数字图像处理综述摘要：本文主要阐述了数字图像处理的发展以及图像处理的主要方法技术，并系统分析了数字图像处理技术的主要优缺点。
综合地介绍了数字图像处理的应用以及在传统应用领域和热门应用领域的发展。
并提出了图像处理未来的研究方向。
关键词：数字图像处理、图像编码、小波变换，视频压缩，矩阵，现状与展望引言图像处理技术基本可以分成两大类：模拟图像处理(Analog Image Processing)和数字图像处理(Digital Image Processing)。
数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。
图像是指物体的描述信息。
数字图像则是一个物体的数字表示。
图像处理则是对图像信息进行加工以满足人的视觉心理和应用需求的行为。
数字图像处理是它是一门新兴的应用学科，其发展速度异常迅速，应用领域极为广泛。
数字图像处处理（Digital Image Processing）是将图像信号转换成数字信号并利用计算机对其进行处理。
起源于20世纪20年代，20世纪60年—70年随着计算机技术与数字电视技术的普及和发展而迅速发展。
在80年代——90年代才形成独立的科学体系。
早期数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
目前该技术已广泛用于科学研究、工农业生产、生物医学工程、航空航天、军事、工业、机器人产业、政府职能机关文化文艺等多领域。
并在其中发挥着越来越大的作用，已成为一门引人注目、前景广阔的新型学科。
早期数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
目前该技术已广泛用于科学研究、工农业生产、生物医学工程、航空航天、军事、工业、机器人产业、政府职能机关文化文艺等多领域。
并在其中发挥着越来越大的作用，已成为一门引人注目、前景广阔的新型学科。
一、数字图像处理的起源及发展数字图像处理起源于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。
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得实际成功应用的是美国喷气推进实验室（JPL）。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。
在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。
数字图像处理取得的另一个巨大成就是在医学上获得的成果。
1972年英国EMI公司工程师Housfield 发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT （Computer Tomograph）。
CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。
1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。
1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。
与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。
随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。
人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。
很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。
其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。
图像理解虽然在理论方法研究上已取得不小的进展。
20世纪80年代，可以处理2－D和3－D图像，90年代后图像成立占信息处理的主要地位。
1996年提出图像工程这一新学科。
当前，图像处理面临的主要任务是研究新的处理方法，构造新的处理系统，开拓更广泛的应用领域。
需要进一步研究的问题的如下五个方面：1）在进一步提高精度的同时着重解决处理速度问题。
如，在航天遥感、气象云图处理方面，巨大的数据量和处理速度仍然是主要矛盾之一。
2）加强软件研究、开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法。
3）加强边缘学科的研究工作，促进图像处理技术的发展。
如，人的视觉特性、心理学特性等的研究，如果有所突破，将对图像处理技术的发展起到极大的促进作用。
4）加强理论研究，逐步形成图像处理科学自身的理论体系。
5）图像处理领域的标准化。
图像的信息量大、数据量大，因而图像信息的建库、检索和交流是一个重要的问题。
就现有的情况看，软件、硬件种类繁多，交流和使用极为不便，成为资源共享的严重障碍。
应建立图像信息库，统一存放格式，建立标准子程序，统一检索方法。
二、数字图像处理研究的内容及方法（一）数字图像处理技术的研究内容主要有以下几个方面：(1) 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，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。
小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中有着广泛而有效的应用。
(2) 图像编码压缩图像编码压缩技术可减少描述图像的数据量，以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。
编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
(3) 图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。
图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。
图像复原要求对图像降质的原因有一定的了解，一般应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。
(4) 图像分割图像分割是将图像中有意义的特征部分提取出来，这是进一步进行图像识别、分析和理解的基础。
目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。
因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。
(5) 图像描述图像描述是图像识别和理解的必要前提。
作为最简单的二值图像可采用其几何特性描述物体的特性；一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法；对于特殊的纹理图像可采用二维纹理特征描述。
随着研究的深入发展，已开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。
(6) 图像分妻(识别)图像分类属于模式识别的范畴，主要内容是图像经过某些预处理后，进行图像分割和特征提取，从而进行分类。
图像分类常采用经典的模式识别方法。
近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。
（二）数字图像处理按处理方法分，主要有以下三类，即图像到图像的处理，图像到数据的处理和数据到图像的处理。
（1）图像到图像。
图像到图像的处理，其输入和输出均为图像。
这种处理技术主要有图像增强、图像复原和图像编码。
首先，各类图像系统中图像的传送和转换中，总要造成图像的某些降质。
第一类解决方法不考虑图像降质的原因，只将图像中感兴趣的特征有选择的突出，衰减次要信息，提高图像的可读性，增强图像中某些特征，使处理后的图像更适合人眼观察和机器分析。
这类方法就是图像增强。
例如，对图像的灰度值进行修正，可以增强图像的对比度；对图像进行平滑，可以抑制混入图像的噪声；利用锐化技术可以增强图像的边缘轮廓；利用几何校正技术可以校正遥感图像的几何畸变；将灰度值表示转换为彩色表示，可以使人眼能分更多的图像细节。
通过图像增强处理，使图像比处理前更适合一个应用，如用于显示、打印、印刷、分析、创意等。
第二类解决方法针对图像降质的原因，设法补偿降质因素，使改善后的图像尽可能接近原图像。
这类方法称为图像复原。
图像复原是试图利用图像的退化过程，建立相应的数学模型，沿着图像降质的逆过程．把已经退化的图像加以重建和复原，其目的是去除干扰和模糊，从而恢复图像的本来面目。
其次，大数据量的图像信息会给存储器的存储容量、通信干线的带宽，以及计算机的处理速度增加极大的压力，因此需要对图像进行压缩处理或压缩编码，即是在保持一定图像质量的条件下，以尽可能少的比特数来表示图像，目的是节约图像存储空间、减少传输信道的容量、缩短图像加工处理时间。
在数字图像处理领域中常用的编码有信息保持编码，保真度编码和特征提取编码，具体方法有行程长度编码(RLE)法、LZW编码法、霍夫曼编码法(Huffman encoding)、预测及内插编码法、矢量量化编码法、变换编码法(如K－L 变换编码和DCT编码)、模型法编码等。
近些年来，分形编码和小波变换的技术也越来越多的应用在图像压缩的领域中，但是大多仍处于研究试用阶段，常见的图像压缩方法仍以前面介绍的为主。
当然，在实际的应用中，多种图像压缩方法往往是结合起来使用的，如JPEG等，压缩过程可分为颜色模式转换及采样、DCT 变换、量化、编码几部分。
（2）图像到数据。
图像到数据的处理，其输入为图像，其输出为输入图像内容的各种符号表示。
这类图像处理技术包括图像分割、图像识别、特征提取等。
图像分割的任务是把图像空间按特征分离成互不交叠的有意义的区域，以便进一步对图像进行分析、识别、压缩编码等。
图像分割通常可以按幅度不同、按边缘不同、按形状不同来划分各个区域等。
常用的幅度分割方法是把图像的灰度分成不同的等级，然后用设置灰度值的方法确定有意义的区域或欲分割物体的边界。
图像分割的应用十分广泛，几乎出现在有关图像处理的所有领域。
例如遥感云图中不同云系和背景分布的分割；在医学应用中脑部MR图像分割成灰质、白质等脑组织和其他非脑组织区域；在交通图像分析中，把车辆目标从背景中分割出来等等。
图像识别，也称为模式识别，是数字图像处理的一个新兴的研究方向。