结合实例与代码谈数字图像处理都研究什么？

图像处理（以及机器视觉）在学校里是一个很大的研究方向，很多研究生、博士生都在导师的带领下从事着这方面的研究。另外，就工作而言，也确实有很多这方面的岗位和机会虚位以待。而且这种情势也越来越凸显。那么图像处理到底都研究哪些问题，今天我们就来谈一谈。图像处理的话题其实非常非常广，外延很深远，新的话题还在不断涌现。下面给出的12个大的方向，系我认为可以看成是基础性领域的部分，而且它们之间还互有交叉 1、图像的灰度调节 图像的灰度直方图、线性变换、非线性变换（包括对数变换、幂次变换、指数变换等）、灰度拉伸、灰度均衡、直方图规定化等等）。 例如，直方图规定化（代码请见http://blog.csdn.net/baimafujinji/article/details/41146381）

CLAHE(contrast limited adaptive histogram equalization)自适应的直方图均衡（效果图来自 http://www.cnblogs.com/Imageshop/archive/2013/04/07/3006334.html）

2、图像的几何变换 图像的平移、图像的镜像、转置、缩放和旋转。这里面其实还包含了插值算法（这是某些几何变换所必须的），例如最邻近插值法、双线性插值法等等） 几何变换同时和图像的滤镜特效是紧密联系的，某些特效的实现本质上就是某种类型的几何变换。例如

3、图像的特效与滤镜 这方面的应用很多，你可以想想Photoshop里面的滤镜。 文献Combining Sketch and Tone for Pencil Drawing Production中给出的将自然图像变成手绘素描图的效果

例如浮雕效果

贴图太烦了，更多效果请见http://blog.csdn.net/baimafujinji/article/details/50500757 4、图像增强 内容包括图像的平滑（简单平均、中值滤波、高斯平滑等）和锐化（例如Laplace方法）等。

增强处理中的很多算法其实和图像复原中的降噪算法是重合的。现在保持边缘（或纹理结构）的平滑算法属于研究热点。像那些美颜相机里的嫩肤算法都是以此为基础的。比较常见的双边滤波（我给出的代码请见http://blog.csdn.net/baimafujinji/article/details/41598455）

基于全变分方法的TV去噪（http://blog.csdn.net/baimafujinji/article/details/42110831）、基于PM方程的非线性扩散去噪（http://blog.csdn.net/baimafujinji/article/details/42110831）等等。 5、图像复原 广义上来说——图像降噪，图像去雾，图像去模糊 都属于这个范畴 去噪实例是我用MagicHouse（http://blog.csdn.net/baimafujinji/article/details/50500757）实现的中值滤波处理椒盐噪声的效果。此外，一些基于非局部均值的降噪算法是当前研究的热点（例如BM3D、NLM等）

图像去模糊（图片取自我的《数字图像处理原理与实践（Matlab版）》）

去雾代码请见（http://blog.csdn.net/baimafujinji/article/details/30060161）或参考我的《数字图像处理原理与实践（Matlab版）》

6、图像的压缩与编码 想想BMP图像如何转换成JPG，JPG如何变成PNG？这些都属于图像压缩编码所要探讨的内容。 7、边缘检测与轮廓跟踪 边缘检测在图像处理中是一个“古老”的话题了，我就不具体给例子了。下面是一个轮廓跟踪的例子

8、图像分割 你可以认为轮廓跟踪也是实现图像分割的一种途径。 这是我在《数字图像处理原理与实践（Matlab版）》中给出的一个例子——用分水岭算法对马铃薯图像进行分割。

9、图像的形态学处理 这也属于一种非常古老的图像处理方式了。包括膨胀、腐蚀、细化、击中/击不中、开/闭运算等。但一些对颗粒状物体进行计数的应用中它仍然非常有效。

10、图像的频域变换（或称正交变换） 傅立叶、离散余弦、沃尔什-哈达玛变换、K-L（卡洛南-洛伊）变换（也称霍特林变换或PCA）、小波变换（小波变换还分很多种，例如Haar小波、Daubechies小波等等） 仅仅进行频域变换其实并没有多大意义，它往往要与具体应用相结合来发挥作用。例如进行图像压缩、嵌入数字水印、进行图像融合、进行图像降噪等等。 例如，利用PCA进行图像压缩的例子请见 http://blog.csdn.net/baimafujinji/article/details/50373143（源代码请见我的博文）

在比如，利用小波融合对由聚焦失败导致的图像模糊进行修复 （本来左图和中图各有部分看不清，融合后变得可以辨识）源代码可见 http://blog.csdn.net/baimafujinji/article/details/49642111

11、图像融合 广义上说融合至少包含三部分内容：像上面的基于小波的Fusion我们也认识是融合的一种，另外一种是以隐藏为目的类似嵌入式的融合，第三种是matting。matting有时反义成抠图，其实它最原本的意思就是融合。如果你理解 I = aF +（１－ａ）Ｂ这个融合公式的话，你应该明白我在所什么。这本质上和第二种融合原理是一样的。 狭义上，融合就是指matting。 例如 著名的Possion融合，下图右，如果直接把月亮图贴上天空，矩形边缘是很明显的，融合处理后的左图则很自然。 代码可见 http://blog.csdn.net/baimafujinji/article/details/46787837

电影技术中常用matting方法来替换人物的场景。例如

12、图像信息安全 主要包括两个内容：1）数字水印（主要用于多媒体的版权保护）；2）图像的加密（主要用于图像信息的保护） 例子是我用MagicHouse（http://blog.csdn.net/baimafujinji/article/details/50500757）实现的加密效果

注意上面我们所讨论的领域仅仅是图像处理的范畴，并不涉及机器视觉。所以也没有任何机器学习的内容，有时间我们再继续讨论这方面的东西。