圖像處理
 | 此條目沒有列出任何參考或來源。 (2017年11月5日) |
圖像處理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。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取得了巨大的商業成功。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，因為它可以減小數據處理量和處理時間。
從一維信號處理擴展來的技術和概念
專用於二維（或更高維）的技術和概念
典型問題
- 幾何變換（geometric transformations）：包括放大、縮小、旋轉等。
- 顏色處理（color）：顏色空間的轉化、亮度以及對比度的調節、顏色修正等。
- 圖像融合（image composite）：多個圖像的加、減、組合、拼接。
- 降噪（image denoising）：研究各種針對二維圖像的去噪濾波器或者信號處理技術。
- 邊緣檢測：進行邊緣或者其他局部特徵提取。
- 分割：依據不同標準，把二維圖像分割成不同區域。
- 圖像編輯：和計算機圖形學有一定交叉。
- 圖像配准：比較或集成不同條件下獲取的圖像。
- 圖像增強（image enhancement）：
- 圖像數字水印：研究圖像域的數據隱藏、加密、或認證。
- 圖像壓縮：研究圖像壓縮。
應用
- 攝影及印刷
- 衛星圖像處理（Satellite image processing）
- 醫學圖像處理（Medical image processing）
- 面孔識別,特徵識別（Face detection, feature detection, face identification）
- 顯微圖像處理（Microscope image processing）
- 汽車障礙識別（Car barrier detection）
