摘要：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对其进行处理的过程。数字图像处理和识别的主要技术有图像变换、图像编码压缩、图像增强和复原、图像分割、图像描述、图像分类（识别）等。图像是人类获取和交换信息的主要来源，因此，图像处理和识别的应用领域必然涉及到人类生活和工作的方方面面，例如生物医学工程、通信工程、军事公安、文化艺术等。图像处理技术的发展紧密地联系到计算机技术的发展及新的数学方法的应用，随着图像处理技术应用圈的迅速扩大，已成为21世纪信息时代的一门重要的高新科学技术，渴望学习与掌握这门技术的人越来越多。
关键词：数字图像处理、计算机视觉、模式识别、图像识别、CT技术、图像子带编码
数字图像处理与识别的发展
数字图像处理（Digital ImageProcessing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。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。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，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。
模式识别(PatternRecognition)是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。计算机模式识别在20世纪60年代初迅速发展并成为一门新学科。
从目前来看，模式识别是一种从大量信息和数据出发，在专家经验和已有认识的基础上，利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别的过程。模式识别包括相互关联的两个阶段，即学习阶段和实现阶段，前者是对样本进行特征选择，寻找分类的规律，后者是根据分类规律对未知样本集进行分类和识别。广义的模式识别属计算机科学中智能模拟的研究范畴，内容非常广泛，包括声音和语言识别、文字识别、指纹识别、声纳信号和地震信号分析、照片图片分析、化学模式识别等等。
近几十年来，模式识别技术发展很快。模式识别问题一般可由统计模式识别、结构模式识别、模糊集理论识别、神经网络识别等方法进行处理。其中发展较成熟、应用较广泛的主要是统计模式识别技术。
随着数字图像处理技术的发展和实际应用的需要，出现了另一类问题，就是不要求其结果输出是一幅完整图像的本身，而是将经过上述处理后的图像，再经过分割和描述提取有效的特征，进而加以判决分类。例如要从遥感图像中分割出各种农作物、森林资源、矿产资源等，并进一步判断其产量和蕴藏量；由气象云图结合其它气象观察数据进行自动天气预报；根据医学Ｘ光图像断层分析各种病变；邮政系统中的信函自动分拣等，这些都是图像识别的研究内容。
图像识别，可以认为就是图像的模式识别，它是模式识别技术在图像领域中的具体应用。模式识别的研究对象基本上可概括为两大类：一类是有直觉形象的如图像、相片、图案、文字等；一类是没有直觉形象而只有数据或信息波形如语声、心电脉冲、地震波等。但是，对模式识别来说，无论是数据、信号还是平面图形或立体景物，都是除掉他们的物理内容而找出它们的共性，把具有同一共性的归为一类，而具有另一种共性者归为一类。模式识别研究的目的是研制能够自动处理某些信息的机器系统，以便代替人完成分类和辨识的任务。
数字图像处理和识别的关键技术
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，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）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也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。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。
４．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。
６．图像分类（识别）
数字图像处理与识别的技术特点
１．处理信息量很大。
如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量。因此对计算机的计算速度、存储容量等要求较高。
２．数字图像处理占用的频带较宽。
与语言信息相比，占用的频带要大几个数量级。如电视图像的带宽约5.6MHz，而语音带宽4kHz左右。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的要求。
３．数字图像中各个像素是不独立的，其相关性大。
在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。因此，图像处理中信息压缩的潜力很大。
４．数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。
由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题。
数字图像处理和识别的应用
１．航天和航空技术方面的应用
数字图像处理和图像识别技术在航天和航空技术方面的应用，除了上面介绍的JPL对月球、火星照片的处理之外，另一方面的应用是在飞机遥感和卫星遥感技术中。许多国家每天派出很多侦察飞机对地球上有兴趣的地区进行大量的空中摄影。对由此得来的照片进行处理分析，以前需要雇用几千人，而现在改用配备有高级计算机的图像处理系统来判读分析，既节省人力，又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。从60年代末以来，美国及一些国际组织发射了资源遥感卫星（如LANDSAT系列）和天空实验室（如SKYLAB），由于成像条件受飞行器位置、姿态、环境条件等影响，图像质量总不是很高。因此，以如此昂贵的代价进行简单直观的判读来获取图像是不合算的，而必须采用数字图像处理技术。如LANDSAT系列陆地卫星，采用多波段扫描器（MSS），在900km高空对地球每一个地区以18天为一周期进行扫描成像，其图像分辨率大致相当于地面上十几米或100米左右（如1983年发射的LANDSAT-4，分辨率为30m）。这些图像在空中先处理（数字化，编码）成数字信号存入磁带中，在卫星经过地面站上空时，再高速传送下来，然后由处理中心分析判读。这些图像无论是在成像、存储、传输过程中，还是在判读分析中，都必须采用很多数字图像处理方法。
２．生物医学工程方面的应用
医学上不管是基础科学还是临床应用，都是图像处理和识别种类极多的领域，例如对生物医学的显微图像的处理分析方面，如红白细胞和细菌，染色体分析，另外像胸部X线照片的鉴别，眼底照片的分析，以及超声波图像的分析等都是医疗辅助诊断的有力工具，目前这类应用已经发展到专用的软件和硬件设备，最普遍使用的是计算机层析成像，亦称CT技术。它是由英国的Hounsfield和美国的Cormack发明的。通过CT，可以获取人体剖面图，使得肌体病变特别是肿瘤诊断起到了革命性的变化，两位发明者因此获得1979年诺贝尔医学奖。近年来又出现的核磁共振CT，使人体免受各种硬射线的伤害，并且图像更为清晰。图像处理和识别技术在医学上的应用正在进一步的发展。
３．通信工程方面的应用
当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为复杂和困难，因图像的数据量十分巨大，如传送彩色电视信号的速率达100Mbit/s以上。要将这样高速率的数据实时传送出去，必须采用编码技术来压缩信息的比特量。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。
４．工业和工程方面的应用
在工业和工程领域中图像处理技术有着广泛的应用，如自动装配线中检测零件的质量、并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析，邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的激励，目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。
５．军事公安方面的应用
在军事方面图像处理和识别主要用于导弹的精确末制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子。
６．文化艺术方面的应用
目前这类应用有电视画面的数字编辑，动画的制作，电子图像游戏，纺织工艺品设计，服装设计与制作，发型设计，文物资料照片的复制和修复，运动员动作分析和评分等等，现在已逐渐形成一门新的艺术--计算机美术。
数字图像处理和识别的前沿技术与发展前景
图像处理技术的发展紧密地联系到计算机技术的发展及新的数学方法的应用。常规的数学的方法如各种变换、线性代数是进入图像处理的门槛，而新的数学理论如小分形、混沌、可行变模型等已经出现，便立即在图像处理中得到应用。新一代图像压缩技术中，一种重要的方法是图像子带编码。图像子带编码的基本思想是将图像信号的频带用一组分析滤波器分割成各个子带信号，针对每个不同的子带信号，按照它的统计特性分配不同的编码器和比特率。这样做的好处在于压缩误差仅仅局限于各个子带信号中，互不影响，并且可以根据人眼视觉系统频率区域敏感的特征，给各个不同的子带信号分配不同的比特率，不但可以获得高压缩比，而且重构图像的主观视觉效果比较好。其实小波变换，金字塔多尺度分割算法都可以归属于图像子带编码技术。由于图像处理技术应用圈的迅速扩大，渴望学习与掌握这门技术的越来越多
20世纪90年代，随着信息社会的到来，图像处理技术进入一个更加迅猛发展的阶段。特别是多媒体技、通信技术、信息存储技术和国际因特网（Internet）为代表的计算机网络技术的加速发展和广泛普及以及高清晰度电视（HDTV）的深入应用研究，更加推广了图像处理技术的研究与发展。
模式识别与智能系统学科是当今发展最快的热点学科，随着模式识别与智能工程理论与技术的发展已使世界科技形势发生了很大的变革。智能信息处理科学与技术已渗透到计算机、通信、交通运输、医学、物理、化学、生物学、军事、经济等各个领域。该学科以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统的性能。模式识别与智能系统是现代服务业信息支撑技术之一，是一门理论与实际紧密结合，具有广泛的应用价值的控制科学与工程的重要学科分支。21世纪是智能化、信息化、计算化、网络化的世纪，在这个以数字计算为特征的世纪里，作为人工智能技术基础学科的模式识别技术，必将获得巨大的发展空间。在国际上，各大权威研究机构，各大公司都纷纷开始将模式识别技术作为公司的战略研发重点。
现在人们充分认识到数字图像处理是认识世界，改造世界的重要手段。图像处理和识别技术已应用于许多领域，成为21世纪信息时代的一门重要的高新科学技术。
参考文献
[1]王耀南、李树涛、毛建旭.《计算机图像处理与识别技术》高等教育出版社,2003.2
[2]张成海、张铎.《现代自动识别技术与应用》 清华大学出版社,2003.9
[3]沈庭芝、方子文.《数字图像处理与模式识别》，2001.9
[4]陈纯.《计算机图像处理技术与算法》清华大学出版社,2003.7
[5]阮秋琦.《数字图像处理学》 电子工业出版社,1998,6.
[6]霍宏涛.《数字图像处理》 北京理工大学出版社,2002,9.
联系客服
