第 1 章 绪论
本章概括
本章建立数字图像处理课程的整体框架，主要包括数字图像的含义、为什么要进行图像处理、发展起源、典型应用领域、图像处理系统组成以及后续课程要学习的主要方法。重点是理解“输入和输出都是图像”的图像处理边界，以及图像处理、图像分析、图像理解之间的关系。
1.1 什么是数字图像处理
图像可以看成二维函数 $f(x,y)$，其中 $(x,y)$ 表示空间坐标，$f$ 的幅值表示该点的亮度、灰度或颜色信息。数字图像是对连续图像进行采样和量化后得到的离散数据，通常用矩阵表示。
图像处理关注对图像本身的变换，本课程中可把数字图像处理界定为：输入是图像，输出通常仍是图像的处理过程。它与图像分析、图像理解和计算机视觉相互衔接：图像处理强调改善或变换图像，图像分析从图像中提取数据，图像理解进一步给出语义解释。
图像表示
灰度图像可表示为：
$$ f(x,y)= \begin{bmatrix} f(0,0) & f(0,1) & \cdots & f(0,N-1)\ f(1,0) & f(1,1) & \cdots & f(1,N-1)\ \vdots & \vdots & \ddots & \vdots\ f(M-1,0) & f(M-1,1) & \cdots & f(M-1,N-1) \end{bmatrix} $$
其中 $M,N$ 为图像的行数和列数，矩阵元素是像素灰度值。彩色图像通常由多个通道组成，例如 RGB 图像包含红、绿、蓝三个通道。
图示说明
PPT 中多张示意图用于说明图像处理、图像分析、图像理解和计算机视觉之间的连续关系。复习时应把这些图理解为处理层次的变化：从像素级增强、恢复，到特征提取，再到目标识别和场景理解。
1.1 为什么要做数字图像处理
数字图像处理的目的主要有两类：一类是改善图像视觉质量，使人更容易观察；另一类是提取有用信息，使机器能够进一步分析。典型任务包括图像增强、复原、压缩、分割、特征提取、目标检测和图像生成。
常见动机包括：图像获取过程中存在噪声或模糊；图像对比度不足；需要压缩存储和传输；需要自动识别图像中的目标、边界或区域。
1.2 数字图像处理的起源
数字图像处理的发展与计算机、传感器和通信技术密切相关。早期应用包括报纸图像传输、航天图像增强和医学图像分析。随着计算能力提升，图像处理从基础增强扩展到遥感、工业检测、医学诊断、智能交通和生成式图像模型。
1.3 数字图像处理应用领域
PPT 中展示了多个应用领域，复习时可按“获取图像的传感器”和“处理目标”分类理解：
- 医学影像：如 X 光、CT、MRI 图像，用于增强结构、分割病灶和辅助诊断。
- 遥感与航天：处理卫星图像，完成地物分类、变化检测和目标识别。
- 工业检测：利用图像检测产品缺陷、尺寸误差和表面纹理问题。
- 安防与交通：用于人脸识别、车牌识别、目标跟踪和行为分析。
- 文档和生物识别：包括 OCR、指纹、虹膜和掌纹识别。
- 生成式图像：根据文本或条件生成图像、视频或三维内容。
图像处理效果图
应用示例图通常包含处理前后对比。处理前图像可能存在模糊、低对比度或噪声；处理后图像的边缘、目标区域或视觉层次更明显。复习时应能说出“用了什么处理”和“改善了什么问题”。
1.4 数字图像处理系统组成
典型数字图像处理系统包括图像采集设备、数字化器、处理计算机、存储设备、显示设备和输出设备。实际系统中还可能包含专用图像处理硬件、数据库和网络传输模块。
算法流程可以概括为：
- 图像采集：由相机、扫描仪、遥感器或医学设备获取图像。
- 数字化：完成采样和量化，得到像素矩阵。
- 预处理：进行去噪、增强、几何校正等操作。
- 分析处理：提取特征、分割区域或检测目标。
- 输出结果：显示、保存、压缩传输或提供给后续识别系统。
1.5 数字图像处理主要研究内容
课程后续内容可按处理目标分类：
- 图像基础：采样、量化、像素关系、图像运算和颜色模型。
- 图像增强：通过灰度变换、直方图处理、空间滤波和频域滤波改善视觉效果。
- 图像复原：根据退化模型恢复尽可能接近原始场景的图像。
- 图像分割：将图像划分为有意义的区域或目标。
- 形态学处理：利用结构元分析目标形状、边界和连通结构。
- 特征与识别：提取角点、边缘、纹理和深度特征。
- 深度学习视觉任务：包括 CNN、Transformer、目标检测和语义分割。
1.6 数字图像处理应用举例
PPT 中列举了大量实际案例，如医学图像增强、遥感图像分析、指纹识别、车牌识别、图像分割、三维重建和基于文本的图像/视频生成。复习时不要只记应用名称，应理解每类应用对应的基础处理方法：增强用于改善可见性，分割用于定位区域，特征提取用于匹配识别，深度模型用于端到端学习高层语义。