「图像处理」修訂間的差異檢視原始碼討論檢視歷史
(创建页面,内容为“图像处理是指对图像进行分析、加工、和处理,使其满足视觉、心理或其他要求的技术。图像处理是信号处理在图像领域上的…”) |
|||
(未顯示由 1 位使用者於中間所作的 5 次修訂) | |||
行 1: | 行 1: | ||
− | + | [[File: 图像处理.jpeg|有框|右|<big> 图像处理</big>[https://www.itheat.com/upload/post/201805/103040yvycscci7cl8c7yu.jpg 原图链接][https://www.itheat.com/view/5211.html 来自 热点科 技 的图 片]]] | |
− | + | '''图像处理'''(''' Image Processing''' ),是指对图像进行分析、加工、和处理,使其满足[[视觉]]、[[心理]]或其他要求的技术。 图像处理是信号处理 在图像领域上的一个应用。目前大多数 的 图像均是以数字形式存储 , 因而图像处理很多情况下指数字图像处理。此 外 ,基于[[光 学]]理论的处理方法依然占 有 重要 的 地位 。 | |
− | 传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上,比如降噪、量化等。然而,图像属于二维信号,和一维信号相比,它有自己特殊的一面,处理的方式和角度也有所不同。 | + | 图像处理是信号处理的子类,另外与计算机科学、[[人工智能]]等领域也有密切的关系。 |
+ | |||
+ | 传统的一维信号处理的方法和[[ 概念]] 很多仍然可以直接应用在图像处理上,比如降噪、量化等<ref>[https://www.docin.com/p-1439237271.html 数字图像处理的基本步骤 ],豆丁网</ref> 。然而,图像属于二维信号,和一维信号相比,它有自己特殊的一面,处理的方式和角度也有所不同。 | ||
==解决方案== | ==解决方案== | ||
− | 影像 | + | ===影像强化=== |
+ | |||
+ | 几十年前,图像处理大多数由光学设备在模拟模式下进行。由于这些光学方法本身所具有的并行特性,至今他们仍然在很多应用领域占有核心地位,例如全息摄 影 。但是由于计算机[[速度]]的大幅度提高,这些技术正在迅速的被[[数字图像]]处理方法所替代。 | ||
+ | |||
+ | 从通常意义上讲,数字图 像 处理技术更加普适、可靠和准确。比起模拟方法,它们也更容易实现。专用的硬件被用于数字图像处理,例如,基于流水线的计算机体系结构在这方面获取了巨大的[[商业]]成功。今天,硬件解决方案被广泛的用于[[视频]]处理系统,但商业 化 的图像处理任务基本上仍以软件形式实现,运行在通用个人电脑上。 | ||
+ | |||
+ | ===常用的信号处理技术=== | ||
+ | |||
+ | 大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸,它们之中的一部分在二维情形下变得十分复杂。 同时[[图像]]处理自身也具有一些新的概念, 例如,连通性、旋转不变性,等等。这些概念仅对二维或更高维的情况下才有非平凡的意义。 | ||
− | + | 图像处理 中常 用 到快速[[傅立叶]]变换<ref>[https://www.sohu.com/a/276256256_465219 FFT快 速 傅立叶变换 的 工作原理 ],搜狐,2018-11-18</ref> , 因为它可以减小 数 据处理量和 处理[[时间]] 。 | |
− | + | ==视频== | |
+ | ===<center> 图像处理 相关 视频</center>=== | ||
+ | <center>MATLAB 图像处理实 例</center> | ||
+ | <center>{{#iDisplay:d0153hw26aj|560|390|qq}}</center> | ||
− | + | <center>Photoshop图像 处理-3C</center> | |
+ | <center>{{#iDisplay:m30626lw4gc|560|390|qq}}</center> | ||
− | + | ==参考文献== | |
− | + | [[Category:312 電腦科學]] |
於 2022年7月22日 (五) 10:00 的最新修訂
圖像處理( Image Processing ),是指對圖像進行分析、加工、和處理,使其滿足視覺、心理或其他要求的技術。圖像處理是信號處理在圖像領域上的一個應用。目前大多數的圖像均是以數字形式存儲,因而圖像處理很多情況下指數字圖像處理。此外,基於光學理論的處理方法依然占有重要的地位。
圖像處理是信號處理的子類,另外與計算機科學、人工智能等領域也有密切的關係。
傳統的一維信號處理的方法和概念很多仍然可以直接應用在圖像處理上,比如降噪、量化等[1]。然而,圖像屬於二維信號,和一維信號相比,它有自己特殊的一面,處理的方式和角度也有所不同。
解決方案
影像強化
幾十年前,圖像處理大多數由光學設備在模擬模式下進行。由於這些光學方法本身所具有的並行特性,至今他們仍然在很多應用領域占有核心地位,例如全息攝影。但是由於計算機速度的大幅度提高,這些技術正在迅速的被數字圖像處理方法所替代。
從通常意義上講,數字圖像處理技術更加普適、可靠和準確。比起模擬方法,它們也更容易實現。專用的硬件被用於數字圖像處理,例如,基於流水線的計算機體系結構在這方面獲取了巨大的商業成功。今天,硬件解決方案被廣泛的用於視頻處理系統,但商業化的圖像處理任務基本上仍以軟件形式實現,運行在通用個人電腦上。
常用的信號處理技術
大多數用於一維信號處理的概念都有其在二維圖像信號領域的延伸,它們之中的一部分在二維情形下變得十分複雜。 同時圖像處理自身也具有一些新的概念, 例如,連通性、旋轉不變性,等等。這些概念僅對二維或更高維的情況下才有非平凡的意義。
圖像處理中常用到快速傅立葉變換[2],因為它可以減小數據處理量和處理時間。
視頻
圖像處理 相關視頻
參考文獻
- ↑ 數字圖像處理的基本步驟 ,豆丁網
- ↑ FFT快速傅立葉變換的工作原理 ,搜狐,2018-11-18