數字圖像處理

數字圖像處理（Digital Image Processing）又稱為計算機圖像處理，它是指將圖像信號轉換成數字信號並利用計算機對其進行處理的過程。

數字圖像處理最早出現於20世紀50年代，當時的電子計算機已經發展到一定水平，人們開始利用計算機來處理圖形和圖像信息。數字圖像處理作為一門學科大約形成於20世紀60年代初期。早期的圖像處理的目的是改善圖像的質量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，輸入的是質量低的圖像，輸出的是改善質量後的圖像，常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。首次獲得實際成功應用的是美國噴氣推進實驗室（JPL）。他們對航天探測器徘徊者7號在1964年發回的幾千張月球照片使用了圖像處理技術，如幾何校正、灰度變換、去除噪聲等方法進行處理，並考慮了太陽位置和月球環境的影響，由計算機成功地繪製出月球表面地圖，獲得了巨大的成功。隨後又對探測飛船發回的近十萬張照片進行更為複雜的圖像處理，以致獲得了月球的地形圖、彩色圖及全景鑲嵌圖，獲得了非凡的成果，為人類登月創舉奠定了堅實的基礎，也推動了數字圖像處理這門學科的誕生。在以後的宇航空間技術，如對火星、土星等星球的探測研究中，數字圖像處理技術都發揮了巨大的作用。數字圖像處理取得的另一個巨大成就是在醫學上獲得的成果。

1972年英國EMI公司工程師Housfield發明了用於頭顱診斷的X射線計算機斷層攝影裝置，也就是我們通常所説的CT（Computer Tomograph）。CT的基核方法是根據人的頭部截面的投影，經計算機處理來重建截面圖像，稱為圖像重建。

1975年EMI公司又成功研製出全身用的CT裝置，獲得了人體各個部位鮮明清晰的斷層圖像。1979年，這項無損傷診斷技術獲得了諾貝爾獎，説明它對人類作出了劃時代的貢獻。與此同時，圖像處理技術在許多應用領域受到廣泛重視並取得了重大的開拓性成就，屬於這些領域的有航空航天、生物醫學工程、工業檢測、機器人視覺、公安司法、軍事制導、文化藝術等，使圖像處理成為一門引人注目、前景遠大的新型學科。隨着圖像處理技術的深入發展，從70年代中期開始，隨着計算機技術和人工智能、思維科學研究的迅速發展，數字圖像處理向更高、更深層次發展。人們已開始研究如何用計算機系統解釋圖像，實現類似人類視覺系統理解外部世界，這被稱為圖像理解或計算機視覺。很多國家，特別是發達國家投入更多的人力、物力到這項研究，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提出的視覺計算理論，這個理論成為計算機視覺領域其後十多年的主導思想。圖像理解雖然在理論方法研究上已取得不小的進展，但它本身是一個比較難的研究領域，存在不少困難，因人類本身對自己的視覺過程還了解甚少，因此計算機視覺是一個有待人們進一步探索的新領域。

數字圖像處理在國民經濟的許多領域已經得到廣泛的應用。農林部門通過遙感圖像瞭解植物生長情況，進行估產，監視病蟲害發展及治理。水利部門通過遙感圖像分析，獲取水害災情的變化。氣象部門用以分析氣象雲圖，提高預報的準確程度。國防及測繪部門，使用航測或衞星獲得地域地貌及地面設施等資料。機械部門可以使用圖像處理技術，自動進行金相圖分析識別。醫療部門採用各種數字圖像技術對各種疾病進行自動診斷。

數字圖像處理在通信領域有特殊的用途及應用前景。傳真通信、可視電話、會議電視、多媒體通信，以及寬帶綜合業務數字網（B-ISDN）和高清晰度電視（HDTV）都採用了數字圖像處理技術。

圖像處理技術的應用與推廣，使得為機器人配備視覺的科學預想轉為現實。計算機視覺或機器視覺迅速發展。計算機視覺實際上就是圖像處理加圖像識別，要求採用十分複雜的處理技術，需要設計高速的專用硬件。

數字圖像處理技術在國內外發展十分迅速，應用也非常廣泛，但是就其學科建設來説，還不成熟，還沒有廣泛適用的研究模型和齊全的質量評價體系指標，多數方法的適用性都隨分析處理對象而各異。數字圖像處理的研究方向是建立完整的理論體系。

2020年，中國數字圖像處理應用端市場規模已達217.3億元，年複合增長率為252.4%，預計2025年市場規模將增長至6,001.5億元，年複合增長率將達到94.2%。隨應用端需求爆發，數字圖像處理行業持續保持較高的增長趨勢，數字圖像處理技術已在各行業投入使用，廣泛應用於手機、汽車、金融服務、互聯網打車和線上租賃公寓等，是人工智能技術中落地最廣的技術之一。

截至2021年，安防影像分析、金融身份認證及互聯網娛樂已成為數字圖像處理行業最重要的技術發展方向，而包括智慧安防、電商消費、智慧金融、手機娛樂、交通運輸、智能家居、智能製造、醫療衞生和物流快運等在內的應用端數量激增，推動數字圖像處理行業上游硬件及算法進步，驅動數字圖像處理行業中游技術方向持續創新，未來行業規模將繼續增長。 ^[3] 

進行數字圖像處理所需要的設備包括攝像機、數字圖像採集器（包括同步控制器、模數轉換器及幀存儲器）、圖像處理計算機和圖像顯示終端。主要的處理任務，通過圖像處理軟件來完成。為了對圖像進行實時處理，需要非常高的計算速度，通用計算機無法滿足，需要專用的圖像處理系統。這種系統由許多單處理器組成陣列式處理機，並行操作，以提高處理的實時性。隨着超大規模集成電路的發展，專門用於各種處理算法的高速芯片，即圖像處理專用芯片，會形成較大的市場。

一般來講，對圖像進行處理（或加工、分析）的主要目的有三個方面：

（1）提高圖像的視感質量，如進行圖像的亮度、彩色變換，增強、抑制某些成分，對圖像進行幾何變換等，以改善圖像的質量。

（2）提取圖像中所包含的某些特徵或特殊信息，這些被提取的特徵或信息往往為計算機分析圖像提供便利。提取特徵或信息的過程是模式識別或計算機視覺的預處理。提取的特徵可以包括很多方面，如頻域特徵、灰度或顏色特徵、邊界特徵、區域特徵、紋理特徵、形狀特徵、拓撲特徵和關係結構等。

（3）圖像數據的變換、編碼和壓縮，以便於圖像的存儲和傳輸。

不管是何種目的的圖像處理，都需要由計算機和圖像專用設備組成的圖像處理系統對圖像數據進行輸入、加工和輸出。 ^[2] 

數字圖像處理常用方法有以下幾個方面：

1）圖像變換：由於圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。因此，往往採用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散餘弦變換等間接處理技術，將空間域的處理轉換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數字濾波處理）。新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有着廣泛而有效的應用。

2 ）圖像編碼壓縮：圖像編碼壓縮技術可減少描述圖像的數據量（即比特數），以便節省圖像傳輸、處理時間和減少所佔用的存儲器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發展最早且比較成熟的技術。

3 ）圖像增強和復原：圖像增強和復原的目的是為了提高圖像的質量，如去除噪聲，提高圖像的清晰度等。圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低頻分量可減少圖像中噪聲影響。圖像復原要求對圖像降質的原因有一定的瞭解，一般講應根據降質過程建立“降質模型”，再採用某種濾波方法，恢復或重建原來的圖像。

4 ）圖像分割：圖像分割是數字圖像處理中的關鍵技術之一。圖像分割是將圖像中有意義的特徵部分提取出來，其有意義的特徵有圖像中的邊緣、區域等，這是進一步進行圖像識別、分析和理解的基礎。雖然已研究出不少邊緣提取、區域分割的方法，但還沒有一種普遍適用於各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是圖像處理中研究的熱點之一。

5 ）圖像描述：圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可採用其幾何特性描述物體的特性，一般圖像的描述方法採用二維形狀描述，它有邊界描述和區域描述兩類方法。對於特殊的紋理圖像可採用二維紋理特徵描述。隨着圖像處理研究的深入發展，已經開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。

6 ）圖像分類（識別）：圖像分類（識別）屬於模式識別的範疇，其主要內容是圖像經過某些預處理（增強、復原、壓縮）後，進行圖像分割和特徵提取，從而進行判決分類。圖像分類常採用經典的模式識別方法，有統計模式分類和句法（結構）模式分類，近年來新發展起來的模糊模式識別和人工神經網絡模式分類在圖像識別中也越來越受到重視。

數字圖像處理的工具可分為三大類：

第一類包括各種正交變換和圖像濾波等方法，其共同點是將圖像變換到其它域（如頻域）中進行處理（如濾波）後，再變換到原來的空間（域）中。

第二類方法是直接在空間域中處理圖像，它包括各種統計方法、微分方法及其它數學方法。

第三類是數學形態學運算，它不同於常用的頻域和空域的方法，是建立在積分幾何和隨機集合論的基礎上的運算。

由於被處理圖像的數據量非常大且許多運算在本質上是並行的，所以圖像並行處理結構和圖像並行處理算法也是圖像處理中的主要研究方向。

圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應用領域必然涉及到人類生活和工作的方方面面。隨着人類活動範圍的不斷擴大，圖像處理的應用領域也將隨之不斷擴大。

航天和航空技術方面的應用數字圖像處理技術在航天和航空技術方面的應用，除了JPL對月球、火星照片的處理之外，另一方面的應用是在飛機遙感和衞星遙感技術中。許多國家每天派出很多偵察飛機對地球上有興趣的地區進行大量的空中攝影。對由此得來的照片進行處理分析，以前需要僱用幾千人，而現 在改用配備有高級計算機的圖像處理系統來判讀分析，既節省人力，又加快了速度，還可以從照片中提取人工所不能發現的大量有用情報。從60年代末以來，美國及一些國際組織發射了資源遙感衞星（如LANDSAT系列）和天空實驗室（如SKYLAB），由於成像條件受飛行器位置、姿態、環境條件等影響，圖像質量總不是很高。因此，以如此昂貴的代價進行簡單直觀的判讀來獲取圖像是不合算的，而必須採用數字圖像處理技術。如LANDSAT系列陸地衞星，採用多波段掃描器（MSS），在900km高空對地球每一個地區以18天為一週期進行掃描成像，其圖像分辨率大致相當於地面上十幾米或100米左右（如1983年發射的LANDSAT-4，分辨率為30m）。這些圖像在空中先處理（數字化，編碼）成數字信號存入磁帶中，在衞星經過地面站上空時，再高速傳送下來，然後由處理中心分析判讀。這些圖像無論是在成像、存儲、傳輸過程中，還是在判讀分析中，都必須採用很多數字圖像處理方法。現 在世界各國都在利用陸地衞星所獲取的圖像進行資源調查（如森林調查、海洋泥沙和漁業調查、水資源調查等），災害檢測（如病蟲害檢測、水火檢測、環境污染檢測等），資源勘察（如石油勘查、礦產量探測、大型工程地理位置勘探分析等），農業規劃（如土壤營養、水份和農作物生長、產量的估算等），城市規劃（如地質結構、水源及環境分析等）。中國也陸續開展了以上諸方面的一些實際應用，並獲得了良好的效果。在氣象預報和對太空其它星球研究方面，數字圖像處理技術也發揮了相當大的作用。

2）生物醫學工程方面

數字圖像處理在生物醫學工程方面的應用十分廣泛，而且很有成效。除了上面介紹的CT技術之外，還有一類是對醫用顯微圖像的處理分析，如紅細胞、白細胞分類，染色體分析，癌細胞識別等。此外，在X光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫學診斷方面都廣泛地應用圖像處理技術。

當前通信的主要發展方向是聲音、文字、圖像和數據結合的多媒體通信。具體地講是將電話、電視和計算機以三網合一的方式在數字通信網上傳輸。其中以圖像通信最為複雜和困難，因圖像的數據量十分巨大，如傳送彩色電視信號的速率達100Mbit/s以上。要將這樣高速率的數據實時傳送出去，必須採用編碼技術來壓縮信息的比特量。在一定意義上講，編碼壓縮是這些技術成敗的關鍵。除了已應用較廣泛的熵編碼、DPCM編碼、變換編碼外，國內外正在大力開發研究新的編碼方法，如分行編碼、自適應網絡編碼、小波變換圖像壓縮編碼等。

在工業和工程領域中圖像處理技術有着廣泛的應用，如自動裝配線中檢測零件的質量、並對零件進行分類，印刷電路板疵病檢查，彈性力學照片的應力分析，流體力學圖片的阻力和升力分析，郵政信件的自動分揀，在一些有毒、放射性環境內識別工件及物體的形狀和排列狀態，先進的設計和製造技術中採用工業視覺等等。其中值得一提的是研製具備視覺、聽覺和觸覺功能的智能機器人，將會給工農業生產帶來新的激勵，目 前已在工業生產中的噴漆、焊接、裝配中得到有效的利用。

在軍事方面圖像處理和識別主要用於導彈的精確末制導，各種偵察照片的判讀，具有圖像傳輸、存儲和顯示的軍事自動化指揮系統，飛機、坦克和軍艦模擬訓練系統等；公安業務圖片的判讀分析，指紋識別，人臉鑑別，不完整圖片的復原，以及交通監控、事故分析等。目 前已投入運行的高速公路不停車自動收費系統中的車輛和車牌的自動識別都是圖像處理技術成功應用的例子。

目 前這類應用有電視畫面的數字編輯，動畫的製作，電子圖像遊戲，紡織工藝品設計，服裝設計與製作，髮型設計，文物資料照片的複製和修復，運動員動作分析和評分等等，現 在已逐漸形成一門新的藝術--計算機美術。

7）機器人視覺

機器視覺作為智能機器人的重要感覺器官，主要進行三維景物理解和識別，是目 前處於研究之中的開放課題。機器視覺主要用於軍事偵察、危險環境的自主機器人，郵政、醫院和家庭服務的智能機器人，裝配線工件識別、定位，太空機器人的自動操作等。

8）視頻和多媒體系統

目 前，電視製作系統廣泛使用的圖像處理、變換、合成，多媒體系統中靜止圖像和動態圖像的採集、壓縮、處理、存貯和傳輸等。

9）科學可視化

圖像處理和圖形學緊密結合，形成了科學研究各個領域新型的研究工具。

在當前呼聲甚高的電子商務中，圖像處理技術也大有可為，如身份認證、產品防偽、水印技術等。

總之，圖像處理技術應用領域相當廣泛，已在國家安全、經濟發展、日常生活中充當越來越重要的角色，對國計民生的作用不可低估。

自20世紀60年代第三代數字計算機問世以後，數字圖像處理技術出現了空前的發展，在該領域中需要進一步研究的問題主要有如下五個方向：

1）在進一步提高精度的同時着重解決處理速度問題；

2）加強軟件研究，開發新的處理方法，特別要注意移植和借鑑其他學科的技術和研究成果，創造新的處理方法；

3）加強邊緣學科的研究工作，

促進圖像處理技術的發展；

4）加強理論研究，逐步形成處理科學自身的理論體系；

5）時刻注意圖像處理領域的標準化問題。

數字圖像處理的信息大多是二維信息，處理信息量很大。如一幅256×256低分辨率黑白圖像，要求約64kbit的數據量；對高分辨率彩色512×512圖像，則要求768kbit數據量；如果要處理30幀/秒的電視圖像序列，則每秒要求500kbit～22.5Mbit數據量。因此對計算機的計算速度、存儲容量等要求較高。

數字圖像處理佔用的頻帶較寬。與語言信息相比，佔用的頻帶要大幾個數量級。如電視圖像的帶寬約5.6MHz，而語音帶寬僅為4kHz左右。所以在成像、傳輸、存儲、處理、顯示等各個環節的實現上，技術難度較大，成本亦高，這就對頻帶壓縮技術提出了更高的要求。

數字圖像中各個像素是不獨立的，其相關性大。在圖像畫面上，經常有很多像素有相同或接近的灰度。就電視畫面而言，同一行中相鄰兩個像素或相鄰兩行間的像素，其相關係數可達0.9以上，而相鄰兩幀之間的相關性比幀內相關性一般説還要大些。因此，圖像處理中信息壓縮的潛力很大。

由於圖像是三維景物的二維投影，一幅圖象本身不具備復現三維景物的全部幾何信息的能力，很顯然三維景物背後部分信息在二維圖像畫面上是反映不出來的。因此，要分析和理解三維景物必須作合適的假定或附加新的測量，例如雙目圖像或多視點圖像。在理解三維景物時需要知識導引，這也是人工智能中正在致力解決的知識工程問題。

數字圖像處理後的圖像一般是給人觀察和評價的，因此受人的因素影響較大。由於人的視覺系統很複雜，受環境條件、視覺性能、人的情緒愛好以及知識狀況影響很大，作為圖像質量的評價還有待進一步深入的研究。另一方面，計算機視覺是模仿人的視覺，人的感知機理必然影響着計算機視覺的研究。例如，什麼是感知的初始基元，基元是如何組成的，局部與全局感知的關係，優先敏感的結構、屬性和時間特徵等，這些都是心理學和神經心理學正在着力研究的課題。

1. 再現性好數字圖像處理與模擬圖像處理的根本不同在於，它不會因圖像的存儲、傳輸或複製等一系列變換操作而導致圖像質量的退化。只要圖像在數字化時準確地表現了原稿，則數字圖像處理過程始終能保持圖像的再現。

數組，這主要取決於圖像數字化設備的能力。現代掃描儀可以把每個像素的灰度等級量化為16位甚至更高，這意味着圖像的數字化精度可以達到滿足任一應用需求。對計算機而言，不論數組大小，也不論每個像素的位數多少，其處理程序幾乎是一樣的。換言之，從原理上講不論圖像的精度有多高，處理總是能實現的，只要在處理時改變程序中的數組參數就可以了。回想一下圖像的模擬處理，為了要把處理精度提高一個數量級，就要大幅度地改進處理裝置，這在經濟上是極不合算的。

3．適用面寬圖像可以來自多種信息源，它們可以是可見光圖像，也可以是不可見的波譜圖像（例如X射線圖像、射線圖像、超聲波圖像或紅外圖像等）。從圖像反映的客觀實體尺度看，可以小到電子顯微鏡圖像，大到航空照片、遙感圖像甚至天文望遠鏡圖像。這些來自不同信息源的圖像只要被變換為數字編碼形式後，均是用二維數組表示的灰度圖像（彩色圖像也是由灰度圖像組合成的，例如RGB圖像由紅、綠、藍三個灰度圖像組合而成）組合而成，因而均可用計算機來處理。即只要針對不同的圖像信息源，採取相應的圖像信息採集措施，圖像的數字處理方法適用於任何一種圖像。

4．靈活性高圖像處理大體上可分為圖像的像質改善、圖像分析和圖像重建三大部分，每一部分均包含豐富的內容。由於圖像的光學處理從原理上講只能進行線性運算，這極大地限制了光學圖像處理能實現的目標。而數字圖像處理不僅能完成線性運算，而且能實現非線性處理，即凡是可以用數學公式或邏輯關係來表達的一切運算均可用數字圖像處理實現。