《MATLAB应用图像处理》课件第1章

1.1数字图像处理及其特点1.2数字图像处理的主要内容1.3数字图像处理系统1.4数字图像处理的历史与发展1.5数字图像处理的应用1.6数字图像处理的发展动向习题

第1章MATLAB图像处理概述

1.1数字图像处理及其特点

1.1.1数字图像与数字图像处理

1.数字图像图像是客观世界中一个物体生动的图形表达形式，它包含了所描述物体的信息。图像可用二维函数f (x，y)表示，其中x，y是空间坐标值，f (x，y)是点(x，y)的幅值。灰度图像可用一个二维灰度(或亮度)函数f (x，y)来表示；彩色图像用三个(如RGB、HSV)二维灰度(或亮度)函数f (x，y)的组合来表示。用计算机进行图像处理的前提是图像必须以数字格式存储。我们把以数字格式存储的图像称为数字图像。数字图像由二维元素组成，每一个元素具有一个特定的位置(x，y)和幅值f (x，y)，这些元素就称为像素(Pixel)，图1.1是图像数字化示意图。像素组成的二维排列可以用矩阵表示。对于单色(灰度)图像而言，每个像素的亮度用一个数值来表示。通常数值范围为[0，255]，“0”表示黑、“255”表示白，其它值表示处于黑白之间的灰度。彩色图像可以用红、绿、蓝三元组的二维矩阵来表示。通常，三元组的每个数值也是在0～255之间，“0”表示在该像素中没有相应的颜色，“255”则代表相应的基色在该像素中取得最大值。图1.1图像数字化示意图

2.数字图像处理数字计算机最擅长的是处理各种数据，数字化后的图像可以看成是存储在计算机中的有序数据，可以用计算机对数字图像进行处理。利用计算机对图像进行去噪、增强、复原、分割、特征提取等处理，就称为数字图像处理。数字图像处理一般是用计算机和实时硬件实现的，故也称为计算机图像处理。数字图像处理的产生和迅速发展主要受如下三方面的影响：

(1)计算机的发展。早期的计算机无论在计算速度还是存储容量方面，都难于满足对庞大图像数据进行实时处理的要求。随着计算机硬件技术及数字化技术的发展，计算机、内存及外围设备的价格急剧下降，而其性能却有了大幅度的提高。过去只能用大型计算机完成的对庞大数据进行的处理工作，现在在个人计算机(PC机)上也能够轻而易举地实现。

(2)数学的发展，特别是离散数学理论的创立和不断完善，为数字图像处理奠定了理论基础。

(3)军事、医学和工业等方面应用需求的不断增长。自20世纪20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量以来，经过几十年的研究与发展，数字图像处理的理论和方法进一步完善，应用范围更加广阔，已经成为一门新兴的学科，并在向更高级的方向发展。比如，在景物理解和计算机视觉(机器视觉)方面，图像处理已由二维处理发展到三维理解或解释。近几年来，随着计算机和各个相关领域研究的迅速发展，科学计算可视化、多媒体技术等研究和应用的兴起，数字图像处理从一个专门领域的学科，变成了一种新型的科学研究和人机界面交互的工具。1.1.2数字图像处理的特点数字图像处理可以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。数字图像处理具有如下特点：

(1)处理精度高，再现性好。利用计算机进行图像处理，实质是对图像数据进行各种运算。由于计算机技术的飞速发展，计算精度和正确性毋庸置疑；另外，对同一图像用相同的方法处理多次，也可得到完全相同的效果，具有良好的再现性。

(2)处理的多样性。由于图像处理是通过运行程序进行的，因此，可以通过设计不同的图像处理程序，实现各种不同的处理效果。

(3)图像数据量庞大。图像中包含丰富的信息，可以通过图像处理技术获取图像中的有用的信息，但是，数字图像的数据量庞大。一幅数字图像是由图像矩阵中的像素组成的，通常每个像素用红、绿、蓝三种颜色表示，每种颜色用8bit表示灰度级。一幅1024×1024不经压缩的真彩色图像，数据量达3MB。X射线照片的数据量一般为64～256 KB，一幅遥感图像为3240×2340×4=30MB。如此庞大的数据量给图像的存储、传输和处理都带来了巨大的困难。如果精度及分辨率再提高，所需处理时间将大幅度增加。

(4)图像处理技术综合性强。数学、物理学等是数字图像处理的基础，此外，数字图像处理涉及的技术领域广泛，如通信技术、计算机技术、电子技术、电视技术等。1.2数字图像处理的主要内容一般而言，对图像进行加工和分析主要有如下三个方面的目的：

(1)提高图像的视感质量，以达到赏心悦目的效果。如去除图像中的噪声，改变图像的亮度、颜色，增强图像中的某些成分、抑制某些成分，对图像进行几何变换等，从而改善图像的质量，以达到或真实、或清晰、或色彩丰富、或意想不到的艺术效果。

(2)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，例如，模式识别、计算机视觉的预处理等。这些特征包括很多方面，如频域特性、灰度/颜色特性、边界/区域特性、纹理特性、形状/拓扑特性以及关系结构等。

(3)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。不管图像处理是何种目的，都需要用计算机图像处理系统对图像数据进行输入、加工和输出，因此数字图像处理的主要研究内容有以下九个方面：

(1)图像获取(ImageAcquisition)、表示(Representation)和表现(Presentation)。该过程主要是把模拟图像信号转化为计算机所能接受的数字形式，以及把数字图像显示和表现出来(如打印)。这一过程主要包括摄取图像、光电转换及数字化等几个步骤。

(2)图像复原(ImageRestoration)。当造成图像退化(图像品质下降)的原因已知时，复原技术可以对图像进行校正。图像复原最关键的是对每种退化都建立一个合理的模型。例如，掌握了聚焦不良成像系统的物理特性，便可建立复原模型，而且对获取图像的特定光学系统的直接测量也是可能的。退化模型和特定数据一起描述了图像的退化，因此，复原技术是基于模型和数据的图像恢复，其目的是消除退化的影响，从而产生一个等价于理想成像系统所获得的图像。

(3)图像增强(ImageEnhancement)。图像增强是对图像质量在一般意义上的改善。当无法知道图像退化有关的定量信息时，可以使用图像增强技术较主观地改善图像的质量。所以，图像增强技术是用于改善图像视感质量所采取的一种方法。因为增强技术并非是针对某种退化所采取的方法，所以很难预测哪一种特定技术是最好的，只能通过试验和分析误差来选择一种合适的方法。有时可能需要彻底改变图像的视觉效果，以便突出重要特征的可观察性，使人或计算机更易观察或检测。在这种情况下，可以把增强理解为增强感兴趣特征的可检测性，而非改善视感质量。电视节目片头或片尾处的颜色、轮廓等的变换，其目的是得到一种特殊的艺术效果，增强动感和力度。

(4)图像分割(ImageSegmentation)。把图像分成一些互不重叠的区域的过程就是图像分割。一幅图像中通常包含多个对象，例如，一幅医学图像中显示出正常的或有病变的各种器官和组织。图像处理为了达到识别和理解的目的，几乎都必须按照一定的规则将图像分割成区域，每个区域代表被成像的一个物体(或部分)。图像自动分割是图像处理中最困难的问题之一。人类视觉系统的优越性，使得人类能够将所观察的对象从复杂场景中分开，并识别出每个物体。但对计算机来说，这却是一个难题。目前，大部分图像的自动分割还需要人工提供必需的信息来实现，只有一部分领域(如印刷字符自动识别(OCR)、指纹识别等)开始实际应用。由于解决与图像分割相关的基本问题是特定领域中图像分析实用化的关键一步，因此，如何将各种方法融合在一起，并使用有关知识来提高图像处理的可靠性和有效性是图像分割的研究热点。

(5)图像分析。图像处理应用的目标几乎均涉及到图像分析，即对图像中的不同对象进行分割、特征提取和表示，从而有利于计算机对图像进行分类、识别和理解。在工业产品零件无缺陷装配检测中，图像分析是将图像中的像素转化成一个“合格”或“不合格”的判定。在某些应用领域中，如医学图像处理，不仅要检测出物体(如肿瘤)的存在，而且还要检查物体的大小。

(6)图像重建。图像重建与上述的图像增强、图像复原等不同。图像增强、图像复原的输入是图像，处理后的输出结果也是图像，而图像重建是指从数据到图像的处理，即输入的是某种数据，而经过处理后得到的结果是图像，CT就是图像重建的典型应用实例。目前，图像重建与计算机图形学相结合，把多个二维图像合成三维图像，并加以光照模型和各种渲染技术，能生成各种具有强烈真实感的高质量图像。

(7)图像压缩编码(ImageEncoding)。数字图像的特点之一是数据量庞大。尽管现在有大容量的存储器，但仍不能满足图像数据(尤其是动态图像、高分辨率图像)处理的需要，因此在实际应用中图像压缩是必需的。如果数据不压缩，则在存储和传输过程中就需要占很大的容量和带宽，从而增加成本。图像压缩的目的就是压缩图像数据量。图像编码主要是利用图像信号的统计特性及人类视觉的生理和心理特性，对图像信号进行高效编码，即研究数据压缩技术，目的是在保证图像质量的前提下压缩数据，便于图像的存储和传输。一般来说，图像编码的目的有三个：①减少数据存储量；②降低数据率以减少传输带宽；③压缩信息量，便于特征提取，为后续识别做准备。从编码技术发展来看，Kunt提出了第一代、第二代编码的概念。第一代编码是以去除冗余为基础的编码方法，如PCM、ΔM、亚取样编码法、DFT、DCT、W-H变换编码法以及以此为基础的混合编码法，第二代编码法大多在20世纪80年代以后提出，如金字塔编码法、Fractal编码法、小波变换编码法、基于神经网络的编码法、模型基编码法等。这些编码方法有如下特点：①充分考虑人的视觉特性；②恰当地考虑对图像信号的分解与表述；③采用图像的合成与识别方案压缩数据。

(8)模式识别(PatternRecognition)。模式识别是数字图像处理的又一研究领域。当今，模式识别方法大致有三种：统计识别法；句法结构模式识别法；模糊识别法。统计识别法侧重于特征；句法结构模式识别法侧重于结构和基元；模糊识别法是把模糊数学的一些概念和理论用于识别处理。在模糊识别处理中充分考虑人的主观概率，同时也考虑了人的非逻辑思维方法及人的生理、心理反应，这一独特性的识别方法目前尚未成熟，正处于研究阶段。

(9)图像理解(ImageUnderstanding)。图像理解是由模式识别发展起来的图像处理方法。该方法输入的是图像，输出的是一种描述。这种描述并不仅是单纯地用符号做出详细的描绘，而且要利用客观世界的知识使计算机进行联想、思考及推论，从而理解图像所表现的内容。图像理解有时也叫景物理解，在这一领域还有相当多的问题需要深入研究。以上所述的九项处理任务是图像处理所涉及到的主要内容。总的来说，经过多年的发展，图像处理经历了对从静止图像到活动图像、从单色图像到彩色图像、从客观图像到主观图像、从二维图像到三维图像处理的发展历程。特别是图像处理技术与计算机图形学的结合，已能产生高度逼真、非常纯净、更有创造性的图像。由此派生出来的虚拟现实技术的发展，或许将从根本上改变人们的学习、生产和生活方式。1.3数字图像处理系统1.3.1硬件系统如图1.2所示，数字图像处理系统由图像数字化设备、图像处理计算机(通常将存储设备也包括在内)、图像输出和显示设备组成。图1.2图像处理系统示意图

1.图像数字化设备

图像数字化设备包括电视摄像机、扫描仪、数码相机、遥感仪与图像采集卡等。

(1)电视摄像机(VideoCamera)。电视摄像机是目前使用最广泛的图像获取设备，如图1.3(a)所示。电视摄像机的核心部件是光电转换装置，也称为固态阵。目前大多数感光基元多为电荷耦合器件CCD(ChargeCoupledDevice)，CCD可以将照射在其上的光信号转换为对应的电信号。该设备小巧、速度快、成本低、灵敏度高，多作为实时图像输入设备应用。但用该设备所获取的图像灰度层次较差、非线性失真较大、有黑斑效应，在使用中需要校正。

(2)扫描仪(Scanner)。如图1.3(b)所示，扫描仪是将各种形式的图像信息(如图片、照片、胶片及文稿资料等)输入到计算机的重要工具，特点是精度和分辨率高。由于扫描仪良好的精度和低廉的价格，已成为当今应用最为广泛的图像数字化设备。但用扫描仪获取图像信息的速度较慢，不能实现实时输入。

(3)数码照相机(DigitalCamera)。如图1.3(c)所示，数码照相机也叫数字相机，是一种能够进行景物拍摄，并以数字格式存放拍摄图像的特殊照相机。它的核心部件是CCD图像传感器。CCD可以对亮度进行分级，但并不能识别颜色。为此，数码照相机使用了红、绿、蓝三个彩色滤镜，当光线从红、绿、蓝滤镜中穿过时，就可以得到每种色光的反应值，再通过软件对得到的数据进行处理，从而确定每一个像素点的颜色。CCD生成的数字图像被传送到照相机的一块内部芯片上，该芯片负责将图像转换成相机内部的存储格式(通常为JPEG格式)。最后，将生成的图像保存在存储卡中。图1.3图像获取设备

(4)遥感图像获取设备。遥感中常用的图像获取设备有光学摄影设备，如摄像机、多光谱像机等；红外摄影设备，如红外辐射计、红外摄像仪、多通道红外扫描仪、多光谱扫描仪(MSS)；微波设备，如微波辐射计、侧视雷达、真空孔径雷达、合成孔径雷达(SAR)。

(5)图像采集卡。通常，图像采集卡安装于计算机主板扩展槽中，主要包括图像存储器单元、显示查找表(LUT)单元、CCD摄像头接口(A/D)、监视器接口(D/A)和PC机总线接口单元。其工作过程如下：摄像头实时或准实时采集图像数据，经A/D变换后将图像存放在图像存储单元的一个或三个通道中，D/A变换电路自动将图像显示在监视器上。通过主机发出指令，将某一帧图像静止在存储通道中，即采集或捕获一帧图像，然后对图像进行处理或存盘。高档卡还包括卷积滤波、FFT(快速傅立叶变换)等图像处理专用的快速部件。现有的图像采集卡将图像和图形功能合为一体。

2.图像处理计算机

(1)计算机。图像处理的数据量大、运算时间长，对系统硬件配置要求较高。目前，PC机硬件性能显著增强，计算速度大幅度提高，可与几年前的大型机媲美。为了加快图像的显示和处理速度，用于图像处理的PC机配置应尽可能高一些。当然，有条件时最好采用图形工作站进行图像处理。

(2)图像存储装置。由于图像数据量庞大，使得早期图像的存储成为问题。到目前为止，除了大容量磁盘可供存储图像数据之外，MO、CD、DVD等光学存储装置以及SAN、NAS等网络存储系统，为存储海量图像数据提供了极好的支持。图1.4给出了三种常用的存储设备。图1.4图像存储装置

3.图像输出和显示设备数字图像输出和显示设备包括打印机、绘图仪、显示卡、胶片记录器、显示器等。显示卡是记忆和保存图像的地方，通常，存储的图像要随时显示在显示器上。在图像处理装置中，灰度值红(R)、绿(G)、蓝(B)各占8位，共计24位，可以表示1670万种颜色，这种显示卡称为真彩色显示卡。除了显示卡这一图像输出设备外，还可以利用如图1.5所示的打印机对图像进行打印输出。图1.5图像输出设备以上我们介绍了数字化设备的构成以及各个构成部件，在实际的图像处理系统中，根据图像获取与图像处理之间时间间隔的差异，可以将图像处理系统分为在线处理系统和离线处理系统两种形式。在研究中，多采用离线图像处理系统，主要用于开发和验证图像处理与分析的算法。在线图像处理系统除上述设备外，还需用图像处理专用硬件(如夏普公司研发的GPB-K高速图像处理卡)代替普通图像采集卡，构成自动处理系统，以对生产现场采集的图像进行实时处理，并对其处理结果进行监控。1.3.2软件系统微型图像处理系统既包含硬件设备，也需要一定的软件环境支持。目前图像处理系统平台多为MicrosoftWindows或X-Windows，开发的主流工具为Microsoft公司的VC++。这是因为VC++ 是一种具有高度综合性能的软件开发工具，用它开发出来的程序运行速度快、可移植能力强。此外，各国的科学家和研究机构开发了不少专用的图像处理软件环境，下面仅对主要的几种进行简单介绍。

1. MATLAB的图像处理工具箱

MATLAB是由美国MathWorks公司推出的用于数值计算的有力工具。它具有相当强大的矩阵运算和操作功能，并且MATLAB图像处理工具箱提供了丰富的图像处理函数。灵活运用这些函数几乎可以完成所有的图像处理工作，从而大大节省了编写底层算法代码的时间，避免程序设计中的重复劳动，达到事半功倍的效果。但MATLAB强大的功能只能在安装有MATLAB系统的机器上，通过使用图像处理工具箱中的函数或自编的m文件来实现，应用不是很方便，且MATLAB使用行解释方式执行代码，执行速度较慢。为将MATLAB的强大功能融入到各种应用程序中，可通过高级语言编译器将MATLAB程序代码编译为二进制代码。

2. AVS和SPIDER

AVS(ApplicationVisualizationSystem)是对庞大的数据量进行可视化处理的通用系统之一。该系统原来是为了对科学计算的结果进行可视化(ScientificVisualization)处理而开发的，具有如下强大的功能：对Pointer和Clicker类型数据进行显示，可以将人机对话的三维几何数据进行显示，可以对人机对话的二维图像进行显示。同时还可完成画图功能，并对图像处理、声音波形图中的超函数进行处理。AVS现在已经在如下领域中广泛使用：

(1)医学图像、有限元法分析、流体力学、检测/实验结果的表示；

(2)资源探索、环境科学、遥感、一般图像处理；

(3)量子力学、分子设计、CAD数据表示、OR分析；

(4)金融数据分析、一般科学分析。

SPIDER(SubroutinePackageforImageDataEnhancementandRecognition)Viewer是由日本通产省工业技术院电子技术综合研究所开发的图像处理程序库。它包含了图像处理领域中的基本算法和实现方法，因此得到了很高的评价，之后又追加了基本的图像分析算法，立体图像、距离图像、文本、画面处理等领域的算法，称之为SPIDERⅡ，目前已经得到了广泛的应用。

3. IUE对图像处理和图像理解算法优劣的评价是非常困难的。为此，世界范围内的图像工程科研人员就评价问题进行了研讨，以构建可重复利用的软件开发环境。IUE(ImageUnderstandingEnvironment)就是以美国为主，日本和欧洲共同参加开发的图像处理系统。该系统可以实现图像理解、计算模型的确立，对图像进行严密的几何学描述。它能应用于各种类型的图像，从而提高研究效率，促进技术积累和技术转移。针对上述目标，IUE有效利用现有软件，开发了运行在UNIX工作站(SunOS、Linux)上的面向对象的程序(C++)，并从LaTeX自动生成C++源代码，以满足实际需要。

IUE不仅提供了函数库和数据库，为了能正确地描述有关光源、物体、传感器等几何学和光学的关系，还提供了类的分层结构关系。同时，也提供了用矢量图来表示的坐标系和坐标变换的类。这种类有600个，还有400个模板及类成员，可以说它是一个巨大的资源库。IUE系统不单是图像处理系统，而且还是由输入图像转换为三维场景描述的图像理解的信息环境。在此环境中，可以处理图像数据，线段、区域、面等几何数据，以及对于认识、理解的高级处理时的知识表达、几何数据之间关系的符号数据等。1.4数字图像处理的历史与发展

数字图像处理的最早应用之一是在报纸业，20世纪20年代，Bartlane电缆图片传输系统(纽约和伦敦之间海底电缆)传输一幅图片所需的时间由一周多减少到小于3个小时。为了用电缆传输图像，首先要进行编码，然后在接收端用特殊的打印设备重构该图片。图1.6就是利用这种方法传递并应用电报打印机通过字符模拟中间色调还原出来的图像。早期的图像处理视觉质量的改进工作涉及到打印过程的选择和亮度等级的分布等问题。图1.6的打印方法在1921年底被彻底淘汰，一种基于光学还原的技术得到了支持，该技术在电报接收端用穿孔纸带打出图像。图1.7是用该方法得到的图像，对比图1.6，它在色调质量和分辨率方面得到明显改进。早期的Bartlane系统可以用5个色度等级对图像进行编码，到1929年已经增加到15个等级。图1.8所示图像就是用15级色调设备得到的。这一时期，由于引入了一种用编码图像纸带去调制光束而使底片感光的系统，使恢复的图像质量明显得到了改善。图1.6通过打印字符模拟中间色调打印出来的5级灰度图像图1.7基于图片再生技术用穿孔纸带打印的图像图1.81929年从伦敦到纽约用15级色调设备传输的图像真正的数字图像处理极大地依赖于数字计算机及相关技术，如存储、显示和传送等技术的发展。而真正的现代计算机是20世纪40年代由JohnVonNeumann提出两个重要的概念才开始的：保存程序和数据的存储器；条件分支。第一台真正可以执行图像处理任务的足够强大的计算机出现于20世纪60年代早期，数字图像处理的发展也得益于这时的空间计划。

20世纪50年代，随着计算机的发展，数字图像处理才真正地引起人们的巨大兴趣。50年代中期在太空计划的推动下开始相关技术的研究。其重要标志是1964年美国喷气推进实验室正式使用数字计算机对“旅行者7号”太空船送回的四千多张月球照片进行了处理。图1.9为由旅行者7号于1964年7月31号在东部白天时间着陆前17分钟拍摄的，其中网状标记表示经过了几何校正。图1.9美国航天器传送的第一张月球照片到20世纪60年代末至70年代初，由于离散数学理论的创立和不断完善，使数字图像处理技术形成了比较完整的理论体系，成为一门新兴的学科。60年代末，数字图像处理形成了一个比较完整的理论与技术体系，从而构成了一门独立的技术。数字图像处理的空间应用不断取得进展，20世纪60年代末和70年代开始用于医学图像、地球遥感探测和天文学等尖端科学领域。CAT(ComputerizedAxialTomography，简称CT)是数字图像处理在医学诊断领域最重要的应用之一。从20世纪60年代至今，数字图像处理已经取得了很大的发展，应用范围更加广阔。计算机程序用于增强图像对比度；或者将图像强度编码成彩色以便于解释X射线和用于工业、医学及生物科学领域的其他图像；地理学者用相同的技术从航空和卫星图像中研究污染模式。图像增强和复原过程用于处理不可修复物体的有损图像或者造价昂贵而不可复现的实验结果。在考古学领域，使用图像处理方法已成功复原了模糊的图片，这些图片是那些丢失或损坏了的稀有物品的唯一现存记录。在物理学和相关领域，计算机技术通常用于增强用高能等离子和电子显微镜方法等得到的实验图像。同时，数字图像处理还成功应用在天文学、核医学、法律实施、国防及工业等领域中。数字图像处理的另一个主要应用领域即机器感知问题(利用的信息主要有统计矩、傅立叶变换系数、多维距离测度等)方面，典型的有自动字符识别、用于生产线及检测的工业机器视觉、军事识别、指纹的自动处理、X射线和血样分类处理、用于天气预报和环境鉴定的航空与卫星图像的处理。计算机性价比的不断提高和互联网通信带宽的扩展，为数字图像处理(DigitalImageProcessing，DIP)的持续发展创造了前所未有的机会。其中一些应用领域在下节以图像来源(电磁波谱图像、显微图像、合成图像等)为类别举例进行说明。其中的每一个实例都要用到以后的某种数字图像处理技术进行处理。目前，就处理方法而言，主要将小波、模糊、神经网络、遗传算子、分形等智能信息处理技术运用于数字图像处理，使其更具活力，并不断地发展。1.5数字图像处理的应用

1.5.1通信领域通信包括图像传输、电视电话、电视会议等，主要是对图像进行压缩甚至理解基础上的压缩。1925年，单色电视广播在英国实现；1936年，BBC开始电视广播。目前出现的彩色电视有三种制式，即NTSC(美国、日本等)、PAL(中国、西欧、非洲等)和SECAM(法国、俄罗斯等)。图文电视(Teletext)和可视图文(Videotext)是提供可视图形文字信息的通信方式。图文电视是单向传送信息的，在电视信号消隐期可以发送图文信息，用户可用电视机和专用终端收看该信息；可视图文采用双向工作方式，用户可用电话向信息中心提出服务内容或从数据库中选择信息。1.5.2宇宙探测由于太空技术的发展，需要用数字图像处理技术处理大量的星体照片。利用美国的哈勃太空望远镜可对太空的景象进行拍摄，结果就保存为数字图像，为了进一步地研究宇宙现象，需要对这些数字图像进行诸如增强和复原等处理。另外，在宇宙探测中，可以利用数字图像技术对飞行器的飞行状态进行模拟，以便于技术人员发现飞行器的异常，提高安全性。图1.10给出了图像处理在宇宙探测中的两个应用实例。图1.10图像处理最先应用于空间探索1.5.3遥感航空遥感和卫星遥感图像需要用数字技术加工处理，以提取有用的信息。主要用于地形地质、矿藏勘查，森林、水利、海洋、农业等资源调查，自然灾害预测预报，环境污染监测，气象卫星云图处理以及地面军事目标的识别。图1.11给出了数字遥感中图像处理应用实例。图1.11数字图像处理在遥感中的应用在遥感应用中，我们可以看到大量与图像处理密切相关的技术。世界上出现第一张照片(1839年)、意大利人乘飞机拍摄了第一张照片(1909年)、前苏联(1957年)及美国(1958年)发射第一颗人造地球卫星等都为遥感技术的发展奠定了坚实的基础。1962年，国际上正式使用遥感一词(RemoteSensing)。此后，美国相继发射了多颗陆地资源探测卫星(1972年，LANDSAT-Ⅰ—四个波段，地面分辨率为59 m × 79 m；1975年，LANDSAT-Ⅱ；1978年，LANDSAT-Ⅲ，分辨率为40 m × 40 m；1982年，LANDSAT-Ⅳ，分辨率为30 m × 30 m，在这颗卫星上配置了GPS系统(GlobalPositioningSystem)，定位精度在地心坐标系中为±10 m。)1.5.4生物医学领域图像处理在医学界的应用非常广泛，无论是临床诊断还是病理研究都会大量采用图像处理技术。该技术的直观、无创伤、安全方便等优点备受青睐。图像处理首先应用于细胞分类、染色体分类和放射图像等方面。图像处理在医学中的应用包括超声波检测(如图1.12)、CT和MRI等。图1.12超声图像

20世纪70年代数字图像处理在医学上的应用有了重大突破，1972年X射线断层扫描CT得到实用；1977年白血球自动分类仪问世；1980实现了CT的立体重建。有人认为计算机图像处理在医学上应用最成功的例子就是X射线CT，其主要研制者Hounsfeld(英)和Commack(美)获得了1979年的诺贝尔生理医学奖。图1.13是人类利用X射线得到的人类第一张透视人手图像。1968～1972年英国的EMI公司的Hounsfeld研制了头部CT，1975年又研制了全身CT。类似的设备目前已有多种，如核磁共振(NuclearMagneticResonanceImaging，NMRI)CT，电阻抗断层图像技术(ElectricalImpedanceTomography，EIT)和阻抗成像(ImpedanceImaging)，这是一种利用人体组织的电特性(阻抗、导纳、介电常数)形成人体内部图像的技术。图1.13人类第一张X线图像经过百年的发展，应用X线机可观察人体内部的骨骼、肺结核病变等，通过造影技术，可以观察心脏、血管及消化道等管状器官。X线机是临床医院必备的医疗设备。随着相关科技的发展，X线投影成像技术也在不断地改进和发展。图1.14给出了X射线得到的人类不同部位的透视图像。图1.14人体X线图像此外，CT技术还可用于三维医学成像。20世纪60至70年代，随着美国阿波罗登月计划的结束，大批科学家、工程技术人员将研究方向转移到生物医学工程领域，促进了该学科领域技术水平的迅速发展，出现了人类观察自身内部结构的新的里程碑——X射线断层成像技术。图1.15人出了CT检测仪示意图和脑部检测结果。图1.15CT检测仪器及检测结果

80年代相继出现了基于现代物理技术和数字图像处理技术的新的医学成像技术，如数字减影血管造影(DigitalSubtractionangiography，DSA)技术；磁共振成像技术(MagneticResonanceImaging,MRI，如图1.16所示)；发射型断层成像技术(EmissionComputedTomography，ECT)，包括单光子发射型断层成像技术(SinglePhotonEmissionComputedTomography，SPECT)和正电子发射型断层成像技术(PositronEmissionTomography，PET)，如图1.17所示)。图1.16MRI检测仪器和检测结果图1.17PET检测结果1.5.5工业生产领域在生产线上对产品及部件进行无损检测是图像处理技术的重要应用领域。图像处理技术在该领域的应用从20世纪70年代起得到了迅速的发展，主要有产品质量检测、生产过程的自动控制、CAD/CAM等。在产品质量检测方面，如食品、水果质量检查，无损探伤，焊缝质量或表面缺陷。又如，金属材料的成分和结构分析、纺织品质量检查、光测弹性力学中应力条纹的分析等。在电子工业中，图像处理技术可以用来检验印制电路板的质量、监测零部件的装配等。在工业自动控制中，主要使用机器视觉系统