算机能够处理的数字化图像，不仅可减少计算量，而且可获得更有效的处理。
2. 图像类型转换数字图像存在着很多不同的类型，在处理图像前，有时必须转换成所需类型或者处理技术所支持的图像类型，这里介绍图像类型之间的相互转换的实现。
2.1. 图像类型数字图像类型主要有以下几种：⑴索引图像索引图像是一种把像素值直接作为RGB调色板下标的图像。
⑵灰度图像灰度图像就是只有强度信息，在灰度图像中，像素灰度级用8bit表示。
由于灰度图像中每个像素都是介于黑色和白色之间的256 种灰度中的一种，所以灰度图像是没有颜色信息的图像。
⑶RGB图像RGB图像又称为真彩色图像，它利用R〔red〕、G〔green〕、B〔blue〕3个分量表示一个像素的颜色，用R、G、B这3种不同的颜色可以合成出任意颜色。
⑷二值图像表示二值图像的二维矩阵仅由0、1组成。
二值图像可看成是一个仅包括黑和白的特殊灰度图像，亦可看成是仅有2种颜色的索引图像。
⑸多帧图像多帧图像是一种包含多幅图像或帧的图像文件，又称为多页图像或图像序列，它主要用于对时间或场景上相关图像合集进展操作的场合，例如电影帧。
2.2. 图像类型之间的相互转换图像类型的相互转换有很多种，灰度-二值、RGB-灰度、灰度-索引、二值-索引、索引-RGB等图像类型的相互转换的实现主要是利用MATLAB提供的图像类型转换函数。
假定B 为转换后输出图像类型，A 为输入图像类型，下面列举几种利用MATALB实现的图像类型转换：⑴灰度-二值：利用dither 函数来实现，这里用到的是抖动法，B=dither〔A〕。
⑵RGB-灰度：利用rgb2gray 函数实现，B=rgb2gray(A)。
⑶灰度-索引：利用gray2ind 函数实现，[B，map]=gray2ind(A，n)，按照指定的灰度级数n 和颜色图map 进展转换。
⑷二值-索引：转换的实现与灰度-索引的转换一样，使用同一个调用函数，在这里n 表示的是指定颜色图map 的颜色种类。
⑸索引-RGB：利用ind2rgb 函数实现，B=ind2rgb〔A，map〕，将矩阵A和对应的颜色图map 转换成RGB 图像。
3. 图像变换由于图像阵列很大，直接在空间域中进展处理，涉及计算量很大。
因此，往往采用各种图像变换的方法，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。
图像变换分为可别离变换和统计变换两大类，可别离变换包括傅里叶变换、离散余弦变换、哈达玛变换、沃尔什变换和哈尔变换等等；统计变换主要是霍特林变换。
下面主要介绍离散余弦变换和小波变换的根本原理。
⑴离散余弦变换离散余弦变换〔DCT〕是数码率压缩需要常用的一个变换编码方法。
任何连续的实对称函数的傅里叶变换中只含余弦项，因此余弦变换与傅里叶变换一样有明确的物理意义。
DCT是先将整体图像分成N*N像素块，然后对N*N像素块逐一进展DCT 变换。
由于大多数图像的高频分量较小，相应于图像高频分量的系数经常为零，加上人眼对高频成分的失真不太敏感，所以可用更粗的量化。
因此，传送变换系数的数码率要大大小于传送图像像素所用的数码率。
到达接收端后通过反离散余弦变换回到样值，虽然会有一定的失真，但人眼是可以承受的。
a.一维DCT 的变换核定义为Nu x N u C u x g 2)12(cos 2)(),(π+= 式中，u x=0,1,2,…,N －1；⎪⎩⎪⎨⎧==其他1021)(u u C 一维DCT 定义如下：设{f(x)|x=0, 1, …, N-1}为离散的信号列。
∑-=+=102)12(cos )(2)()(N x Nu x x f N u C u F π 式中，u,x=0,1,2,…,N －1。
将变换式展开整理后，可以写成矩阵的形式，即F=G f[][][][]⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡------=)2/)12)(1cos(()2/3)(1cos(()2/)1cos((/2)2/)12cos(()2/6cos()2/cos(/2)2/)12cos(()2/3cos()2/cos(/2111/1N N N N N N N N N N N N N N N N N N N G πππππππππ b.二维离散余弦变换考虑到两个变量，很容易将一维DCT 的定义推广到二维DCT 。
其正变换核为：Nv y M u x v C u C MN v u y x g 2)12(cos 2)12(cos )()(2),,,(ππ++= 式中，C(u)和C(v)的定义同前面；x, u=0,1,2,…, M －1； y, v=0,1,2,…,N －1。
二维DCT 定义如下：设f(x,y)为M ×N 的数字图像矩阵，那么Nv y M u x v C u C y x f MN v u F M x N y 2)12(cos 2)12(cos )()(),(2),(1010ππ++=∑∑-=-= 式中： x, u=0, 1,2,…,M －1；y, v=0,1,2,…,N －1。
二维DCT 也可用两次一维DCT 来完成。
⑵小波变换小波变换是一种窗口大小固定不变，但其形状可以改变的局部化分析方法。
小波变换在信号的高频局部可以取得较好的时间分辨率；在信号的低频局部可以取得较好的频率分辨率，从而能有效地从信号中提取信息。
a.连续小波变换〔CWT 〕设()00ˆ且12=⋂∈ψψL L ,那么下面的函数族{}b a ,ψ ()⎪⎪⎭⎫ ⎝⎛-=-a b t a t b a ψψ21,，0a ≠ 叫小波分析或连续小波，ψ叫根本小波或小波。
假设ψ是窗函数，就叫为窗口小波函数，一般我们恒假定ψ为窗口小波函数。
式中，a 称为尺度参数，b 称为平移参数。
一维连续小波变换：设ψ是根本小波，{}b a ,ψ是其生成的连续小波，对2L f ∈，信号f 的积形式连续小波变换定义为()()()dt a b t t f a b a f W Rb a ⎪⎪⎭⎫ ⎝⎛-==⎰-ψψψ21,,, b.离散小波变换〔DWT 〕离散小波变换针对尺度参数a ，平移参数b 进展离散化，最常用的是二进制动态采样网络，每个网格点对应的尺度为2j ，平移为2jk ，即：/2,()2(2),,j j j k t t k j k Z ψψ--=-∈该离散化小波称为二进制小波，二进制小波对信号的分析具有变焦距的作用。