2023-11-25 06:24来源:m.sf1369.com作者:宇宇
用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。
基本内容 图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组,该数组的元素称为像素,其值为一整数,称为灰度值。图像处理技术的主要内容包括图像压缩,增强和复原,匹配、描述和识别3个部分。
图像压缩 由数字化得到的一幅图像的数据量十分巨大,一幅典型的数字图像通常由500×500或1000×1000个像素组成。如果是动态图像,是其数据量更大。因此图像压缩对于图像的存储和传输都十分必要。
有两类压缩算法,即不失真的方法和近似的方法。最常用的不失真压缩取空间或时间上相邻像素值的差,再进行编码。游程码就是这类压缩码的例子。近似压缩算法大都采用图像交换的途径,例如对图像进行快速傅里叶变换或离散的余弦变换。著名的、已作为图像压缩国际标准的JPEG和MPEG均属于近似压缩算法。前者用于静态图像,后者用于动态图像。它们已由芯片实现。
图像增强和复原 图像增强的目标是改进图片的质量,例如增加对比度,去掉模糊和噪声,修正几何畸变等;图像复原是在假定已知模糊或噪声的模型时,试图估计原图像的一种技术。
图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法,可去掉图中的噪声;采用高通滤波法,则可增强边缘等高频信号,使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等,它们可用于去除或减弱噪声。
早期的数字图像复原亦来自频率域的概念。现代采取的是一种代数的方法,即通过解一个大的方程组来复原理想的图片。
图像匹配、描述和识别 对图像进行比较和配准,通过分制提取图像的特征及相互关系,得到图像符号化的描述,再把它同模型比较,以确定其分类。图像匹配试图建立两张图片之间的几何对应关系,度量其类似或不同的程度。匹配用于图片之间或图片与地图之间的配准,例如检测不同时间所拍图片之间景物的变化,找出运动物体的轨迹。
从图像中抽取某些有用的度量、数据或信息称为图像分析。图像分析的基本步骤是把图像分割成一些互不重叠的区域,每一区域是像素的一个连续集,度量它们的性质和关系,最后把得到的图像关系结构和描述景物分类的模型进行比较,以确定其类型。识别或分类的基础是图像的相似度。一种简单的相似度可用区域特征空间中的距离来定义。另一种基于像素值的相似度量是图像函数的相关性。最后一种定义在关系结构上的相似度称为结构相似度。
以提高图像质量为目的的图像增强和复原对于一些难以得到的图片或者在拍摄条件十分恶劣情况下得到的图片都有广泛的应用。例如从太空中拍摄到的地球或其他星球的照片,用电子显微镜或X光拍摄的生物医疗图片等。
以图片分析和理解为目的的分割、描述和识别将用于各种自动化的系统,如字符和图形识别、用机器人进行产品的装配和检验、自动军事目标识别和跟踪、指纹识别、X光照片和血样的自动处理等。在这类应用中,往往需综合应用模式识别和计算机视觉等技术,图像处理更多的是作为前置处理而出现的。
多媒体应用的掀起,对图像压缩技术的应用起了很大的推动作用。图像,包括录像带一类动态图像将转为数字图像,并和文字、声音、图形一起存储在计算机内,显示在计算机的屏幕上。它的应用将扩展到教育、培训和娱乐等新的领域。
遥感影像数字图像处理的内容主要有:1、图像恢复:即校正在成像、记录、传输或回放过程中引入的数据错误、噪声与畸变。包括辐射校正、几何校正等;2、数据压缩:以改进传输、存储和处理数据效率;3、影像增强:突出数据的某些特征,以提高影像目视质量。包括彩色增强、反差增强、边缘增强、密度分割、比值运算、去模糊等;4、信息提取:从经过增强处理的影像中提取有用的遥感信息。包括采用各种统计分析、集群分析、频谱分析等自动识别与分类。通常利用专用数字图像处理系统来实现,且依据目的不同采用不同算法和技术。
数据挖掘太难了,图形图像处理是个很有潜力的发展方向,是多媒体、信息处理的结合,是未来发展方向,西电在这方面(网络多媒体)也挺强的……
图像工程分为三层:图像处理、图像分析、图像理解。图像处理是对图像像素的处理,在图像工程的低层,处理的数据量较大。
步骤要具体问题具体分析了。如果是图形融合处理,大致步骤是:预处理阶段、融合阶段。具体的还有涉及图像处理所采用的算法。
数字图像处理的学科基础是统计学,高等数学,随机数学以及计算机图像学偏重颜色及视感方面的内容。许多数字图像的处理算法已经相当成熟,而且实现它们的难度并不算大,关键是找到对应的编程语言合适的像素操作函数即可。
其实一般来说,只要涉及到成像或者图像的基本都要图像处理方面的人。比方说一个成像设备,在输出图像之前需要对原始图像进行增强或者去噪处理,存储时需要对图像进行压缩,成像之后需要对图像内容进行自动分析,这些内容都是图像处理的范畴。
在知识结构的设计上,大数据应用技术涉及到数学、统计学、编程语言、大数据平台、操作系统、数据分析工具等内容,另外也会涉及到物联网、云计算等相关方面的内容。数学和统计学是大数据技术的重要基础,即使从事落地应用也要重点掌握一些常见的算法。
编程语言的学习通常会集中在Java、Python、Scala、R等编程语言上,从目前就业的角度出发,Java是不错的选择。如果未来想从事大数据应用开发岗位,那么需要重点学习一下编程语言部分。