笔记百科什么是图像处理？
图像处理(imageprocessing)，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。可以说是包括了PS。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。 在计算机中，按照颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。大多数图像处理软件都支持这四种类型的图像。
延伸阅读
图像处理的目的？
数字图像处理的目的：
数字图像处理是利用计算机的计算，实现与光学系统模拟处理相同效果的过程。
⑴提高图像的视觉质量，以达到赏心悦目的目的。
例如：去除称之为噪声等图像质量的退化因素；
改变图像的亮度、颜色；
增强图像中的某些成份、抑制某些成份；
对图像进行几何变换等，从而改善图像的质量，以达到各种想要的艺术效果。
⑵提取图像中所包含的某些特征或特殊信息，以便于计算机分析。
如：频域特性、
纹理特性、
灰度/颜色特性、
边界/区域特性、
形状/拓扑特性
关系结构等。
⑶对图像数据进行变换、编码和压缩，以便于图像的存储和传输。
什么是图像处理和目标识别？
可以认为图像处理包括目标识别。
图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术.图像处理一般指数字图像处理。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。
目标识别是在图像中找到所需要的目标。它既包括两个非常相似目标的识别，也包括一种类型的目标同其他类型目标的识别。
图像处理和计算机视觉的区别是什么？
1、程度不同 图像处理，用计算机对图像进行分析，以达到所需结果的技术。 计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
2、内容不同 图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。 计算机视觉技术包括图像获取、预处理、特征提取、检测分割、高级处理。
3、应用程度不同 图像处理应用于：摄影及印刷、卫星图像处理、医学图像处理、面孔识别，特征识别、显微图像处理、汽车障碍识别 计算机视觉应用于：视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分。由于它的重要性，一些先进国家，例如美国把对计算机视觉的研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战。 来源：-计算机视觉 来源：-图像处理
图像处理专业是冷门吗？
不是。
图像处理就业面非常广：
1、图像处理是计算机视觉和视频处理的基础，掌握好图像处理的基本知识，就业时可以向这些方向发展；
2、目前的模式识别大部分是图像模式识别。在实际应用场合，采集的信息多数是图像信息，比如指纹、条码、人脸、虹膜、车辆等；
3、应用场合，如果有医学图像处理的背景，可以去一些医疗器械公司或者医疗软件公司；
4、图像处理对编程的要求比较高，如果编程技术高，就业不一定要局限在图像方向。
什么是计算机图像处理,数字图像处理技术主要包括哪些内容。（三步）？
图像处理就是将图像转化为一个数字矩阵存放在计算机中，并采用一定的算法对其进行处理。
图像处理的基础是数学，最主要任务就是各种算法的设计和实现。
目前，图像处理技术已经在很多方面有着广泛的应用。
如通讯技术、遥感技术、生物医学、工业生产、计算机科学等等。
根据应用领域的不同要求，可以将图像处理技术划分为许多分支，其中比较重要的分支有：①图像数字化：通过采样和量化将模拟图像变成便于计算机处理的数字形式。
③图像的增强和复原：主要目的是增强图像中的有用信息，削弱干扰和噪声，使图像清晰或将转化为更适合分析的形式。
③图像编码：在满足一定的保真条件下，对图像进行编码处理，达到压缩图像信息量，简化图像的目的。
以便于存储和传输。
④图像重建：主要是利用采集的数据来重建出图像。
图像重建的主要算法有代数法、傅立叶反投影法和使用广泛的卷积反投影法等。
⑤模式识别：识别是图像处理的主要目的。
如：指纹鉴别、人脸识别等是模式识别的内容。
当今的模式识别方法通常有三种：统计识别法、句法结构模式识别法和模糊识别法。
⑥计算机图形学：用计算机将实际上不存在的，只是概念上所表示的物体进行图像处理和显现出来。
图像处理是什么意思？是ps的意思吗？
图像处理是一门计算机学科，主要研究采样、量化数字图像处理，对于这门学科而言，数字图像就是像素阵列，也就是二维矩阵，而数字图像处理就是对矩阵进行运算，主要研究内容包括了图像获取、图像变换、图像编码、图像增强和复原、图像分割、图像描述、图像匹配、图像融合、图像识别、运动目标检测与跟踪等方面，通常研究的手段是通过Matlab、C++、Python等底层编程语言实现。
而PS就是Photoshop，它是一个大型的用于图像处理的软件，它提供了众多便捷的编辑、修剪工具，可以有效地进行图片编辑工作，而直接用工具包即可，不需要了解底层代码。
图像处理技术主要内容是什么？
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。
图像处理的过程？
一、基本步骤
1、图像预处理，包括高斯滤波，图像去噪，图像增强等
2、图像分割
3、孔洞填充
4、连通域标记
5、特征提取
6、结果输出
二、图像的预处理
为了方便计算，系统通常将获取的图片灰度化。将彩色图像转化成为灰度图像的过程就称为图像的灰度化处理。彩色图像中R、G、B三个分量的值决定了具体的像素点。一个像素点可以有上千万种颜色。而灰度图像是一种彩色图像，但是它的特点在于R、G、B三个分量具体的值是一致的。灰度图中每个像素点的变化区间是0到255，由于方便计算，所以在实际工程处理中会先将各种格式的图像转变成灰度图像。在保留图像轮廓和特征的基础上，灰度图仍然能够反映整幅图像轮廓和纹理。在Opencv里面有实现图像灰度化的接口。调用OpenCV中的cvSmooth函数进行中值滤波处理，以去除细小毛刺。
三、图像二值化
局部自适应二值化是针对灰度图像中的每一个像素逐点进行阈值计算，它的阈值是由像素的邻域内的点的局部灰度特性和像素灰度值来确定的。局部阈值法是逐个计算图像的每个像素灰度级，保存了图像的细节信息，非均匀光照条件等情况虽然影响整个图像的灰度分布，却不影响局部的图像性质，但也存在缺点和问题，相比全局阈值法来说，它的计算时间较长，但适用于多变的环境。
四、缺陷检测六大基本方法
1. blob + 特征
2. blob + 特征+ 差分
3. 频域 + 空间域
4. 光度立体法
5. 特征训练（分类器，机器学习）
6. 测量
