计算机图像与图形处理.doc

中南大学毕业论文(设计)调研报告题 目 计算机图像与图形处理 学生姓名 王洁 指导教师 刘嫔 学 院 信息科学与工程学院 专业班级 1005 完成时间 2011.9.14 目录第一章 引论-3 1.1图像处理的运用-3 1.2图像处理技术的分类及特点-4 1.2.1模拟图像处理-4 1.2.2数字图像处理-4 1.2.3 图像信息与通信信息的区别及联系-4第二章 计算机图像 -5 2.1数字图像处理常用方法 -5 2.2 图像退化与图像复原 -6 2.3 图像处理的GPU加速技术研究 -7第三章 计算机图像与图形介绍 -12 3.1计算机图形学研究的主要内容 -12 3.2图形图像处理包括的主要内容 -12 3.3 真实感图形技术 -13第四章 计算机图片处理技术 -13 4.1 计算机图片的色彩处理 -13 4.2 计算机图片色彩调整技术 -14 4.3 Adobe Photoshop -16 4.4 高清监控图像处理技术特点-17第五章 结束语-18参考资料第一章 引论1.1图像处理的运用1. 遥感中的运用 图像处理运用于地球资源勘探及气象预测方面。遥感图像经过计算机处理后能得到需要的信息或有用的特征，从而了解地表的山川、森林、农作物、海洋资源、气象等，还可探明地下的矿藏、地下水等。2. 生物医学中的运用 图像处理运用于临床诊断和病理研究，在细胞分类、染色体分类和放射学方面也有很多用处。3. 工业中的运用 图像处理运用于工业中的视觉检验、零部件选取及过程控制。4. 军事及公安等其他方面的运用 军事上的导向武器、无人操纵武器、火炮控制、反伪装等。公安机构对人脸、指纹、趾纹、视网纹、署名、图章等。其他方面的运用包括文化生活中的图像信息的传输、显示、记录及图像数据的制作和更新，自动字符识别，模糊了的古代字画或档案文件的恢复等。5. 电子商务 图像处理运用于电子商务中的身份认证、产品防伪、水印技术等。 结论 随着图像处理技术应用的普及，其应用范围越来越广。在医学、军事、公安等领域，特别是近些年在工业自动化、工业检测方面得到广泛应用。目前的图像处理系统大多采用计算机加上视频采集卡和摄像头来构成其硬件系统，这种硬件结构对于处理自满不复杂的简易图像处理系统显然是不合适的。目前，EPLD芯片内部的资源越来越多，速度越来越快，开发的软件功能也更加完善，使其应用逐步扩大。人们普遍认为，今后的许多电子系统，将以CPU+RAM+EPLD的结构为特征。1.2图像处理技术的分类及特点1.2.1 模拟图像处理 模拟图像处理包括：光学处理（利用透镜）和电子处理，如：照相、遥感图像处理、电视信号处理等。模拟图像处理的特点是速度快，一般分为实时处理，理论上讲可达到光的速度，并可同时并行处理。电视图像是模拟信号处理的典型例子。模拟图像处理的缺点是精度差，灵活性差，很难有判断能力和非线性处理能力。1.2.2 数字图像处理数字图像处理一般都用于计算机处理或实时的硬件处理，其优点是处理精度搞，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，一般来说只要改变软件就可以改变处理内容。其缺点是处理速度较慢，特别是进行复杂的处理更是如此。1.3.3 图像信息与通信信息的区别及联系图像处理技术的发展涉及越来越多的基础理论知识，雄厚的数理基础及相关的边缘学科知识对图像处理科学的发展有越来越大的影响。总之，图像处理科学是一项涉及多学科的综合性学科。图像信息论是在通信理论研究的基础上发展起来的。图像理论是把通信中的一维问题推广到二维空间上研究的，也就是说，通信研究的是一维时间信息，图像研究的是二维空间信息。第二章计算机图像2.1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。2.2图像退化与图像复原 所谓图像复原，是指去除或减轻在获取数字图像过程中发生的图像质量下降（退化）。这些退化包括由光学系统、运动等等造成图像的模糊，以及源自电路和光度学因素的噪声。 图像复原的目标是对退化的图像进行处理，使它趋向于复原成没有退化的理想图像。成像过程的每一个环节（透镜，感光片，数字化等等）都会引起退化。视其具体应用的不同，将损失掉的图像质量部分复原过来可以起到不同的作用。 在进行图像复原时，还有许多其它选择。首先，问题既可以用连续数学，也可以用离散数学进行处理。其次，处理既可在空间域，也可在频域进行。 图像复原的关键问题在于建立退化模型。假设输入图像f(x,y)经过某个退化系统h(x,y)后产生的退化图像g(x,y) 。在退化过程中引进的随机噪声为加性噪声n(x,y) ，（若不是加性噪声，是乘性噪声，可以用对数转换方式转化为相加形式。）则图像退化过程空间域模型。 维纳（Wiener）滤波法 维纳滤波也就是最小二乘滤波，它是使原始图像f(x,y)及其恢复图像f(x,y)之间的均方误差最小的复原方法。它是一种有约束复原，前面介绍的逆滤波虽然比较简单，但并没有清楚地说明如何处理噪声。 而维纳滤波综合了退化函数和噪声统计特性两个方面进行复原处理。维纳滤波是寻找一个滤波器，使得复原后图像，与原始图像的均方误差最小。 运动模糊图像的复原 确定模型化的一个主要方法是从其物理特性的基本原理来推导一个数学模型。 如运动模糊图像的复原，当成像传感器与被摄景物之间存在足够快的相对运动时，所摄取的图像就会出现“运动模糊”。即图像获取时被图像与传感器之间的均匀线性运动模糊了。 下面通过用Matlab程序实例来完成由于运动造成的图像模糊和去除模糊的实现。在下面的在MATLAB程序中用到了三个函数： （1）预先定义的空间滤波函数 PSF=fspecial（type，parameters） （2）图像滤波函数： imfilter（I，PSF，circular，conv） （3）具有维纳滤波的deconvwnr 函数的一般形式是： Jdeconvwnr （I，PSF，NSR） 或 Jdeconvwnr（I，PSF，NCORR，ICORR） 在空间域上的卷积等同于频率域上的乘积。 进行图像复原的关键问题是寻求降质退化系统在空间域上冲激响应函数h(x,y)，或者降质系统在频率域上的传递函数H(u,v)。 %运动模糊图像的复原 I = imread(cameraman.tif); figure(1),imshow(I); len = 30; theta = 75; PSF = fspecial(motion,len,theta); J = imfilter(I,PSF,conv,circular);%注意imfilter的形式(A,H,option1,option2)2.3 图像处理的GPU加速技术研究针对大多数图像处理问题的计算密集性，提出了图像处理的GPU加速技术。首先，描述了相对于CPU，采用GPU能够带来计算效率提升的体系结构基础。其次，将直方图生成和快速傅里叶变换计算二维卷积两个具有代表性的图像处理算法移植至GPU。最后，利用同样市场价格组合的CPU和GPU进行实验，利用多分辨率图像作为测试数据，比对CPU和GPU方案的计算效率。结果显示，与相同算法的CPU实现相比，其GPU实现分别将计算效率最高提高到了17倍和40倍。实验设计采用价格完全相等的两套硬件平台进行实验，CPU实验平台选用1500元人民币（2008年3月价格，下同）的Intel Core2 Duo E6750 CPU和Intel GMA3100集成显卡（计0价格）；GPU实验平台选用400元人民币的Intel Pentium Dual-Core E2140 CPU和1100元人民币的nVidia GeForce 8800GT GPU（14个多处理器/256 MB显存）。内存配置均为2GB 800MHz DDR2内存。测试数据选用44像素到81928192像素（以22倍数依次递增）的真实图像各3张，共36张。实验结果取3张图像运算时间的平均值。由于篇幅所限，本文不给出算法运算结果或图像处理前后对比图。4 算法实现和实验结果分析基于以往经验，选用256-bin直方图生成和快速傅里叶变换计算二维卷积两个常用图像处理算法进行图像处理的GPU加速实验。对GPU程序，使用CUDA编程接口实现与CPU端完全相同的算法，并统一采用32-bit浮点数运算，以保证结果的公平性。4.1 256-bin直方图直方图描述图像中像素强度的分布，是多种图像处理技术的基础。本算法生成256-bin直方图，根据经验，此级别的直方图对一般应用是足够的。其CPU实现相对简单，不再赘述。在GPU上，算法需改为并行处理：(1)将图像拆分成子序列分给执行线程；(2)每线程执行子序列并将执行结果存储为子直方图；(3)将多个子直方图合并成最终结果。其中步骤(2)中子直方图数量的设置是算法的关键，多个线程将计算结果写入同一个子直方图可以减少子直方图数量以减低存储空间需求，但也会带来费时的共享内存冲突问题。直观的解决方案是每线程对应单独的子直方图，但目前GPU可分配给单线程的共享内存为85 bytes，最多可以存储1 byte/bin的64-bin子直方图，不足以存储4 bytes/bin的256-bin的子直方图，所以本文使用每warp（GPU上32个线程组成的SIMD集合）对应一个子直方图的方案，并用线程标记的方法协助控制共享内存冲突，其中每线程标记占用5 bits（每warp 32个线程， 32 = 25）。从实验结果来看，控制共享内存冲突给整体性能带来的额外开销很小。CPU/GPU生成256灰度级直方图的实验数据对比见表1（由于篇幅所限，只在表中列出6个尺寸级别的实验数据，下同）。表1 CPU/GPU算法生成直方图执行时间(毫秒)图像尺寸 322 1282 5122 20482 40962 81922CPU 内存分配 0.012 0.053 0.429 3.19 13.47 54.55 执行 0.008 0.087 1.360 21.95 87.42 349.40 合计 0.020 0.140 1.789 25.14 100.89 403.95GPU 内存分配 0.013 0.199 0.252 0.335 0.579 1.589 数据加载 0.204 0.211 0.301 2.975 11.382 43.693 执行 0.349 0.355 0.434 1.596 5.233 19.862 数据读回 0.022 0.022 0.022 0.022 0.022 0.022 合计 0.588 0.787 1.009 4.928 17.216 65.166CPU/GPU总时间比 0.02x 0.03x 0.18x 1.77x 5.86x 6.19xCPU/GPU核时间比 0.01x 0.02x 0.24x 3.13x 16.7x 17.59x由表1可见，相对于CPU，GPU在处理大尺寸图像时具有绝对的优势。在81928192尺寸图像的直方图生成中，GPU的时间消耗为65.166 ms，计算效率是CPU的6.19倍，排除内存分配、数据加载和读回的时间后，GPU的核心时间消耗仅为19.862 ms，计算效率是CPU的17.59倍。但是，由表1可见，相对于CPU，GPU在处理小尺寸图像时处于劣势。其原因在于数据加载和读回的时间消耗。但考虑在实际应用中，往往是大量图像的批处理，这种劣势可以忽略。4.2快速傅里叶变换计算二维卷积卷积在图像处理领域有着广泛的应用，二维卷积的快速算法是先将图像的FFT（Fast Fourier Transformation，快速傅里叶变换）结果和卷积核的FFT结果在频域求乘法，最后用逆FFT求得二维卷积的结果。其中，FFT的使用可以提高卷积的运算效率，实际上，快速卷积计算也是FFT的重要应用之一。实现FFT二维卷积算法需要注意的主要问题是在对图像边缘像素的处理中，需要用图像边缘像素对图像进行扩展和补齐。设原图像尺寸为imageWimageH，卷积核尺寸为kernelWkernelH，补齐后图像尺寸为fftWfftH，其中：fftW = imageW + kernelW 1；fftH = imageH + kernelH 1。但为便于GPU运算和节约带宽，本文算法统一选取最终图像尺寸为小于等于1024的2n数或最近的512的倍数。比如，原图像尺寸为1220120，卷积核尺寸为77，算得fftW和fftH分别为1226和126，则最终参与运算的图像尺寸fftWfftH需补足为1536128。CPU实现中的FFT计算选用了FFTW函数库，由于使用动态规划（dynamic programming）寻找最佳解，再由计算机自动生成程序以使算法达到最高度优化4，该库在高性能计算领域被广泛采用，是业界公认执行效率最高的FFT库。GPU实现中的FFT计算选用了nVidia开发的CUFFT库，该库模拟了FFTW库的运算机制，在函数调用上与FFTW几乎没有差别。FFT计算二维卷积算法实现中，主要的运算量来自：1次imageWimageH尺寸二维FFT、1次fftWfftH尺寸二维FFT、1次fftWfftH尺寸二维逆FFT和1次imageWimageH尺寸和fftWfftH尺寸的频域相乘。CPU/GPU利用FFT计算二维卷积的实验数据对比见表2，其中卷积核尺寸均取77。表2 CPU/GPU算法FFT计算二维卷积执行时间(毫秒)图像尺寸 322 1282 2562 5122 10242 20482CPU 内存分配 0.037 0.43 0.68 3.1 13.37 53.9 执行 0.793 14.12 51.25 204.8 916.42 3806.3 合计 0.83 14.54 51.93 207.9 929.79 3860.2GPU 内存分配 0.728 1.103 2.58 7.94 16.71 30.09 数据加载 1.027 1.291 2.24 5.91 14.41 35.09 执行 2.936 3.037 6.12 16.79 51.78 94.72 数据读回 0.388 0.958 2.19 6.37 13.45 23.30 合计 5.079 6.389 13.13 37.01 95.35 183.20CPU/GPU总时间比 0.16x 2.28x 3.96x 5.6x 9.8x 21.1xCPU/GPU核时间比 0.27x 4.65x 8.37x 12.2x 17.7x 40.2x表2实验数据反映的趋势与表1基本相同，在处理大尺寸图像时GPU的总计算效率能够达到CPU的21.1倍，GPU核心计算效率能达到CPU的40.2倍。处理小尺寸图像时由于数据加载和读回的时间消耗使GPU慢于CPU。5 结论本文通过对两个常用图像处理算法GPU实现的实验结果分析，得出结论，与CPU相比，GPU依据其硬件结构先天的并行计算特点，在运行以图像处理为代表的可分割为独立单元且每个单元都具有高运算强度的算法中能够得到极高的效率提升。在处理大量数据时，这种提升更加明显。考虑到价格因素，我们认为，相对于CPU，以同样的市场价格选用更高计算能力的GPU是可行的。采用CUDA编程接口，为GPU重新设计和编写原有图像处理算法以获得数十倍的效率提升是值得的。在实验过程中，也发现GPU加速技术有2个局限：(1)当前GPU只支持32-bit浮点算术精度，虽然在大多数图像处理算法中这个局限不会带来可辨别的影响，但在高精度需求的问题中会得到误差相对于CPU更大的结果；(2)由于数据加载和读回的时间消耗使GPU处理小量数据不如CPU更加高效，解决办法是提高CPU-GPU数据传输总线的带宽，这在下一代PCI-E总线标准中有望改善。第三章计算机图像与图形介绍3.1 计算机图形学研究的主要内容计算机图形学的研究内容极为广泛，如图形硬件、图形标准、图形交互技术、光栅图形算法、曲线曲面建模、实物造型、真实感图形显示算法，以及科学计算可视化、计算机动画、自然仿真、虚拟现实等。计算机图形学主要目的就是要利用计算机表达的真实感图形。为此，必须建立图形描述的场景的几何表示，运用某种光照模型，计算出假想的光源、纹理、材质属性下的光照明效果。所以计算机图形学与计算机辅助几何设计有着密切的关系。图形学也把可以表示几何场景的曲线曲面造型技术和实体造型技术作为其主要的研究内容。同时，真实感图形计算的结果是以数字图象的方式提供的，计算机图形学和图形图象处理有着密切的联系。3.2 图形图像处理包括的主要内容图形图像处理包括的主要内容有：（1）几何变换，如平移、旋转、缩放、透视和投影等。（2）图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。（3）曲线和曲面拟合。（4）建模或造型设计。（5）隐线、隐面消除。（6）明暗处理。（7）贴图纹理。（8）色彩设计。3.3真实感图形技术计算机真实感图形是一种光栅图形。光栅图形显示器的屏幕由一系列显示单元组成，每个显示单元称为一个像素。在生成一幅真实感图形时，必须逐个像素地计算画面上相应景物表面区域的颜色。在计算可见景物表面区域颜色时，不但要考虑光源对该区域入射光的光亮度，而且还要考虑该表面区域对光源的方向，表面材料和反射性质等。这种计算必须基于一定的光学物理模型，称为光照明模型。基于场景几何和光照模型生成一幅真实感图形的过程称为绘制。由于光栅图形屏幕通常包含百万计像素，因此，如何利用景物的空间连贯性和图像空间连贯性，提高绘制算法效率是真实感图形技术研究的重点。第四章 计算机图片处理技术4.1计算机图片的色彩处理 我们知道在计算机中,图像是以数字方式来记录、处理和保存的,所以图像是数字化图像。图像类型大致分为两种:向量式图像与位图式图像。Adobe Photoshop属于位图式图像软件,它能够制作出颜色和色调变化非常丰富的图像,可以逼真地表现自然界的景象。 位图式图像是由许多点组成的,这些点称为像素(pixel)。当许许多多不同颜色的点(即像素)组合在一起时便构成了一幅完整的图像。位图式图像在保存为文件时,需要记录下每一个像素的位置和色彩数据,因此,图像的像素越多(即分辨率越高),文件也就越大,处理速度也就越慢。但是由于它能够记录下每一个点的数据信息,因而可以精确地记录色调丰富的图像,可以逼真地表现自然界的图像,达到照片般的品质。 色彩深度是指一个图像中颜色的数量。位图式图像在计算机中是以“位”(bit)为基本单位来存储图像数据的,所以一幅图像的色彩深度也称为图像的位深度。像素所能分配的最大颜色数也叫做“颜色容量”,单位是“位”。既然色彩深度是以“位”来定义每个像素颜色的,按照这个定义,我们就知道以指数形式表示的位图模式图像的色彩深度为1,灰度模式图像的色彩深度为8,而RGB模式由于其具有红绿蓝三个色彩通道,它的色彩深度为24,也就是说,在RGB模式下,一个像素可能表达的颜色数为16777216种,约为1678万种颜色。而Photoshop CS已经具备了部分地处理色彩深度为16位图像的功能。正确理解色彩深度的概念对控制调整电脑图像的色彩十分重要。4.2计算机图片色彩调整技术 在理解了数字化图像的色彩深度概念之后,我们来探讨电脑图像的色彩控制问题。通过理论教学和制作实践,自己总结出了电脑图像色彩调整的基本原则如下: 2.1 显示器(CRT)Adobe Gamma调整 众所周知,正确调整好显示器不仅是我们浏览图片的基准,更重要的是,在使用Photoshop制作图像之前,如果屏幕没有进行校准,屏幕上看到的颜色和最后打印出来的颜色可能相差很大,因此,首先应该进行屏幕校准。屏幕校正前,需要做好以下工作: 2.1.1 正确安装显卡驱动程序。 2.1.2 显示器至少工作30分钟以上。 2.1.3 显示器白平衡正常。 2.1.4 把显示器的对比度调到最大。 在安装完Photoshop以后,在系统的控制面板中将自动加入Adobe Gamma程序,用这个程序来完成屏幕校准工作。启动这个程序后,通常选择Step By Step(逐步)方式,然后遵照Adobe Gamma Wizard(向导)来完成屏幕的校准。如果有必要,可以借助显示器调整软件“DisplayMate”来完成“黑标准调整(Black Level Adjustment)”。 2.2 选择合适的色彩模式 通常我们都使用RGB模式来做图,因为它同我们平时观看的色彩方式最相似,做起图来更加直观。然而在打印图像时我们又不得不采用CMYK模式来打印,所以RGB模式转换为CMYK模式是一个不可避免的过程,虽然是这样,我们还是应该在RGB模式下作图,处理完毕后再转换为CMYK模式来打印,因为在CMYK模式下,不仅仅是由于CMYK模式比RGB模式多一个通道,图像文件比RGB模式大三分之一,更重要的是在CMYK下作图无法使用Photoshop的许多功能,这对处理图像造成了很大的局限性。因此,我们一般情况下应该在RGB模式下作图,打印时再转换成CMYK模式。 同样,我们不要轻易把图像转换为灰度模式来处理黑白图像效果,RGB模式下的图像一旦转换成灰度模式以后,许多在RGB模式下才能使用的命令就无法使用了,其实制作黑白图像有一个更好的方法,我们可以通过执行“去色”命令把图像调整为灰度图像,这样图像不仅会呈现出黑白色彩,而且仍然保留着RGB模式。 2.3 建立调整图层 调整图层(Adjustment Layer)是一个比较特殊的图层,主要用来控制色调和色彩的调整。这种新增的特殊图层会出现在原作用图层之上,并以当前色彩或色调调整命令来命名。使用调整图层对图像进行调整不会永久性地改变原始图像,当对调整图层中的设置不满意时,可以重新修改参数设置。调整图层保留了修改的弹性,同时确保图像的品质。 2.4 正确使用色调和色彩控制命令 Photoshop不仅提供了很多色调控制命令,同样也提供了多个图像色彩控制命令,随着Photoshop版本的不断升级,Photoshop CS在Photoshop 7.0的基础上又增加了“颜色匹配”、“图片过滤器”和“暗部/高光”三个色彩控制命令。这些色彩控制命令主要用于调整图像的色相、饱和度、亮度和对比度。 值得注意的是,这些命令的使用或多或少地要丢失一些颜色数据。我们知道在Photoshop中无论怎样处理图像,其清晰度是不会增加的,因为对图像的一切操作都是在原来图像的基础上进行的,因而不可能产生比原图像更丰富的细节。同样对图像的色彩调整也是如此,所有色彩调整的操作都是在原来图像的基础上进行的,因而不可能产生比原来图像更丰富的色彩。 我们知道,每英寸图像内含有的像素多少定义为图像的分辨率,因此,一幅图像的分辨率越高,图像就越清晰,一幅图像的色彩深度越深(值越大),图像的色彩就越丰富。所以在制作图像时,对于不同品质的图像就需要设置适当的分辨率,采用适当的色彩深度,恰到好处地使用色彩控制命令,这样就能经济有效地制作出作品来。 小结 实践证明,用上述方法来控制调整图像的色彩是切实可行的。如何有效地使用Photoshop所提供的色调和色彩命令调整出高品质的图像是一个值的研究的问题。除了熟练地掌握Photoshop的色调和色彩命令之外,应用电脑图像色彩调整的基本原则对图像进行调整、修改和加工处理也是非常重要的。这样做不仅可以有效地降低工作强度,而且能够避免许多错误,提高工作效率。应用这些原则调整图像,对制作出高品质的图像具有重要意义。4.3 Adobe Photoshop数字图像处理技术，并不要求有经验的摄影家一切从头开始学习，事实上，由于对传统摄影的透彻理解，那么摄影家们已在某种程度上跑到了其他使用者的前面了。然而初学者就需要全面的掌握，这主要是指在艺术创作方面上的领会，应当说在任何时代，艺术的创造力都是最重要的。对数字技术如何制作一张创意精彩图片的探索，将会驱使你去大胆涉足。 对应用计算机作图像处理，主要来自对图像处理软件的认识与掌握。图像处理软件有很多但最著名的是Adobe Photoshop已成为数码摄影师圈子内的标准应用程序，但也为制图、网面和多媒体专业人员所广泛使用。Adobe Photoshop软件以升级到Photoshop 8.0，它以革命性的工具，提供了崭新的方法来发挥你的创意，让你更有效率的工作，帮助你保有竞争力。利用Photoshop，能够更轻松的制作出色的作品，在印刷上、网络上、无线设备，与其它媒体上发表。 Photoshop不只是关注为图像操纵提供富有创意的工具箱，而且也允许用户为打印、网页和多媒体产品准备好具有高度针对性的输出。新的媒体革命正在拉近摄影家、平面造型设计师、编码程序设计师和录像剪辑师在传统技艺方面的距离。由于这些角色不断地得到重新界定，因此，优秀的Photoshop操作员总是备受青睐的。 对于摄影家来说，Photoshop允许用户做所有的暗室惯常操作。例如剪裁、放大、反差调节、局部额外曝光和局部遮挡以及色彩校正。只要对反差进行区域曝光系统式的控制，并借助内置式密度计来监视图像的亮度范围，更高级的调整也是可能的。还能模拟各种相机效果，轻而易举地营造浅景深、动态模糊和透视畸变。然而，Photoshop更允许用户以传统摄影和文件复制过程不可比拟的方式来修改数字图像。 将众多不同的源图像，从胶片和照片原稿到经扫描的实物、纺织品乃至纹理质感融为一体，这些新的可能性是存在的。暗室冲洗法可望增添油画、素描、混合与合并的效果，连同巨大的工作调色板外。这种控制技巧，可能随着时间的推移而获得发展，因而新的用户在看到某些卓有成效的结果前不必“跋山涉水”。极其复杂的功能暂时可不去考虑，直到你做好使用它们的准备。而且程序不会对苛求的用户强加不必要的限制。 Photoshop捆绑ImageReady弥补Photoshop在动画编辑以及网页制作方面的不足, ImageReady具备Photoshop中常用的图像编辑功能，同时ImageReady更提供了包含了大量网页和动画的设计制作工具，功能强大也非常实用。4.4 高清监控图像处理技术特点所谓标清，是物理分辨率在720p(1280*720)以下的一种视频格式。720p是指视频的垂直分辨率为720线逐行扫描。具体的说，是指分辨率在400线左右的VCD、DVD、电视节目等“标清”视频格式，即标准清晰度，而物理分辨率达到720p以上则称作为高清，(英文表述HighDefinition)