㈠ 用MATLAB做數字圖像處理
數字圖像的獲取
景物(模擬) -->成像系統(采樣與量化) -->數字圖像(計算機處理)
采樣：對x y 坐標值離散化
量化：對幅度值(灰度級) 離散化
2
數字圖像在MATLAB里的表示
空間解析度：例如，800x600的圖像，就是指橫向800個像素、縱向600個像素(MxN像素)
灰度解析度：指像素的數值f(x,y)的級數。若用8個比特來存儲某圖像的每個像素，則這個圖像的灰度級為28，即灰度解析度為256
實例：讀取灰度圖像HSQ.jpg，查看不同位置的像素值
END
數字圖像的數據類型
1
圖像的常用數據類型
- uint8(1比特每像素)：像素取值范圍[0,255]
- uint16(2比特每像素)：像素取值范圍[0,65535]
- double(8比特每像素)：像素取值范圍[0,1]
常用數據類型之間的轉換
- im2uint8
- im2uint16
- im2double
END
數字圖像的類型
MATLAB圖像處理工具箱，支持以下四種圖像
灰度圖像
RGB圖像
索引圖像
二值圖像
使用 MATLAB 自定義一副簡單的灰度圖像
RGB圖像：讀取彩色圖像YW.jpg，查看該圖像的數據矩陣
紅色(Red) 綠色(Green) 藍色(Blue) 稱為三原色光，通過這三種顏色(RGB) 相互之間的疊加，可得到各種各樣的顏色
RGB 圖像的數據矩陣為三維矩陣(M x N x 3)，該矩陣有「三頁」
三維矩陣的「三頁」，分別表示Red分量，Green 分量，Blue 分量的強度
使用 MATLAB 自定義一副簡單的RGB 圖像
索引圖像：讀取索引圖像ESX.tif，查看該圖像的數據矩陣
索引圖像，由兩個矩陣描述
索引矩陣：X
RGB 色彩矩陣(調色板)：MAP
使用 MATLAB 自定義一副簡單的索引圖像
二值圖像：讀取二值圖像(黑白圖像) YM.bmp，查看該圖像的數據矩陣
二值圖像矩陣數值類型：logical (0/1)
像素值非0 (黑色) 即1 (白色)
黑白圖像，只有黑白兩種顏色
對二值圖像進行取反操作，查看「黑白顛倒」的效果
MATLAB 里數字圖像類型的轉換
㈡ 圖像處理演算法有哪些
多了：圖像分割、增強、濾波、形態學，等等，推薦看數字圖像處理那本厚書
㈢ 什麼是數字圖像的頻率域濾波演算法，有哪些主要的演算法，謝謝
就是把數字圖像利用傅立葉變換，小波等數學方法，轉化為頻域進行處理，再把處理後的數據反變換成圖像數據。最基本的應用演算法如高通濾波，低通濾波，維納濾波，相位相關等等。不過用頻域處理都比較耗時，對實時性要求比較高的系統幾乎都不用頻域處理。
㈣ 數字圖像處理的基本概念
(一)數字圖像
數字圖像,又稱數字化圖像,是一種以二維數組(矩陣)形式表示的圖像。該數組由對連續變化的空間圖像作等間距抽樣所產生的抽樣點——像元(像素)組成,抽樣點的間距取決於圖像的解析度或服從有關的抽樣定律抽樣點(像元)的量值,通常為抽樣區間內連續變化之量物的均值化量值,一般稱作亮度值或灰度值,它們的最大、最小值區間代表該數字圖像的動態范圍。數字圖像的物理含義取決於抽樣對象的性質。對於遙感數字圖像,就是相應成像區域內地物電磁輻射強度的二維分布。
在數字圖像中,像元是最基本的構成單元。每一個像元的位置可由行、列(x,y)坐標確定;亮度值(z)通常以0(黑)到255(白)為取值范圍。因此,任何一幅數字圖像都可以通過X、Y、Z的三維坐標系表示出。例如,陸地衛星的MSS圖像(圖4-8),便可看作x=2340(行),y=3240(列),z=0-255的三維坐標系。TM、HRV等亦然,只是行、列數不同而已。
圖4-8 陸地衛星MSS數字圖像的構成原理
數字圖像可以有各種不同的來源:大多數衛星遙感,如MSS、TM、HRV、AVERR等等,地面景像的遙感信息都直接記錄在數字磁帶上,有關的接收系統(遙感衛星地面站、氣象衛星接收站等)均可提供相應的計算機兼容數字磁帶(CCT)及其記錄格式。應用人員只要按記錄格式將CCT數據輸入計算機圖像處理系統,即可獲得數字圖像,並進行各種圖像處理;對於膠片影像,則可通過透射密度計、飛點掃描器、鼓形掃描器及攝像掃描器等,將影像密度轉換為數值,進而形成數字圖像;對於非遙感的地學圖件,如地形圖、地質圖、航磁圖、重力圖、化探元素異常圖等等,也可通過數字化儀,轉換為數字圖像。同一地區不同來源的數字圖像都可精確配准,並作復合處理。
與光學圖像相比,數字圖像量化等級高(256級)、失真度小、不同圖像的配准精度高、傳輸及儲存方便,尤為重要的是可由計算機進行各種靈活、可靠、有效的處理,使遙感圖像獲得更好的判讀、分析等應用效果。
(二)數字圖像處理
數字圖像以不同亮度值像元的行、列矩陣組織數據,其最基本的特點就是像元的空間坐標和亮度取值都被離散化了,即只能取有限的、確定的值。所以,離散和有限是數字圖像最基本的數學特徵。所謂數字圖像處理,就是依據數字圖像的這一數字特徵,構造各種數字模型和相應的演算法,由計算機進行運算(矩陣變換)處理,進而獲得更加有利於實際應用的輸出圖像及有關數據和資料。故數字圖像處理通常也稱為計算機增強處理。
數字圖像處理在演算法上基本可歸為兩類:一類為點處理,即施行圖像變換運算時只輸入圖像空間上一個像元點的值,逐點處理,直到所有點都處理完畢,如反差增強、比值增強等;另一類為鄰域處理,即為了產生一個新像元的輸出,需要輸入與該像元相鄰的若干個像元的數值。這類演算法一般用作空間特徵的處理,如各種濾波處理。點處理和鄰域處理有各自不同的適應面,在設計演算法時,需針對不同的處理對象和處理目標加以選擇。
遙感數字圖像處理,數據量一般很大,往往要同時針對一組數字圖像(多波段、多時相等)作多種處理,因此,需要依據遙感圖像所具有的波譜特徵、空間特徵和時間特性,按照不同的對象和要求構造各種不同的數學模型,設計出不同的演算法,不僅處理方法非常豐富,而且形成了自身的特色,已發展為一門專門的技術。根據處理目的和功能的不同,目前遙感數字圖像處理主要包括以下四方面的內容。
1.圖像恢復處理:旨在改正或補償成像過程中的輻射失真、幾何畸變、各種雜訊以及高頻信息的損失等。屬預處理范疇,一般包括輻射校正、幾何校正、數字放大、數字鑲嵌等。
2.圖像增強處理:對經過恢復處理的數據通過某種數學變換,擴大影像間的灰度差異,以突出目標信息或改善圖像的視覺效果,提高可解譯性。主要包括有反差增強、彩色增強、運算增強、濾波增強、變換增強等方法。
3.圖像復合處理:對同一地區各種不同來源的數字圖像按統一的地理坐標作空間配准疊合,以進行不同信息源之間的對比或綜合分析。通常也稱多元信息復合,既包括遙感與遙感信息的復合,也包括遙感與非遙感地學信息的復合。
4.圖像分類處理:對多重遙感數據,根據其像元在多維波譜空間的特徵(亮度值向量),按一定的統計決策標准,由計算機劃分和識別出不同的波譜集群類型,據以實現地質體的自動識別分類。有監督和非監督兩種分類方法。
遙感數字圖像處理的過程和各部分內容的關系如圖4-9。本節將從遙感地質應用的角度簡要介紹其中幾種常用的處理方法,有一些方法(如復合處理)將在有關的應用章節討論。
數字圖像處理既可在專用的圖像處理系統上進行,也可自編程序在通用計算機或微機上進行;處理結果既可列印成數符圖(圖4-10),也可以在彩色顯示器上作彩色顯示;既可以輸出單波段的黑白圖像,也可以輸出多波段合成或各種運算處理結果的彩色圖像(參見圖版③);既可以內拍或掃描到膠片上成像,也可以外攝翻拍成像;既可以直接形成成果圖件,給出各種統計數據,也可以再記錄到CCT上轉存……。總之,十分靈活、方便,比光學圖像處理有更強的適應性,越來越得到廣泛的應用。
圖4-9 遙感圖像數字處理基本流程
(三)數字圖像處理系統
遙感數字圖像處理不僅數據量大,而且數據傳輸頻繁,專業性強,因此,一般都要在專門的處理設備上進行。用以進行數字圖像處理的專門計算機設備及其功能軟體即稱之為數字圖像處理系統,通通由硬體系統和軟體系統兩大部分組成。
其中,硬體系統,按目前國內外的發展趨勢可分為大型的專用機系統(如目前國內使用的I2S公司的S600系統)和微機圖像處理系統兩類。一般情況下,它們都包括以下一些基本的部件(圖4-11):
1.主機:進行各種運算、預處理、統計分析和協調各種外圍設備運轉的控制中心,是最基本的設備。一般為速度快、內存大的計算機,如VAX-11、VAX-3600等。隨著微機的內存日漸擴大、運算速度越來越快,已可以用微機取代,如PC386、PC486及各種工作站等。
圖4-10 杭州三潭印月TM5波段數符圖
圖4-11 數字圖像處理系統基本結構示意圖
2.磁帶機和磁碟機:連結數字磁帶(CCT)和主機的數據傳輸裝置,既可以輸入CCT數據,也可以將中間處理和最終處理的結果再轉存記錄到CCT上;對於微機系統,圖像數據的傳輸一般用軟磁碟,但對大數據量的衛星CCT則需用具微機介面的磁帶機(如F880);
3.圖像處理機:數字圖像處理專用的核心設備,既具體承擔各種圖像處理功能,如圖像復原、幾何校正、增強和分類等各種變換處理等等,也是主機和各種輸出輸入設備的紐帶。就前者而言,它實際上是各種圖像處理軟體的硬體化。目前國內使用較多的M75圖像處理機即是,它可以快速處理顯示512×512或1024×1024的圖像;對於微機系統,則可以用圖像處理板(MVP-AT板)代替。
4.輸出設備:用作處理結果的監視分析(彩色監視器或彩顯)及記錄、成圖(包括寬行列印機、彩色噴墨列印機、繪圖儀、膠片記錄掃描儀等等)。
對於功能齊全的系統,除上述外,通常還包括有膠片影像的攝像或掃描數字化儀、圖形數字化儀等輸入設備。
軟體系統系指與硬體系統配套的用於圖像處理及操作實施的各種軟體。一般包括系統軟體和應用軟體兩部分。前者又包括操作系統和編譯系統,主要用於輸入指令、參數及與計算機「對話」;後者則是以某種語言編制的應用軟體,存於硬體系統的應用程序庫中,用戶可按研究任務採用對話方式或菜單方式,發出相應的指令使用這些程序,由主機作運算處理,獲得所需的結果。不同專業往往設計有各自的應用軟體系統,故國際上已涌現出各種各樣的軟體系統,如JPL的VICAR系統、LARSYS系統等等;目前微機上則普遍採用C語言編程,也已開發了一系列的微機圖像處理的應用軟體。
㈤ （急）數字圖像處理主要包含哪八個方面的內容
主要內容有：圖像增強、圖像編碼、圖像復原、圖像分割、圖像分類、圖像重建、圖像信息的輸出和顯示。
圖像增強用於改善圖像視覺質量；圖像復原是盡可能地恢復圖像本來面目；圖像編碼是在保證圖像質量的前提下壓縮數據，使圖像便於存儲和傳輸；圖像分割就是把圖像按其灰度或集合特性分割成區域的過程。
圖像分類是在將圖像經過某些預處理（壓縮、增強和復原）後，再將圖像中有用物體的特徵進行分割，特徵提取，進而進行分類；圖像重建是指從數據到圖像的。處理，即輸入的是某種數據，而經過處理後得到的結果是圖像。
(5)數字圖像處理基本演算法擴展閱讀
發展概況
數字圖像處理最早出現於20世紀50年代，當時的電子計算機已經發展到一定水平，人們開始利用計算機來處理圖形和圖像信息。數字圖像處理作為一門學科大約形成於20世紀60年代初期。
早期的圖像處理的目的是改善圖像的質量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，輸入的是質量低的圖像，輸出的是改善質量後的圖像，常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。首次獲得實際成功應用的是美國噴氣推進實驗室（JPL）。
他們對航天探測器徘徊者7號在1964年發回的幾千張月球照片使用了圖像處理技術，如幾何校正、灰度變換、去除雜訊等方法進行處理，並考慮了太陽位置和月球環境的影響，由計算機成功地繪制出月球表面地圖，獲得了巨大的成功。
隨後又對探測飛船發回的近十萬張照片進行更為復雜的圖像處理，以致獲得了月球的地形圖、彩色圖及全景鑲嵌圖，獲得了非凡的成果，為人類登月創舉奠定了堅實的基礎，也推動了數字圖像處理這門學科的誕生。
在以後的宇航空間技術，如對火星、土星等星球的探測研究中，數字圖像處理技術都發揮了巨大的作用。數字圖像處理取得的另一個巨大成就是在醫學上獲得的成果。
㈥ 數字圖像處理的基本演算法及要解決的主要問題
圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術。圖像處理是信號處理在圖像域上的一個應用。目前大多數的圖像是以數字形式存儲，因而圖像處理很多情況下指數字圖像處理。此外，基於光學理論的處理方法依然佔有重要的地位。
圖像處理是信號處理的子類，另外與計算機科學、人工智慧等領域也有密切的關系。
傳統的一維信號處理的方法和概念很多仍然可以直接應用在圖像處理上，比如降噪、量化等。然而，圖像屬於二維信號，和一維信號相比，它有自己特殊的一面，處理的方式和角度也有所不同。
目錄
[隱藏]
* 1 解決方案
* 2 常用的信號處理技術
o 2.1 從一維信號處理擴展來的技術和概念
o 2.2 專用於二維（或更高維）的技術和概念
* 3 典型問題
* 4 應用
* 5 相關相近領域
* 6 參見
[編輯] 解決方案
幾十年前，圖像處理大多數由光學設備在模擬模式下進行。由於這些光學方法本身所具有的並行特性，至今他們仍然在很多應用領域佔有核心地位，例如 全息攝影。但是由於計算機速度的大幅度提高，這些技術正在迅速的被數字圖像處理方法所替代。
從通常意義上講，數字圖像處理技術更加普適、可靠和准確。比起模擬方法，它們也更容易實現。專用的硬體被用於數字圖像處理，例如，基於流水線的計算機體系結構在這方面取得了巨大的商業成功。今天，硬體解決方案被廣泛的用於視頻處理系統，但商業化的圖像處理任務基本上仍以軟體形式實現，運行在通用個人電腦上。
[編輯] 常用的信號處理技術
大多數用於一維信號處理的概念都有其在二維圖像信號領域的延伸，它們中的一部分在二維情形下變得十分復雜。同時圖像處理也具有自身一些新的概念，例如，連通性、旋轉不變性，等等。這些概念僅對二維或更高維的情況下才有非平凡的意義。
圖像處理中常用到快速傅立葉變換，因為它可以減小數據處理量和處理時間。
[編輯] 從一維信號處理擴展來的技術和概念
* 解析度(Image resolution|Resolution)
* 動態范圍(Dynamic range)
* 帶寬(Bandwidth)
* 濾波器設計(Filter (signal processing)|Filtering)
* 微分運算元(Differential operators)
* 邊緣檢測(Edge detection)
* Domain molation
* 降噪(Noise rection)
[編輯] 專用於二維（或更高維）的技術和概念
* 連通性(Connectedness|Connectivity)
* 旋轉不變性(Rotational invariance)
[編輯] 典型問題
* 幾何變換（geometric transformations）：包括放大、縮小、旋轉等。
* 顏色處理（color）：顏色空間的轉化、亮度以及對比度的調節、顏色修正等。
* 圖像合成（image composite）：多個圖像的加、減、組合、拼接。
* 降噪（image denoising）：研究各種針對二維圖像的去噪濾波器或者信號處理技術。
* 邊緣檢測（edge detection）：進行邊緣或者其他局部特徵提取。
* 分割（image segmentation）：依據不同標准，把二維圖像分割成不同區域。
* 圖像製作（image editing）：和計算機圖形學有一定交叉。
* 圖像配准（image registration）：比較或集成不同條件下獲取的圖像。
* 圖像增強（image enhancement）：
* 圖像數字水印（image watermarking）：研究圖像域的數據隱藏、加密、或認證。
* 圖像壓縮（image compression）：研究圖像壓縮。
[編輯] 應用
* 攝影及印刷 (Photography and printing)
* 衛星圖像處理 (Satellite image processing)
* 醫學圖像處理 (Medical image processing)
* 面孔識別, 特徵識別 (Face detection, feature detection, face identification)
* 顯微圖像處理 (Microscope image processing)
* 汽車障礙識別 (Car barrier detection)
[編輯] 相關相近領域
* 分類（Classification）
* 特徵提取（Feature extraction）
* 模式識別（Pattern recognition）
* 投影（Projection）
* 多尺度信號分析（Multi-scale signal analysis）
* 離散餘弦變換（The Discrete Cosine Transform）
㈦ 簡述如何獲得和處理數字圖像，所需的主要設備和操作步驟有哪些
數字圖像處理主要就是一些演算法，如果你已經入門VC的話，就可以做一些簡單的圖像處理演算法。推薦看一本圖像書《數字圖像處理基礎》朱虹著，將的很通俗易懂
（1）目前，數字圖像處理的信息大多是二維信息，處理信息量很大。如一幅256×256低解析度黑白圖像，要求約64kbit的數據量；對高解析度彩色512×512圖像，則要求768kbit數據量；如果要處理30幀/秒的電視圖像序列，則每秒要求500kbit～22.5Mbit數據量。因此對計算機的計算速度、存儲容量等要求較高。
（2）數字圖像處理佔用的頻帶較寬。與語言信息相比，佔用的頻帶要大幾個數量級。如電視圖像的帶寬約5.6MHz，而語音帶寬僅為4kHz左右。所以在成像、傳輸、存儲、處理、顯示等各個環節的實現上，技術難度較大，成本亦高，這就對頻帶壓縮技術提出了更高的要求。
（3）數字圖像中各個像素是不獨立的，其相關性大。在圖像畫面上，經常有很多像素有相同或接近的灰度。就電視畫面而言，同一行中相鄰兩個像素或相鄰兩行間的像素，其相關系數可達0.9以上，而相鄰兩幀之間的相關性比幀內相關性一般說還要大些。因此，圖像處理中信息壓縮的潛力很大。
（4）由於圖像是三維景物的二維投影，一幅圖象本身不具備復現三維景物的全部幾何信息的能力，很顯然三維景物背後部分信息在二維圖像畫面上是反映不出來的。因此，要分析和理解三維景物必須作合適的假定或附加新的測量，例如雙目圖像或多視點圖像。在理解三維景物時需要知識導引，這也是人工智慧中正在致力解決的知識工程問題。
（5）數字圖像處理後的圖像一般是給人觀察和評價的，因此受人的因素影響較大。由於人的視覺系統很復雜，受環境條件、視覺性能、人的情緒愛好以及知識狀況影響很大，作為圖像質量的評價還有待進一步深入的研究。另一方面，計算機視覺是模仿人的視覺，人的感知機理必然影響著計算機視覺的研究。例如，什麼是感知的初始基元，基元是如何組成的，局部與全局感知的關系，優先敏感的結構、屬性和時間特徵等，這些都是心理學和神經心理學正在著力研究的課題。
數字圖像處理的優點
1. 再現性好數字圖像處理與模擬圖像處理的根本不同在於，它不會因圖像的存儲、傳輸或復制等一系列變換操作而導致圖像質量的退化。只要圖像在數字化時准確地表現了原稿，則數字圖像處理過程始終能保持圖像的再現。
2．處理精度高按目前的技術，幾乎可將一幅模擬圖像數字化為任意大小的二維數組，這主要取決於圖像數字化設備的能力。現代掃描儀可以把每個像素的灰度等級量化為16位甚至更高，這意味著圖像的數字化精度可以達到滿足任一應用需求。對計算機而言，不論數組大小，也不論每個像素的位數多少，其處理程序幾乎是一樣的。換言之，從原理上講不論圖像的精度有多高，處理總是能實現的，只要在處理時改變程序中的數組參數就可以了。回想一下圖像的模擬處理，為了要把處理精度提高一個數量級，就要大幅度地改進處理裝置，這在經濟上是極不合算的。
3．適用面寬圖像可以來自多種信息源，它們可以是可見光圖像，也可以是不可見的波譜圖像（例如X射線圖像、射線圖像、超聲波圖像或紅外圖像等）。從圖像反映的客觀實體尺度看，可以小到電子顯微鏡圖像，大到航空照片、遙感圖像甚至天文望遠鏡圖像。這些來自不同信息源的圖像只要被變換為數字編碼形式後，均是用二維數組表示的灰度圖像（彩色圖像也是由灰度圖像組合成的，例如RGB圖像由紅、綠、藍三個灰度圖像組合而成）組合而成，因而均可用計算機來處理。即只要針對不同的圖像信息源，採取相應的圖像信息採集措施，圖像的數字處理方法適用於任何一種圖像。
4．靈活性高圖像處理大體上可分為圖像的像質改善、圖像分析和圖像重建三大部分，每一部分均包含豐富的內容。由於圖像的光學處理從原理上講只能進行線性運算，這極大地限制了光學圖像處理能實現的目標。而數字圖像處理不僅能完成線性運算，而且能實現非線性處理，即凡是可以用數學公式或邏輯關系來表達的一切運算均可用數字圖像處理實現。
數字音頻的優點
無線由廣播正在進入數字時代,其特點是從播音室至接收機傳送的各種業務都是在數字領域里進行的.數字音頻廣播(DAB)是根據尤里卡-147計劃提出的,後來由歐洲電信標准協會(ETSI)進行了標准化,旨在傳送高質量的數字音頻無線電業務給廣大聽眾.在英國,英國廣播公司(BBC)目前正在率先建立DAB全國傳輸網路,T大眾提供各種數字無線電廣播業務,並挖掘DAB的潛力,推出現有AM/FM無線電系統無法提供的各種新型節目和業務種類
㈧ 數字圖像處理的主要方法
數字圖像處理的工具可分為三大類：
第一類包括各種正交變換和圖像濾波等方法，其共同點是將圖像變換到其它域（如頻域）中進行處理（如濾波）後，再變換到原來的空間（域）中。
第二類方法是直接在空間域中處理圖像，它包括各種統計方法、微分方法及其它數學方法。
第三類是數學形態學運算，它不同於常用的頻域和空域的方法，是建立在積分幾何和隨機集合論的基礎上的運算。
由於被處理圖像的數據量非常大且許多運算在本質上是並行的，所以圖像並行處理結構和圖像並行處理演算法也是圖像處理中的主要研究方向。
(8)數字圖像處理基本演算法擴展閱讀
1、數字圖像處理包括內容：
圖像數字化；圖像變換；圖像增強；圖像恢復；圖像壓縮編碼；圖像分割；圖像分析與描述；圖像的識別分類。
2、數字圖像處理系統包括部分：
輸入（採集）；存儲；輸出（顯示）；通信；圖像處理與分析。
3、應用
圖像是人類獲取和交換信息的主要來源，因 此，圖像處理的應用領域必然涉及到人類生活和工作的方方面面。隨著人類活動范圍的不斷擴大，圖像處理的應用領域也將隨之不斷擴大。
主要應用於航天和航空、生物醫學工程、通信 工程、工業和工程、軍事公安、文化藝術、機器人視覺、視頻和多媒體系統、科學可視化、電子商務等方面。
㈨ 圖像變換的目的是什麼，常用的圖像變換演算法有哪些
圖像變換的目的為了有效和快速地對圖像進行處理和分析，需要將原定義在圖像空間的圖像以某種形式轉換到另外的空間，利用空間的特有性質方便地進行一定的加工，最後再轉換回圖像空間以得到所需的效果。
圖像變換是對圖像處理演算法的總結，它可以分為四個部分：空域變換等維度演算法，空域變換變維度演算法，值域變換等維度演算法和值域變換變維度演算法。
其中空域變換主要指圖像在幾何上的變換，而值域變換主要指圖像在像素值上的變換。等維度變換是在相同的維度空間中，而變維度變換是在不同的維度空間中，例如二維到三維，灰度空間到彩色空間。
(9)數字圖像處理基本演算法擴展閱讀：
相關延伸：圖像簡介
21世紀是一個充滿信息的時代，圖像作為人類感知世界的視覺基礎，是人類獲取信息、表達信息和傳遞信息的重要手段。數字圖像處理，即用計算機對圖像進行處理，其發展歷史並不長。數字圖像處理技術源於20世紀20年代，當時通過海底電纜從英國倫敦到美國紐約傳輸了一幅照片，採用了數字壓縮技術。
首先數字圖像處理技術可以幫助人們更客觀、准確地認識世界，人的視覺系統可以幫助人類從外界獲取3/4以上的信息，而圖像、圖形又是所有視覺信息的載體，盡管人眼的鑒別力很高；
可以識別上千種顏色，但很多情況下，圖像對於人眼來說是模糊的甚至是不可見的，通過圖象增強技術，可以使模糊甚至不可見的圖像變得清晰明亮。
在計算機中，按照顏色和灰度的多少可以將圖像分為二值圖像、灰度圖像、索引圖像和真彩色RGB圖像四種基本類型。大多數圖像處理軟體都支持這四種類型的圖像。
中國物聯網校企聯盟認為圖像處理將會是物聯網產業發展的重要支柱之一，它的具體應用是指紋識別技術。
