图像处理对我们生活的影响

2017-11-23 21:33:27 qq_35538296 阅读数 2426
  • YOLOv2

    1.熟悉Flink大数据生态圈以及未来发展趋势 2.快速上手开发Flink批处理程序和流处理程序 3.掌握了Flink核心知识与编程模型,深入理解Flink计算框架 4.掌握了Flink HA分布式集群安装部署

    109人学习 白勇
    免费试看

生活中图像处理的一个小应用

上周六做了一个频闪实验来研究物体的运动,但是由于频闪图片的特点必须在暗室拍摄才有效果,由于一些原因图片有些地方过曝形成死白,而另一些地方由于光太少曝光太少,导致了黑乎乎的一片。最终结果就是,很难看到物体的运动轨迹。
上图
这里写图片描述
这张图乍眼一看几乎什么都看不出来,跟别说取物体的坐标点了。

当时就想到了刚学了点数字图像处理,于是就想着怎么把这个图像处理一下让他的物体细节更加清晰,于是我尝试了很多方法。

第一个想到的是把图像变成灰色图像然后再把它选择合适的值给二值化,后来发现结果不尽如人意,因为左边的图像亮度偏高,亮度分布复杂,很容易要么丢失白线(物体上的标志)要么白线跟其他的混为一块白色,进过多次试验发现没有能把它分分开的灰度值。

试了很多次处理方法,终于发现了一个效果比较好的方法直方图均衡化
先介绍一下直方图均衡化
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
  缺点:
  1)变换后图像的灰度级减少,某些细节消失;
  2)某些图像,如直方图有高峰,经处理后对比度不自然的过分增强。
最后反思一下,发现这种方法确实合适,我们拍的图在灰度值较大的的区域分布得很密集,直方图均衡化把他们分开,那么很多变化就突出了,就好比示波器把横坐标时间和纵坐标幅值放大来观察波形一样。
经过直方图均衡化的效果如图

matlab代码如下
I=imread('DSC08020.jpg');
I=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I);
subplot(2,2,2);
imhist(I);
I1=histeq(I);
figure;
subplot(2,2,1);
imshow(I1);
subplot(2,2,2);
imhist(I1);
imwrite(I1,'result.jpg');%保存到m文件的目录下


这里写图片描述
这样就能很清晰的看到,物体的运动了。



做到这里我还是不满意,于是打算使用图像处理检测到白线。但是无论我用什么边缘检测又或者hough变换发现效果都很差,主要是检测到很多非白线的东西,根本没法判断。
套用模式识别的知识,在这个特征空间中这个是很难分开的(直线 、边缘),或者这种算法不可分。
这次就到这里关于图像处理我只懂皮毛,希望能够跟深入的了解图像处理的知识。

2018-11-30 12:34:40 weixin_43869139 阅读数 1856
  • YOLOv2

    1.熟悉Flink大数据生态圈以及未来发展趋势 2.快速上手开发Flink批处理程序和流处理程序 3.掌握了Flink核心知识与编程模型,深入理解Flink计算框架 4.掌握了Flink HA分布式集群安装部署

    109人学习 白勇
    免费试看

电子科技大学 格拉斯哥学院 2017级 王恩泽

摘要:随着数字图像处理技术的不断发展,以图像处理技术为主的交通视频监测技术的研究已成为智能交通系统的重要前沿研究领域。针对智能交通系统、数字图像处理技术的特点,我们可以着重分析研究数字图像处理技术在智能交通系统中信息采集、车牌识别、车辆检测与跟踪等多方面的应用。
介绍:图像处理,是指用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术的一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。 常见的系统有康耐视系统、图智能系统等,目前是正在逐渐兴起的技术。
基本情况描述: 随着工业的迅速发展, 城市化的进展和汽车的普及,世界各国的交通量急剧增加。 如何能够改善混乱的交通状况,减少拥堵,提高运输效率并提高交通的安全性,则成为大家更关心重视的问题。 智能交通系统则是在这种情况下产生和发展起来,它主要是将先进的信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效地集成运用于整个交通运输管理体系,而建立起的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合的运输和管理系统。它的作用主要是通过人、车、路的和谐、密切配合提高交通运输效率,缓解交通阻塞,提高路网通过能力,减少交通事故,降低能源消耗,减轻环境污染。
调研分析:数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 数字图像处理的特点主要有处理精度高,在现性好;易于控制处理效果;处理的多样性;图像处理技术综合性较强。
图像是人类获取和交换信息的主要来源,因此,图像处理的应用领域必然涉及到人类生活和工作的方方面面。 而随着计算机视频监测技术的不断成熟发展,以图像处理技术为主的交通视频监测技术的研究也成为智能交通系统的重要前沿研究领域。 本文就是依据数字图像处理的特点,介绍了数字图像处理技术在智能交通系统中各方面的应用。
交通信息采集:
智能交通系统能否高效的运行, 关键取决与获得全面、准确和实时的动态交通信息。 在智能交通系统研究中,能够研究开发出有效获取道路上的运行信息,包括车流量、车速、车型分类、交通密度等信息的交通信息采集设备是提高实现交通智能化的重要途径。 正确有效的交通信息采集可以在正确及时获得交通状况信息的同时,实现对交通状况进行有效管理,并发出诱导信息,从而自动调节车流,减少车辆在道路顺畅时在红灯前停留的时间,安排疏导交通、肇事报警等。 因此,在智能交通系统中,交通信息采集技术的不断进步是智能交通系统得以高效发展的基础,是提高交通安全性和效率的前提。
措施与建议:随着智能交通采集手段及其分析技术的快速发展,交通信息采集已从静态、人工采集向动态、自动采集转变,从单一模式采集向多模式、多方法采集转变。 常用的一些交通信息采集方法,如雷达测速仪,感应线圈,GPS 测速法,红外线检测等等,都能一定程度上达到车辆的检测,但这些方法中有的需要路面开槽来埋置线圈在一定程度上破坏路面,影响路面寿命,有的设备成本过高,受天气环境影响较大,都不能全面,高效地采集信息。 随着数字图像处理技术的飞速发展,图像分析法应用于在交通领域得到越来越广泛的应用。 相对于研究方向:软件开发,图像处理算法研究。一些传统的交通信息采集方法,它具有全面、高效、并对主线交通无干扰的特点,能够真实反映交通流状况。
总结: 基于图像处理的交通信息采集方法,利用计算机视觉技术从数字图像中提取高质量的图像,进而获取图像范围内多目标车辆以及车速等在内的交通运行特征信息,它克服了传统测速法只能得到单车车速的不足的同时也能够精确的定位车辆的空间位置。 在交通信息采集中,无需对主线交通进行管制,只需保证相关的拍摄条件,也无需观测人员现场职守,从一定程度上减少了人力物力的投入,提高采集效率。

2018-10-09 02:42:22 mao_hui_fei 阅读数 6470
  • YOLOv2

    1.熟悉Flink大数据生态圈以及未来发展趋势 2.快速上手开发Flink批处理程序和流处理程序 3.掌握了Flink核心知识与编程模型,深入理解Flink计算框架 4.掌握了Flink HA分布式集群安装部署

    109人学习 白勇
    免费试看

数字图像处理应用领域

图像是人类获取和交换信息的主要来源,因此,图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大,图像处理的应用领域也将随之不断扩大。

1)航天和航空方面

航天和航空技术方面的应用数字图像处理技术在航天和航空技术方面的应用,除了JPL对月球、火星照片的处理之外,另一方面的应用是在飞机遥感和卫星遥感技术中。许多国家每天派出很多侦察飞机对地球上有兴趣的地区进行大量的空中摄影。对由此得来的照片进行处理分析,以前需要雇用几千人,而现在改用配备有高级计算机的图像处理系统来判读分析,既节省人力,又加快了速度,还可以从照片中提取人工所不能发现的大量有用情报。从60年代末以来,美国及一些国际组织发射了资源遥感卫星(如LANDSAT系列)和天空实验室(如SKYLAB),由于成像条件受飞行器位置、姿态、环境条件等影响,图像质量总不是很高。因此,以如此昂贵的代价进行简单直观的判读来获取图像是不合算的,而必须采用数字图像处理技术。如LANDSAT系列陆地卫星,采用多波段扫描器(MSS),在900km高空对地球每一个地区以18天为一周期进行扫描成像,其图像分辨率大致相当于地面上十几米或100米左右(如1983年发射的LANDSAT-4,分辨率为30m)。这些图像在空中先处理(数字化,编码)成数字信号存入磁带中,在卫星经过地面站上空时,再高速传送下来,然后由处理中心分析判读。这些图像无论是在成像、存储、传输过程中,还是在判读分析中,都必须采用很多数字图像处理方法。现在世界各国都在利用陆地卫星所获取的图像进行资源调查(如森林调查、海洋泥沙和渔业调查、水资源调查等),灾害检测(如病虫害检测、水火检测、环境污染检测等),资源勘察(如石油勘查、矿产量探测、大型工程地理位置勘探分析等),农业规划(如土壤营养、水份和农作物生长、产量的估算等),城市规划(如地质结构、水源及环境分析等)。中国也陆续开展了以上诸方面的一些实际应用,并获得了良好的效果。在气象预报和对太空其它星球研究方面,数字图像处理技术也发挥了相当大的作用。

2)生物医学工程方面

数字图像处理在生物医学工程方面的应用十分广泛,而且很有成效。除了上面介绍的CT技术之外,还有一类是对医用显微图像的处理分析,如红细胞、白细胞分类,染色体分析,癌细胞识别等。此外,在X光肺部图像增晰超声波图像处理心电图分析立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。

3)通信工程方面

当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为复杂和困难,因图像的数据量十分巨大,如传送彩色电视信号的速率达100Mbit/s以上。要将这样高速率的数据实时传送出去,必须采用编码技术来压缩信息的比特量。在一定意义上讲,编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外,国内外正在大力开发研究新的编码方法,如分行编码、自适应网络编码、小波变换图像压缩编码等。

4)工业和工程方面

在工业和工程领域中图像处理技术有着广泛的应用,如自动装配线中检测零件的质量、并对零件进行分类印刷电路板疵病检查弹性力学照片的应力分析流体力学图片的阻力和升力分析邮政信件的自动分拣,在一些有毒、放射性环境内识别工件及物体的形状和排列状态,先进的设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人,将会给工农业生产带来新的激励,目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。

5)军事、公安方面

在军事方面图像处理和识别主要用于导弹的精确末制导,各种侦察照片的判读,具有图像传输、存储和显示的军事自动化指挥系统,飞机、坦克和军舰模拟训练系统等;公安业务图片的判读分析,指纹识别,人脸鉴别,不完整图片的复原,以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子。

6)文化艺术方面

目前这类应用有电视画面的数字编辑,动画的制作,电子图像游戏,纺织工艺品设计,服装设计与制作,发型设计,文物资料照片的复制和修复,运动员动作分析和评分等等,现在已逐渐形成一门新的艺术–计算机美术。

7)机器人视觉

机器视觉作为智能机器人的重要感觉器官,主要进行三维景物理解和识别,是目前处于研究之中的开放课题。机器视觉主要用于军事侦察、危险环境的自主机器人邮政、医院和家庭服务的智能机器人,装配线工件识别、定位,太空机器人的自动操作等。

8)视频和多媒体系统

目前,电视制作系统广泛使用的图像处理、变换、合成,多媒体系统中静止图像和动态图像的采集、压缩、处理、存贮和传输等。

9)科学可视化

图像处理和图形学紧密结合,形成了科学研究各个领域新型的研究工具。

10)电子商务

在当前呼声甚高的电子商务中,图像处理技术也大有可为,如身份认证、产品防伪、水印技术等。
总之,图像处理技术应用领域相当广泛,已在国家安全、经济发展、日常生活中充当越来越重要的角色,对国计民生的作用不可低估。

2016-11-18 10:55:57 yangleo1987 阅读数 23422
  • YOLOv2

    1.熟悉Flink大数据生态圈以及未来发展趋势 2.快速上手开发Flink批处理程序和流处理程序 3.掌握了Flink核心知识与编程模型,深入理解Flink计算框架 4.掌握了Flink HA分布式集群安装部署

    109人学习 白勇
    免费试看

所谓数字图像处理,是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。20 世纪 50 年代,电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息,这便是早期的图像处理。早期图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。数字图像处理作为一门学科大约形成于 20 世纪 60 年代初期。图像处理中,一般输入的是质量低的图像,而输出的是改善质量后的图像,常用的图像处理方法有图像增强、复原、编码、压缩等。

下面维视图像为您简单介绍一下数字图像处理的常用技术方法:

图像编码压缩:图像编码压缩技术可减少描述图像的数据量(即比特数),以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得,也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法,它在图像处理技术中是发展最早且比较成熟的技术。

图像变换:由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大。因此,往往采用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理。这样不仅可减少计算量,而且可获得更有效的处理(如傅立叶变换可在频域中进行数字滤波处理)。小波变换这种方式在时域和频域中都具有良好的局部化特性,它在图像处理中也有着广泛而有效的应用。

图像描述:图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性,一般图像的描述方法采用二维形状描述,它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展,已经开始进行三维物体描述的研究,提出了体积描述、表面描述、广义圆柱体描述等方法。

图像分割:图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来,其有意义的特征如图像中的边缘、区域等,这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法,但还没有一种普遍适用于各种图像的有效方法。因此,对图像分割的研究还在不断深入之中,是目前图像处理中研究的热点之一。

图像增强和复原:图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。图像增强不考虑图像降质的原因,突出图像中所感兴趣的部分。如强化图像高频分量,可使图像中物体轮廓清晰,细节明显;如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解,一般应根据降质过程建立“降质模型”,再采用某种滤波方法,恢复或重建原来的图像。

图像分类(识别):图像分类(识别)属于模式识别的范畴,其主要内容是图像经过某些预处理(增强、复原、压缩)后,进行图像分割和特征提取,从而进行判决分类。图像分类常采用经典的模式识别方法,有统计模式分类和句法(结构)模式分类,近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

接下来,维视图像再为大家讲讲图像的基本属性有哪些:

图像的亮度:也称为灰度,它是颜色的明暗变化,常用 0 %~ 100 % ( 由黑到白 ) 表示。以下三幅图是不同亮度对比。

 

图像的对比度:即画面黑与白的比值,也就是从黑到白的渐变层次。比值越大,从黑到白的渐变层次就越多,从而色彩表现越丰富。以下两幅图是不同对比度下的画面对比。

 

直方图:表示图像中具有每种灰度级的象素的个数,反映图像中每种灰度出现的频率。图像在计算机中的存储形式,就像是有很多点组成一个矩阵,这些点按照行列整齐排列,每个点上的值就是图像的灰度值,直方图就是每种灰度在这个点矩阵中出现的次数。下图就是一幅图片的灰度直方图:

 

图像的噪声:就像对于听觉而言,在打电话时对方说话我们有时候会听到很嘈杂的噪声,以至于听不清楚对方在说什么。同样的,对于图像,原本我们可以很清晰的看到一幅图像,但是有时候图像上会有一些我们不需要的图案,使我们无法很清楚的看清一幅图,这就是图像的噪声。

除了以上我们介绍过的几种常用的数字图像处理技术方法外,一般还有:

直方图均衡化:通过灰度变换将一幅图像转换为另一幅具有均衡直方图的图像,即在一定灰度范围内具有相同的象素点数的图像的过程。

图像的加减运算:两幅图像的加减运算,就是将图像对应的存储矩形点列上的灰度值进行加减运算。图像相加可以将一幅图像的内容加到另一幅图像上,可以实现二次曝光,也可一对同一个场景的多幅图像求平均值,这样可以降低噪声。图像相减可以用于运动检测或去除图像中不需要的加性图案。

常用的去噪方法:主要是采用滤波器对带噪声图像进行滤波处理,如算术平均滤波、中值滤波等。

随着计算机技术的发展,数字图像处理技术已经深入到我们生活中的方方面面,其中,在娱乐休闲上的应用更是深入人心,如电影特效制作、电脑电子游戏、数码相机、视频播放、数字电视等。维视图像公司研发的XAVIS软件平台和SVS工业智能相机系统等,均包含了丰富的数字图像处理技术和方法,可轻松完成各种数字图像处理任务,为客户的图像处理结果提供专业而可靠的保障。

2016-10-09 20:39:13 haluoluo211 阅读数 17975
  • YOLOv2

    1.熟悉Flink大数据生态圈以及未来发展趋势 2.快速上手开发Flink批处理程序和流处理程序 3.掌握了Flink核心知识与编程模型,深入理解Flink计算框架 4.掌握了Flink HA分布式集群安装部署

    109人学习 白勇
    免费试看

  数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理最早出现于 20 世纪 50 年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于 20 世纪 60 年代初期。早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法有图像增强、复原、编码、压缩等。

数字图像处理常用方法:

1 )图像变换:由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大。因此,往往采用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理,不仅可减少计算量,而且可获得更有效的处理(如傅立叶变换可在频域中进行数字滤波处理)。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性,它在图像处理中也有着广泛而有效的应用。

2 )图像编码压缩:图像编码压缩技术可减少描述图像的数据量(即比特数),以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得,也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法,它在图像处理技术中是发展最早且比较成熟的技术。

3 )图像增强和复原:图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。图像增强不考虑图像降质的原因,突出图像中所感兴趣的部分。如强化图像高频分量,可使图像中物体轮廓清晰,细节明显;如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解,一般讲应根据降质过程建立“降质模型”,再采用某种滤波方法,恢复或重建原来的图像。

4 )图像分割:图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法,但还没有一种普遍适用于各种图像的有效方法。因此,对图像分割的研究还在不断深入之中,是目前图像处理中研究的热点之一。

5 )图像描述:图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性,一般图像的描述方法采用二维形状描述,它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展,已经开始进行三维物体描述的研究,提出了体积描述、表面描述、广义圆柱体描述等方法。

6 )图像分类(识别):图像分类(识别)属于模式识别的范畴,其主要内容是图像经过某些预处理(增强、复原、压缩)后,进行图像分割和特征提取,从而进行判决分类。图像分类常采用经典的模式识别方法,有统计模式分类和句法(结构)模式分类,近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

图像的基本属性

   亮度:也称为灰度,它是颜色的明暗变化,常用 0 %~ 100 % ( 由黑到白 ) 表示。以下三幅图是不同亮度对比。

亮度对图像色彩的影响

   对比度:是画面黑与白的比值,也就是从黑到白的渐变层次。比值越大,从黑到白的渐变层次就越多,从而色彩表现越丰富。

对比度对图像色彩表现的影响

   直方图:表示图像中具有每种灰度级的象素的个数,反映图像中每种灰度出现的频率。图像在计算机中的存储形式,就像是有很多点组成一个矩阵,这些点按照行列整齐排列,每个点上的值就是图像的灰度值,直方图就是每种灰度在这个点矩阵中出现的次数。我们可以具体看一下下面两个不同图形的灰度直方图:

 

直方图均衡化

   通过灰度变换将一幅图像转换为另一幅具有均衡直方图的图像,即在一定灰度范围内具有相同的象素点数的图像的过程。下面是直方图均衡化前后的图形变化以及直方图变化:

图像的加减运算

   两幅图像的加减运算:对图像进行加减运算,就是将图像对应的存储矩形点列上的灰度值进行加减运算。图像相加可以将一幅图像的内容加到另一幅图像上,可以实现二次曝光,也可一对同一个场景的多幅图像求平均值,这样可以降低噪声。图像相减可以用于运动检测或去除图像中不需要的加性图案。

   图像的加法示例:图中运算为: (a)+(b)=(c)

a
b
c

   图像的减法运算示例:图中运算为 (a)-(b)=(c)

a
b
c

图像的噪声

   图像的噪声:就像对于听觉而言,在打电话时对方说话我们有时候会听到很嘈杂的噪声,以至于听不清楚对方在说什么。同样的,对于图像,原本我们可以很清晰的看到一幅图像,但是有时候图像上会有一些我们不需要的图案,使我们无法很清楚的看清一幅图,这就是图像的噪声。

常用的图像去噪声方法

   常用的去噪方法:主要是采用滤波器对带噪声图像进行滤波处理。

带噪声的图
算术平均滤波后的图
中值滤波后的图
无噪声图

 

 

数字图像处理技术的应用

   随着计算机技术的发展,图像处理技术已经深入到我们生活中的方方面面,其中,在娱乐休闲上的应用已经深入人心。图像处理技术在娱乐中的应用主要包括:电影特效制作、电脑电子游戏、数码相机、视频播放、数字电视等

   电影特效制作:自从 20 世纪 60 年代以来,随着电影中逐渐运用了计算机技术,一个全新的电影世界展现在人们面前,这也是一次电影的革命。越来越多的计算机制作的图像被运用到了电影作品的制作中。其视觉效果的魅力有时已经大大超过了电影故事的本身。如今,我们已经很难发现在一部电影中没有任何的计算机数码元素。

   电脑电子游戏:电脑电子游戏的画面,是近年来电子游戏发展最快的部分之一。从 1996 年到现在,游戏画面的进步简直可以用突飞猛进来形容,随着图像处理技术的发展,众多在几年前无法想象的画面在今天已经成为了平平常常的东西。

   数码相机:所谓数码相机,是一种能够进行拍摄,并通过内部处理把拍摄到的景物转换成以数字格式存放图像的特殊照相机。与普通相机不同,数码相机并不使用胶片,而是使用固定的或者是可拆卸的半导体存储器来保存获取的图像。数码相机可以直接连接到计算机、电视机或者打印机上。在一定条件下,数码相机还可以直接接到移动式电话机或者手持 PC 机上。由于图像是内部处理的,所以使用者可以马上检查图像是否正确,而且可以立刻打印出来或是通过电子邮件传送出去。

   视频播放与数字电视:家庭影院中的 VCD , DVD 播放器和数字电视中,大量使用了视频编码解码等图像处理技术,而视频编码解码等图像处理技术的发展,也推动了视频播放与数字电视象高清晰,高画质发展。

医学图像处理综述

阅读数 4949