很多朋友对于数字图像处理的基本算法及要解决的主要问题和数字图像骨架检测算法不太懂，今天就由小编来为大家分享，希望可以帮助到大家，下面一起来看看吧！

本文目录

图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。

图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。

传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。

目录

[隐藏]

* 1解决方案

* 2常用的信号处理技术

o 2.1从一维信号处理扩展来的技术和概念

o 2.2专用于二维（或更高维）的技术和概念

* 3典型问题

* 4应用

* 5相关相近领域

* 6参见

[编辑]解决方案

几十年前，图像处理大多数由光学设备在模拟模式下进行。由于这些光学方法本身所具有的并行特性，至今他们仍然在很多应用领域占有核心地位，例如全息摄影。但是由于计算机速度的大幅度提高，这些技术正在迅速的被数字图像处理方法所替代。

从通常意义上讲，数字图像处理技术更加普适、可靠和准确。比起模拟方法，它们也更容易实现。专用的硬件被用于数字图像处理，例如，基于流水线的计算机体系结构在这方面取得了巨大的商业成功。今天，硬件解决方案被广泛的用于视频处理系统，但商业化的图像处理任务基本上仍以软件形式实现，运行在通用个人电脑上。

[编辑]常用的信号处理技术

大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸，它们中的一部分在二维情形下变得十分复杂。同时图像处理也具有自身一些新的概念，例如，连通性、旋转不变性，等等。这些概念仅对二维或更高维的情况下才有非平凡的意义。

图像处理中常用到快速傅立叶变换，因为它可以减小数据处理量和处理时间。

[编辑]从一维信号处理扩展来的技术和概念

*分辨率(Image resolution|Resolution)

*动态范围(Dynamic range)

*带宽(Bandwidth)

*滤波器设计(Filter(signal processing)|Filtering)

*微分算子(Differential operators)

*边缘检测(Edge detection)

* Domain modulation

*降噪(Noise reduction)

[编辑]专用于二维（或更高维）的技术和概念

*连通性(Connectedness|Connectivity)

*旋转不变性(Rotational invariance)

[编辑]典型问题

*几何变换（geometric transformations）：包括放大、缩小、旋转等。

*颜色处理（color）：颜色空间的转化、亮度以及对比度的调节、颜色修正等。

*图像合成（image composite）：多个图像的加、减、组合、拼接。

*降噪（image denoising）：研究各种针对二维图像的去噪滤波器或者信号处理技术。

*边缘检测（edge detection）：进行边缘或者其他局部特征提取。

*分割（image segmentation）：依据不同标准，把二维图像分割成不同区域。

*图像制作（image editing）：和计算机图形学有一定交叉。

*图像配准（image registration）：比较或集成不同条件下获取的图像。

*图像增强（image enhancement）：

*图像数字水印（image watermarking）：研究图像域的数据隐藏、加密、或认证。

*图像压缩（image compression）：研究图像压缩。

[编辑]应用

*摄影及印刷(Photography and printing)

*卫星图像处理(Satellite image processing)

*医学图像处理(Medical image processing)

*面孔识别,特征识别(Face detection, feature detection, face identification)

*显微图像处理(Microscope image processing)

*汽车障碍识别(Car barrier detection)

[编辑]相关相近领域

*分类（Classification）

*特征提取（Feature extraction）

*模式识别（Pattern recognition）

*投影（Projection）

*多尺度信号分析（Multi-scale signal analysis）

*离散余弦变换（The Discrete Cosine Transform）

一、验证码的基本知识

1.验证码的主要目的是强制人机交互来抵御机器自动化攻击的。

2.大部分的验证码设计者并不得要领，不了解图像处理，机器视觉，模式识别，人工智能

的基本概念。

3.利用验证码，可以发财，当然要犯罪：比如招商银行密码只有6位，验证码形同虚设，计

算机很快就能破解一个有钱的账户，很多帐户是可以网上交易的。

4.也有设计的比较好的，比如Yahoo,Google,Microsoft等。而国内Tencent的中文验证

码虽然难，但算不上好。

二、人工智能，模式识别，机器视觉，图像处理的基本知识

1)主要流程：

比如我们要从一副图片中，识别出验证码；比如我们要从一副图片中，检测并识别出一张

人脸。大概有哪些步骤呢？

1.图像采集：验证码呢，就直接通过HTTP抓HTML，然后分析出图片的url，然后下载保存就

可以了。如果是人脸检测识别，一般要通过视屏采集设备，采集回来，通过A/D转操作，存为

数字图片或者视频频。

2.预处理：检测是正确的图像格式，转换到合适的格式，压缩，剪切出ROI，去除噪音，灰度

化，转换色彩空间这些。

3.检测：车牌检测识别系统要先找到车牌的大概位置，人脸检测系统要找出图片中所有

的人脸（包括疑似人脸）；验证码识别呢，主要是找出文字所在的主要区域。

4.前处理：人脸检测和识别，会对人脸在识别前作一些校正，比如面内面外的旋转，扭曲

等。我这里的验证码识别，“一般”要做文字的切割

5.训练：通过各种模式识别，机器学习算法，来挑选和训练合适数量的训练集。不是训练

的样本越多越好。过学习，泛化能力差的问题可能在这里出现。这一步不是必须的，有些识

别算法是不需要训练的。

6.识别：输入待识别的处理后的图片，转换成分类器需要的输入格式，然后通过输出的类

和置信度，来判断大概可能是哪个字母。识别本质上就是分类。

2)关键概念：

图像处理：一般指针对数字图像的某种数学处理。比如投影，钝化，锐化，细化，边缘检测，

二值化，压缩，各种数据变换等等。

1.二值化：一般图片都是彩色的，按照逼真程度，可能很多级别。为了降低计算复杂度，

方便后续的处理，如果在不损失关键信息的情况下，能将图片处理成黑白两种颜色，那就最好

不过了。

2.细化：找出图像的骨架，图像线条可能是很宽的，通过细化将宽度将为1，某些地方可能

大于1。不同的细化算法，可能有不同的差异，比如是否更靠近线条中间，比如是否保持联通

行等。

3.边缘检测：主要是理解边缘的概念。边缘实际上是图像中图像像素属性变化剧烈的地

方。可能通过一个固定的门限值来判断，也可能是自适应的。门限可能是图像全局的，也可

能是局部的。不能说那个就一定好，不过大部分时候，自适应的局部的门限可能要好点。被

分析的，可能是颜色，也可能是灰度图像的灰度。

机器视觉：利用计算机来模式实现人的视觉。比如物体检测，定位，识别。按照对图像

理解的层次的差别，分高阶和低阶的理解。

模式识别：对事物或者现象的某种表示方式（数值，文字，我们这里主要想说的是数值），

通过一些处理和分析，来描述，归类，理解，解释这些事物，现象及其某种抽象。

人工智能：这种概念比较宽，上面这些都属于人工智能这个大的方向。简单点不要过分

学院派的理解就是，把人类的很“智能”的东西给模拟出来协助生物的人来处理问题，特别是

在计算机里面。

关于数字图像处理的基本算法及要解决的主要问题和数字图像骨架检测算法的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。