原创不易，转载请附地址： https://my.oschina.net/ffintell/blog/3207641
1 什么是数字图像
一幅图像可定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，而任何一对空间坐标(x,y)处的幅值f称为图像在该点处的强度或灰度。当x,y和灰度值f是有限的离散数值时，我们称该图像为数字图像。数字图像处理是指借助于数字计算机来处理数字图像。
注意：数字图像是由有限数量的元素组成的，每个元素都有一个特定的位置和幅值，这些元素称为像素。
数字图像处理方法的重要性源于两个主要应用领域：
改善图示信息以便人们解释；为存储、传输和表示而对图像数据进行处理，以便于机器自动理解 。
数字图像有三种典型处理：低级、中级、高级
低级：输入图像输出图像。例：图像降噪预处理、对比度增强、图像锐化等。
中级：输入图像输出特征。例：图像分割减少描述、输出边缘轮廓、物体的HOG特征，LAB特征等。
高级：输入图像，涉及“理解”已识别目标的总体，在连续统一体的远端执行与视觉相关的功能。例：行人识别等。 从图像处理到计算机视觉是一个连续统一体。
2 数字图像处理方向领域
图像增强：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。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。
图像增强 图像复原
图像复原：图像复原要求对图像降质的原因有一定的了解，一般讲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。
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，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，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（如傅立叶变换可在频域中进行数字滤波处理）。 如下图，原图与二维傅里叶变换 。
傅里叶变换
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（即比特数），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。
图像形态学操作：在图像处理技术中，有一些的操作会对图像的形态发生改变，这些操作一般称之为形态学操作（phology）。数学形态学是基于集合论的图像处理方法，最早出现在生物学的形态与结构中，图像处理中的形态学操作用于图像与处理操作（去噪，形状简化）图像增强（骨架提取，细化，凸包及物体标记）、物体背景分割及物体形态量化等场景中，形态学操作的对象是二值化图像。
有名的形态学操作中包括腐蚀，膨胀，开操作，闭操作等。其中腐蚀，膨胀是许多形态学操作的基础。
图像分割：图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然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，是图像处理中研究的热点之一。
图像描述(特征选择)：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。
随着图像处理研究的深入发展，已经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。
图像分类(识别)：图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的人工神经网络模式分类在图像识别中也越来越受到重视。
3 数字图像应用领域
主要应用于航天和航空方面、生物医学工程方面、通信工程方面、工业和工程方面 、安防交通、文化艺术方面 等各行各业。
原创不易，转载请附地址： https://my.oschina.net/ffintell/blog/3207641
（示例图片来源网络，如有侵权，联系删除）
来源：oschina
链接：https://my.oschina.net/ffintell/blog/3207641