数字图像处理技术概述与发展趋势

数字图像处理到底能干什么？简单归纳一下，主要有这几件事：让图像变得更清楚、从中提取出有用的特征、把图像数据压缩小一点，或者让那些本来看不见的信息“现出原形”。当然，也少不了一些信息安全方面的应用，比如给图片打上数字水印。

具体来说，提高图像的视觉质量是基础中的基础。图像难免会有模糊、变形、受噪声干扰的时候，通过增强、复原、几何变换、代数运算、滤波这些方法，可以把图像的清晰度拉回来一些，让人眼看着舒服些。

再进一步，提取图像中的特征，这个就更偏向“图像分析”了。边缘在哪里？目标对象怎么切分开？纹理是什么样的？这些处理往往是模式识别和计算机视觉的前置工序。说白了，就是让机器先“看懂”图像。

还有一个非常现实的问题——数据量太大了。不管是存还是传，不压缩根本扛不住。统计编码、预测编码、正交变换编码……这些东西就是用来解决存储和传输压力的。

信息的可视化也挺有意思。像温度场、流速场、甚至生物体内的组织结构，本来肉眼是看不到的。但一旦转成视觉形式，人就很容易快速理解这些数据背后的规律。科学可视化、人机交互、数据挖掘、图形学这些领域都能在这里碰面。

最后说说信息安全。数字水印和图像信息隐藏专门解决版权保护的问题。利用数字媒体本身存在的冗余性和随机性，把水印信息藏进图像里，保护版权。

回到土木工程的具体应用，华南理工大学土木视觉实验室的工作重点落在了“提取特征”和“信息可视化”这两个方向上。特征提取用来识别结构的响应信息，进而做状态识别；可视化则用来辅助检测、教学、科研。具体的内容后面再慢慢分享。

数字图像处理的特点

数字图像处理跟模拟方式比起来，有几个很鲜明的特征。

处理精度高。模拟图像一旦数字化，像素数量可以从几十到几百万甚至上千万，灰度级也能从1位到16位甚至更高。而且无论数据量多大，处理的逻辑大差不差。不过得说一下，这个高精度优势在土木工程现阶段并不突出。现有的测量仪器精度已经够用了，反倒是基于图像识别的位移测量，容易受距离、光线等因素影响，精度并不理想。

重现性能好。理论上讲，数字图像在存储和传输过程中质量不会退化。只要数字化时采得够细、量化得够准，处理时又保持足够的精度，图像就能还原得很好。

灵活性高。这一点是模拟处理没法比的。软件功能强大、扩展性好，只要能编程实现的智能方法，都可以拿来用——线性非线性处理随便挑。

图像信息量大。举个例子，一张1024×1024的真彩色图像，不压缩的话数据量就有3MB。分辨率再高一些，比如3240×2340的遥感图像，4bit量化也占了3.8MB。传输一路PCM彩色电视，数据速率108Mbit/s，每秒就是13.5MB。大数据量对计算速度、网络带宽、存储容量都是挑战。但更值得关注的是，图像信息本身具有高冗余性、同步性、高相关性、鲁棒性等特性——这才是土木工程用图像处理的关键。

占用的频带较宽。视频信号的带宽本来就比音频宽得多，数字化后采样定理一处理，频带更宽了。这就给成像、传输、存储、处理、显示各个环节增加了难度，成本也蹭蹭往上涨。所以频带压缩技术也是必须重视的问题。

处理费时。图像数据量太大，处理起来自然费时。尤其区域处理方法，处理结果跟中心像素的邻域有关，更花时间。要想实时处理，多处理器、并行处理器、嵌入式系统这些专用方案是绕不开的。

数字图像处理的主要研究内容

图像信息的获取和存储。先通过光学系统成像，再由电子器件转成模拟信号，最后模数转换得到数字图像，这就叫“采集”。数据量太大，存储主要靠磁带、磁盘、光盘。解决海量存储问题的关键，还是数据压缩、图像格式、数据库技术这些东西。

图像频域变换。空间域里的频率、纹理等特征很难直接处理，计算量也大。离散傅里叶变换、离散余弦变换、小波变换这些方法，就是用来把图像从空间域转到变换域再处理。比如通过DFT拿到频谱，再在频率域做数字滤波，就能改善质量、压缩数据，或者突出特征。

图1 图像离散傅里叶变换

图像几何变换。平移、旋转、放大、缩小、镜像这些操作，主要是为了改变图像大小或形状，或者把两张图对齐。像是印章真伪识别、商标检测，经常用到这招。桶形畸变校正也是它的应用场景。

图2 图像桶形畸变校正

图像增强。重点是把感兴趣的信息凸显出来，把不想要的压下去。强化高频分量，轮廓就清晰；强化低频分量，噪声就被平滑掉了。直方图修正、伪彩色增强、图像平滑、锐化，都是常用方法。

图3 图像去噪

图像复原。它跟增强不一样，目标是去掉干扰和模糊，还原图像本来的样子。比如噪声、运动模糊、几何失真，如果对退化过程有一定了解，就能建立数学模型，再用滤波方法把图像恢复出来。

图4 图像复原

图像压缩编码。数据量大，冗余多，相关性高，这些都是可以压缩的空间。改变数据表示方式，或者利用人类视觉特性，就能减掉不少数据量。

图5 图像压缩编码

图像分割。图像里通常有背景和一个或多个目标。分割就是按一定规则把图像分成若干区域，每个区域代表一个对象。边缘、区域这些有意义的特征，就能被提取出来。

图6 图像分割

图像重建。目标是拿二维平面图像数据“叠”出三维物体图像。最典型的例子就是CT成像，把多幅断层二维数据重建乘人体组织结构的三维图像。这也是虚拟现实和科学可视化的重要基础。

图像隐藏。把一幅图像或者别的数字媒体信息藏到另一幅图像里。保密通信里，就能在不增加数据量的前提下，把机密图像藏进公开图像里，还得做到看不见、抗干扰。数字水印就是它的重要应用之一。

数字图像处理系统

图像处理技术的好处是“不接触、快速、直观、准确”，但受环境影响，图像质量往往不够理想，需要通过几何校正、恢复、增强来还原本来面目。一个典型的数字图像处理系统，包括三个部分：

（1）图像数字化设备：扫描仪、数码相机、摄像机与图像采集卡等。

（2）图像处理计算机：PC、工作站等，负责通信、存储、运算。算法用软件实现。

（3）图像输出设备：显示器、打印机等。

图7 数字图像处理系统示意图

数字图像处理的发展趋势

数字图像处理从20世纪60年代初起步，经历了初创期、发展期、普及期，现在已经是交叉学科，进入实用阶段。近些年，科学可视化、多媒体技术的兴起，让它从一个专门领域的学科，变成了科研和人机界面的通用工具。趋势大概有这么几个方向：

从低分辨率向高分辨率。传感器精度提升、计算机更快、存储更大，图像分辨率越来越高，运算量也跟着涨，对设备的要求也越来越高。

从2D向3D。全息摄影或断层扫描加重建，就能搞出三维图像来。这会在浸入感上带来质的提升。

从静止图像向动态图像。以前主要处理静止图像，现在硬件性能上来了，动静图像并存的局面越来越明显，互相促进。

从单态图像向多态图像。对同一个目标，用不同传感器或不同条件成像，再综合处理。这种多模态的方式，应用前景非常广。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：数字图像处理技术概述与发展趋势要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题