图像处理技术基本概念

上一节中介绍了图形创意设计中常见的变换方法，我们可以看出，这些方法的实现离不开图形图像的裁剪、拼接、锐化、模糊等处理过程。本节对这些创意设计中常用的图形图像处理方式展开原理分析，剖析其蕴涵的图像处理技术的基本概念。

传统的通过光学方法或模拟技术来实现模拟图像效果增强已不能满足人们日益增长的需求，随着数字图像技术在现代生活中的大范围普及，数字图像处理技术也应运而生。随着计算机技术的发展，数字图像处理技术得到了长足的发展，目前，其研究方向主要源于两大应用领域：为了便于人们分析而对图像信息进行改进；为了使机器自动理解而对图像数据进行存储、传输、显示及分析。数字图像处理技术不能简单地看作输入是图像，输出也是图像的处理技术，其处理结果也可能是以统计数据、柱状图等形式存在。除此以外，数字图像处理技术在发展过程中也融入了大量信号处理等相关领域的研究成果，例如，Photoshop中常用的高斯模糊等技术，可以说我们看到的Photoshop中千变万化、不断演进的特效工具，就是数字图像处理技术不断发展的结果。

数字图像处理技术可按初级、中级和高级分为三种典型的计算处理技术。低级处理如图像降噪、对比度增强、图像锐化等，以输入、输出都是图像为最典型的特点；中级处理技术如图像分割（将图像分为不同区域或目标物）、图像特征提取等，其特点在于输入为图像，但输出是从这些图像中提取的人们感兴趣的特征（如边缘、轮廓、特征点等）；高级处理技术涉及图像信息的机器学习与理解，以及执行与视觉相关的识别函数等，可以说是以机器模仿人眼和大脑的处理过程，实现图像获取、识别、分析和理解图像含义的复杂过程。

上一节中我们学习了创意设计中常用的图像变换方式，本节将结合日常生产生活中用到的图像处理技术，对常用的数字图像处理技术进行简要介绍。

1.彩色图像灰度化

我们在使用PS或美图秀秀一类软件时，常会将彩色图像变成黑白图像，这一操作涉及图像处理领域中的常用技术——RGB三通道分量的处理技术。前面已经学习了数字图像中常用的颜色模型RGB模型，在进行彩色图像的灰度化操作时，首先提取每一个像素点的R、G、B三通道各自的亮度值，再执行以下操作之一：将三通道的亮度值作为三张灰度图的灰度值，然后根据需要挑选其中一张；取三通道分量中的最大值作为输出灰度图的灰度值；对R、G、B三分量亮度值求和并取平均值作为输出图像的灰度值；对三分量以不同权值进行加权平均。通过以上方法，即可将一幅彩色图像变成黑白图像。

2.直方图的提取与处理

在本章的第一节已介绍过数字图像中像素值的取值区间，无论是彩色图像还是灰度图像，都可以通过统计像素点灰度值在［0,255］区间中的分布情况，获取数字图像中像素点取值的总体情况。数字图像的直方图并不是与原始图像各点信息一一对应的新图像，而是统计灰度分布概率的柱状图，这种柱状图在数字图像处理中的应用十分广泛。

目前，主流数码相机都有内置的直方图显示功能，当拍完一张照片，就可以通过直方图了解整个图像的色调范围，了解照片是否控制在想要的曝光范围内。当获取的图像噪声过大、细节模糊时，也可以通过直方图均衡化、高低通滤波等途径增强图像中的有效信息。另外，直方图处理还可用作图像二值化（将感兴趣的颜色指定为白色，其他无用信息为黑色，从而区分目标和背景）、图像分类器、图像识别等复杂操作的初始步骤。

3.图像变换

通常获取的数字图像记录的是指定x、y轴坐标点的像素点灰度值，即空域信息。然而，当翻开任一信号处理教材就会发现，信号处理技术主要基于时域信息，这是由于信号就是以时间为自变量来描述物理量的变化情况的。因此，为了采用信号处理技术实现某些图像处理结果，必须将某一时刻拍摄的一张数字图像（从时间上说，它只代表一个时间断点，然而，从描述的信息上说，它描述了一定空间范围内的光照情况）转换成时域信号，将空域信息转换至时域进行处理，这就涉及诸如傅里叶变换、沃尔什变换、离散余弦变换等技术。对数字图像进行空域-时域转换最明显的好处在于不仅可以减少计算量，而且可以采用信号处理领域的数字滤波技术，实现从宏观角度对具有相同特质信号的统一处理。

4.图像增强和复原

电影中经常出现警察把摄像头拍摄的模糊照片变得清晰的情景，这涉及数字图像处理中的图像增强、图像复原技术。

图像增强与图像复原技术不同，图像增强的目的是增强图像中的有用信息，它可以是一个失真的过程。可以通过牺牲图像中的无用信息、保护并增强图像中的有效信息的方式，有目的地强调图像的整体或局部特性，将原本不清晰的图像变得清晰或者强调其中某些我们感兴趣的区域。通过过滤图像中的高频噪声、强化目标边缘等方式，扩大图像中不同物体之间的差异，来强化图像判定和识别的效果以满足后期图像识别等工作的需要。图像增强分为频域处理和空间域处理，其中包括常用的图像平滑、图像锐化等操作。

图像复原相当于古画修复工作，我们先建立退化过程的数学模型，然后通过反向操作，恢复已被退化图像的本来面目。例如，遥感图像降质失真是由于大气、设备干扰等原因造成的，因此可对遥感图像进行大气影响的校正、几何校正和针对由于设备原因造成的扫描线漏失、错位等的改正，将降质的遥感图像重建为接近于完全无退化的原始理想图像，该过程即是图像复原的过程。

5.图像分割

在处理一幅图像时，经常需要将其中某种颜色替换为另一种颜色（例如，给人换件其他颜色的衣服），这就涉及图像分割技术。图像分割技术并不仅仅是简单地将一幅大图像裁剪边缘变成几幅小图像，其分割的目标可以是具有某种统一特性的集群，这部分内容与前面所讲的直方图处理技术（阈值分割）等相互交叉。

简单来说，图像分割就是将图像分成若干个具有某种独特性质的特定区域的过程。该技术是由图像处理到图像分析的关键步骤，可以说，图像分割就相当于人脑根据眼睛看到的内容，选择按外形还是按颜色还是按某种特质区分各种目标的过程。现有的图像分割方法主要分为基于阈值的分割方法（根据颜色划分）、基于区域的分割方法（根据位置划分）、基于边缘的分割方法（提取目标边缘）以及基于特定理论的分割方法等。图像分割的结果可用于图像识别、目标搜索等领域。

6.图像描述

当将图像分割为多个区域后，就要描述分割的区域，以向计算机说明这些区域到底代表了什么。描述区域主要分为两类：用外部特征（区域的边界）表示区域；用内部特征（组成区域的像素）表示区域。分类方法的选择仅是图像描述的第一步，接下来需要按选定的方式描述图像，例如，以区域边界表示区域时，就可以通过边界长度以及边界曲折的次数等来说明区域的形状。

7.图像识别

图像识别是人工智能中的重要研究领域，是计算机对图像进行处理、分析和理解，以识别不同模式的目标和对象的技术。该技术涵盖前面学习的图像分割和图像描述，目的是模仿人眼与人脑的作用效果，通过图像中的某种特性，将感兴趣的目标从图像中分离出来。部分摄像头游戏中辨别手势的过程，就是图像识别技术的应用，可通过摄像头捕捉手部的形状，以手指的边缘形状为分类特征，在手势库中寻找边缘特性对应的手势意义，从而完成手势的识别过程。

8.图像压缩编码

我们已经了解了一些常用的数字图像处理技术，那么处理完的图像如何压缩以便于传输和保存就成为新的问题。在Photoshop中单击处理好的图像上方的工具栏中的“保存”时，通常会跳出对话框询问保存的方式和精度要求，这就涉及图像的编码压缩技术。图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输和处理过程的时间成本及存储器容量。前面在学习图像格式时已经对图像的失真压缩和不失真压缩有了初步的了解，在此对图像压缩编码的意义进行简要的介绍。

图像压缩编码是指在满足一定保真度的要求下，对图像数据进行变换、编码和压缩，去除多余的数据，减少表示数字图像时需要的数据量，以便于图像的传输和存储。它是一种以较少的数据量有损或无损地表示原有像素矩阵的技术。简单来说，就是在保证不影响用户观察效果的条件下，尽可能缩减数字图像大小的技术。将BMP格式图像变成JPEG格式图像保存的过程，就是一个图像压缩编码的过程。