圖像處理一般指數(shù)字圖像處理。數(shù)字圖像是指用數(shù)字攝像機、掃描儀等設備經(jīng)過采樣和數(shù)字化得到的一個大的二維數(shù)組，該數(shù)組的元素稱為像素，其值為一整數(shù)，稱為灰度值。圖像處理技術(shù)的主要內(nèi)容包括圖像壓縮，增強和復原，匹配、描述和識別3個部分。
隨著人們對生活質(zhì)量要求的提高和全球反恐的大勢所需，以及數(shù)字化技術(shù)本身的不斷進步，依托指紋識別、虹膜識別、人臉識別等技術(shù)的生物識別方案和視頻監(jiān)控方案等正逐步成為提高個人、家庭、企業(yè)和社會安全性的重要手段。生物識別方案主要包括四個步驟：圖像采集、圖像預處理，特征取樣，匹配分析;而視頻監(jiān)控方案則主要包括圖像采集、圖像預處理、圖像處理與傳輸、圖像顯示及圖像管理等。不難看出，無論是生物識別還是視頻監(jiān)控，圖像預處理都是必需的。事實上，圖像預處理算法的靈活度、復雜度、對圖像處理芯片資源的占用度，以及處理時間的長度將直接對整個系統(tǒng)運行產(chǎn)生舉足輕重的影響。因此，圖像預處理對于整個安防方案來說都是一項艱巨而又關(guān)鍵的任務，直接決定了后續(xù)圖像處理與分析的準確性和便捷性。
圖像分析
從圖像中抽取某些有用的度量、數(shù)據(jù)或信息。目的是得到某種數(shù)值結(jié)果，而不是產(chǎn)生另一個圖像。圖像分析的內(nèi)容和模式識別、人工智能的研究領(lǐng)域有交叉，但圖像分析與典型的模式識別有所區(qū)別。圖像分析不限于把圖像中的特定區(qū)域按固定數(shù)目的類別加以分類，它主要是提供關(guān)于被分析圖像的一種描述。為此，既要利用模式識別技術(shù)，又要利用關(guān)于圖像內(nèi)容的知識庫，即人工智能中關(guān)于知識表達方面的內(nèi)容。圖像分析需要用圖像分割方法抽取出圖像的特征，然后對圖像進行符號化的描述。這種描述不僅能對圖像中是否存在某一特定對象作出回答，還能對圖像內(nèi)容作出詳細描述。
圖像處理的各個內(nèi)容是互相有聯(lián)系的。一個實用的圖像處理系統(tǒng)往往結(jié)合應用幾種圖像處理技術(shù)才能得到所需要的結(jié)果。圖像數(shù)字化是將一個圖像變換為適合計算機處理的形式的第一步。圖像編碼技術(shù)可用以傳輸和存儲圖像。圖像增強和復原可以是圖像處理的最后目的，也可以是為進一步的處理作準備。通過圖像分割得出的圖像特征可以作為最后結(jié)果，也可以作為下一步圖像分析的基礎(chǔ)。
圖像匹配、描述和識別 對圖像進行比較和配準，通過分制提取圖像的特征及相互關(guān)系，得到圖像符號化的描述，再把它同模型比較，以確定其分類。圖像匹配試圖建立兩張圖片之間的幾何對應關(guān)系，度量其類似或不同的程度。匹配用于圖片之間或圖片與地圖之間的配準，例如檢測不同時間所拍圖片之間景物的變化，找出運動物體的軌跡。
從圖像中抽取某些有用的度量、數(shù)據(jù)或信息稱為圖像分析。圖像分析的基本步驟是把圖像分割成一些互不重疊的區(qū)域，每一區(qū)域是像素的一個連續(xù)集，度量它們的性質(zhì)和關(guān)系，最后把得到的圖像關(guān)系結(jié)構(gòu)和描述景物分類的模型進行比較，以確定其類型。識別或分類的基礎(chǔ)是圖像的相似度。一種簡單的相似度可用區(qū)域特征空間中的距離來定義。另一種基于像素值的相似度量是圖像函數(shù)的相關(guān)性。最后一種定義在關(guān)系結(jié)構(gòu)上的相似度稱為結(jié)構(gòu)相似度。
以圖片分析和理解為目的的分割、描述和識別將用于各種自動化的系統(tǒng)，如字符和圖形識別、用機器人進行產(chǎn)品的裝配和檢驗、自動軍事目標識別和跟蹤、指紋識別、X光照片和血樣的自動處理等。在這類應用中，往往需綜合應用模式識別和計算機視覺等技術(shù)，圖像處理更多的是作為前置處理而出現(xiàn)的。 多媒體應用的掀起，對圖像壓縮技術(shù)的應用起了很大的推動作用。圖像，包括錄像帶一類動態(tài)圖像將轉(zhuǎn)為數(shù)字圖像，并和文字、聲音、圖形一起存儲在計算機內(nèi)，顯示在計算機的屏幕上。它的應用將擴展到教育、培訓和娛樂等新的領(lǐng)域。
圖像預處理分析
根據(jù)目的的不同，圖像預處理可分為對采集圖像進行清晰化處理，對圖像進行識別前的預處理，以及對圖像進行壓縮前的預處理等。其中，對采集圖像進行清晰化處理主要包括對CMOS或CCD圖像傳感器感光單元的不一致進行后續(xù)糾正，對實際環(huán)境與傳感器采集的圖像進行差異補償(如背光)，以及對采集到的原始圖像進行去噪處理等。雖然這種預處理算法本身的難度不大，但隨著實時性需求的普及，尤其是在像素較大時，這種算法還是對DSP的處理能力提出了很高的要求。
而對圖像進行識別前的預處理則目的性很強，可能需要破壞原來的像素和分布，以便后續(xù)進行特征提取。這種預處理算法的難度視識別場合的不同而不同。要綜合后面的識別算法部分，選擇適當?shù)腄SP.圖像壓縮前的預處理主要是指將YUV422變?yōu)閅UV420、將RGB變?yōu)閅UV等。這類處理往往有實時性要求，如果采用軟件實現(xiàn)，會對處理性能有較高的要求;如果采用硬件實現(xiàn)，則雖然在處理性能上有保證，但硬件成本會有所上升。
同時，根據(jù)應用不同，圖像預處理又可分為生物識別應用中的圖像預處理和視頻監(jiān)控應用中的圖像預處理。對于生物識別應用，以指紋識別為例，其預處理主要包括指紋圖像增強、指紋圖像二值化、指紋圖像細化、指紋圖像細化后處理。而視頻監(jiān)控應用中的圖像預處理主要是指對圖像傳感器輸出的連續(xù)圖像進行分析，獲取足夠的信息，并通過自動白平衡、伽馬(Gamma)校正、自動聚焦、自動曝光、背光補償?shù)葋硖岣邎D像的實際效果。
下載文檔
