图像恢复常用的三种算法

1. 在图像处理中有哪些算法

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。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，可减少计算量，获得更有效的处理。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，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。

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。

5、图像描述：

图像描述是图像识别和理解的必要前提。

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。

6、图像分类：

图像分类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模式分类。

(1)图像恢复常用的三种算法扩展阅读：

图像处理主要应用在摄影及印刷、卫星图像处理、医学图像处理、面孔识别、特征识别、显微图像处理和汽车障碍识别等。

数字图像处理技术源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。

数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取3/4以上的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识别上千种颜色，

但很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图象增强技术，可以使模糊甚至不可见的图像变得清晰明亮。

2. 图像复原

就是要尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理。

典型的图像复原是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，使图像质量得到改善。

图像复原和图像增强的区别：图像增强不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果。因此，图像增强可以不顾增强后的图像是否失真，只要看得舒服就行。而图像复原就完全不同，需知道图像退化的机制和过程等先验知识，据此找出一种相应的逆处理方法，从而得到复原的图像。如果图像已退化，应先作复原处理，再作增强处理。二者的目的都是为了改善图像的质量。

资料： 图像恢复的目的是设法改进图像的质量，以提高视觉观察或进一步数字处理的效果。从这个意义上看，图像恢复与图像增强的目的相同。差别是图像恢复后的图像可看成是原始图像逆退化过程的结果。因此，图像恢复有时候称作客观图像增强。恢复技术可以是整体的也可以是局部的，它们可以在某个频域或空间域中实现。例如消除一个具有已知频率的干扰模式，最好在频域中进行，其步骤为：傅立叶变换，滤波，傅立叶逆变换。去除几何变形一般是在空间域内完成。

3. 图像恢复处理

图像恢复处理的目的是为进一步作增强或分类处理提供高质量的可供使用的图像数据,故也称预处理。有关地面接收站在向用户提供CCT磁带之前一般都作了例行(粗制)的恢复处理。遥感地质应用人员为了获得满足专业要求的处理效果和精度,有时还需要做以下几种恢复处理,使之成为“精制”的CCT数据:

(一)大气校正

粗制CCT产品一般只对由遥感器本身引起的系统(辐射)误差作了校正,尚保留着主要由大气散射效应带来的辐射失真。校正处理时通常仅考虑瑞利散射的影响,以MSS为例,它在4、5波段较大,6波段次之,7波段最小(图4-12),故在实际处理中最简单的办法是先从MSS₇上找出0值像元(阴影),然后将其它各波段的数值减去各自对应于MSS₇0值像元的亮度值数即可。但一般是分波段统计地物目标的亮度,分别与MSS₇作二维对比图(图4-13(a));或者将各波段的直方图与MSS₇直方图对比(图4-13(b)),相对于MSS7出现的偏移值a可视为大气散射的影响。经验表明,MSS₄的订正值在9-13,MSS₅为5-9,而MSS₆为1-5,MSS₇为0-3。

图4-12 大气散射对MSS各波段的影响

图4-13 MSS数字图像上确定大气校正值a的方法

大气校正会增加图像的对比度,消除雾霾感(短波波段尤甚),在做比值增强、彩色合成等处理时,事先做这种校正更为必要。

(二)几何校正

系指消除遥感图像在其形成过程中产生的各种几何位置失真(畸变)的图像处理过程。在粗制CCT产品中通常已对由遥感器本身和地球自转造成的系统几何畸变作了例行校正处理(习称粗纠正),因此,遥感地质人员需要做的,主要是对CCT中残存的非系统(随机)畸变的纠正(习称精纠正)。

数字图像几何精纠正的实质是逐像元地将其图像坐标按一定的精度要求变换到地形图的地理坐标系中,然后再按恰当的抽样方法对像元重新作亮度赋值。进行图像与地形图的坐标变换,首先要选定一批在二者中都容易识别的同名点作控制。以控制点所提供的两组坐标数据,采用回归方法就可以建立两个坐标系之间的转换函数,确定转换系数矩阵。目前最常用的是二元N阶多项式,一般表达式为:

遥感地质学

其中,v、u是遥感图像中的像元坐标,x、y是配准到地形图后输出新图像中的像元坐标,N为阶数,N值越大,说明几何歪曲越复杂。a和b为转换系数,其值由选用的控制点坐标通过回归方法确定,一般用最小二乘法通过地面控制点数据进行曲面拟合求得。

输出新图像的像元尺寸不一定与原图像一致,故处理时应预先提供原图像坐标原点(左上角)的经纬度,以及新像元的尺寸。新像元的亮度值通过重采样获得,常用的方法有最近邻点法、双向线性内插法、三次褶积法等。其中,最近邻点法计算简单,但误差较大;三次褶积精度高,但运算量大;双向线性内插法居中,具体可视工作要求选定。

几何精纠正直接以地形图(地理坐标)为参照,综合校正所有因素造成的几何畸变,能显着改善数字图像的几何精度,不仅对后续的解译制图和几何量算是非常必要的,而且它也是不同图像的配准和多元信息复合的基础。因此,提高纠正处理本身的精度就显得很重要了。关键是选准几何控制点,要尽量挑选那些位置确准、与周围差异显着、且范围窄小的影像,最好是孤立的像元。如河流的干、支流交汇点、拐流点、独立的小水体、特征明显的地形点、坡折点等等。由于水在近红外反射极低,数字图像上亮度几乎为零,易于确定,所以应多利用近红外波段的图像(MSS₇、TM₄、TM₅、TM₇等)来选控制点。控制点的数目要适中、在图像上分布要均匀,位置精度一般应小于0.5个像元。

此外,诸如TM之类粗制数字磁带,本身几何精度尚较高,如已能满足研究的精度要求,也可以采用整体旋转坐标轴,使图像方位指向正北的办法作几何校正。

(三)数字镶嵌和数字放大

数字镶嵌是指将相邻且互有重叠的两幅或数幅CCT数据,拼接生成一个在几何形态上和色调分布上协调一致,统一为一个整体的新图像(数据)文件的处理过程。通常涉及两项关键技术:一是相邻图像的几何配准,一般通过先在两幅图像的重叠区选取同名点像元作几何控制点,然后以其中一幅为准,对另一幅作类似于上述几何精纠正来实现;另一是相邻图像之间的色调和反差调整,一般采取先对两幅图像的重叠区作均值、方差或直方图匹配,而后根据求出的匹配系数,以一幅为准,调整另一幅图像的反差,使二者色调均衡。经依次几何配准和反差调整后,裁去重叠区其中一幅的重复像元,并对各接边作适当平滑调整,按统一的数据文件形式输出,即成。

数字镶嵌可以较好地克服常规卫片镶嵌图往往呈现为色调不一的棋格块状,以致严重干扰判读解译的缺陷,对于宏观地质分析(油气盆地、区域构造带)或研究区跨越不同图像是非常必要的。为了取得满意的镶嵌效果,相邻图幅的CCT数据,时相应尽可能接近;允许镶嵌多少图幅,很大程度上取决于主机的容量和图像种类(数据量),有时为了制作大范围的数字镶嵌图,可能要采取间隔采样或信息压缩技术来减少数据量。

彩色图版④是塔里木地区57幅TM的数字镶嵌图像,已看不出是多幅图像镶嵌而成。

数字放大实际是数字图像的采样点内插加密,即逐行逐列地在原图像的相邻像元中间等量插入新像元,并按一定的插值原理(最常用的是双线性内插法)对其作亮度赋值。通过插值,该图像的采样点密度成倍增加。如图4-14所示,行、列各内插一个像元,使原为4个像元(黑点)的图像变成了4×4=16个像元的新图像。此时,由于新图像对应于地面的大小并未改变,只是像元密度增加了一倍,于是像元的地面分辨力提高了一倍(原来一个像元被分成④个),从而起到了图像“放大”的作用。

数字放大主要用于制作大比例尺的卫星像片。如TM图像经数字放大处理后制成1:5万(常规一般为1:10万)的卫片仍有较高的影像清晰度。但需强调的是,其作用仅仅是改善像质,实际上并未增加信息。

以上从遥感地质应用的角度介绍了几种图像恢复处理。最后,还需说明一点,在作这些处理之前,要事先检查得到的CCT磁带数据是否有扫描线脱落等坏带现象,如有,则需先作去条带处理(一般也是通过上、下行线性插值等方法进行)。不然,将影响后续处理结果。

图4-14 数字放大示意图

4. 图像处理的常用方法有哪几个

1、图像变换：

由于图像阵列比较大，如果直接在空间域中进行图像处理，这样涉及的计算量会比较大。因此，我们一般采用各种图像变换的方法，如沃尔什变换、傅立叶变换、离散余弦变换等一些间接处理技术，将空间域的处理转变为变换域处理，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)。

2、图像编码压缩：

图像编码压缩技术能够减少描述图像的数据量，从而可以节省图像传输、处理时间和减少所占用的存储器容量。图像编码压缩能够在不失真的基础上获得，同时也可以在允许的失真条件下开始。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。

关于图像处理的常用方法，青藤小编就和您分享到这里了。如果您对图片处理、网站设计等有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于平面设计的技巧及素材等内容，可以点击本站的其他文章进行学习。

5. 图像修复的原理是什么

图像修复是指对受到损坏的图像进行修复重建或者去除图像中的多余物体。图像修复者需要采取最恰当的方法恢复图像的原始状态，同时保证图像达到最理想的艺术效果。
常用的方法: 偏微分方程的方法：Bertalmio采用偏微分方程（PDE）的方法进行图像修复，取得了较好的效果。用户需指定需要修复的区域，算法将待修补的区域边界的等值线外部的信息沿轮廓法向扩散到中间待修补的象素上。该算法利用局部颜色的光滑度沿着等值线扩散，考虑了各向异性的扩散，以保证边缘处的边界连续，但该方法计算不稳定。 整体变分方法和基于曲率的扩散模型：整体变分方法(TV，TotalVariational)采用了欧拉－拉格朗日方程和各向异性的扩散，基于曲率的扩散模型(CDD，Curvature-DrivenDiffusion)方法是整体变分方的一种扩展，在扩散过程中考虑了轮廓的几何信息（曲率），可以处理较大的区域，但边界处往往很模糊。 高斯卷积核对图像进行滤波的方法：利用了高斯卷积核对图像进行滤波，能快速地修复破损区域，但该算法仅考虑了破损区域边缘一周的图像颜色值，使得其仅适用于破损区域为2-3个象素宽度的情形。 纹理合成的方法：纹理合成的方法，能较好地去除图像中的大块污斑，但由于算法运行时间不是与掩模区域成正比，而是与图像大小成正比，因此修复时间相对较长。

6. 数字图像处理的主要方法

数字图像处理的工具可分为三大类：

第一类包括各种正交变换和图像滤波等方法，其共同点是将图像变换到其它域（如频域）中进行处理（如滤波）后，再变换到原来的空间（域）中。

第二类方法是直接在空间域中处理图像，它包括各种统计方法、微分方法及其它数学方法。

第三类是数学形态学运算，它不同于常用的频域和空域的方法，是建立在积分几何和随机集合论的基础上的运算。

由于被处理图像的数据量非常大且许多运算在本质上是并行的，所以图像并行处理结构和图像并行处理算法也是图像处理中的主要研究方向。

(6)图像恢复常用的三种算法扩展阅读

1、数字图像处理包括内容：

图像数字化；图像变换；图像增强；图像恢复；图像压缩编码；图像分割；图像分析与描述；图像的识别分类。

2、数字图像处理系统包括部分：

输入（采集）；存储；输出（显示）；通信；图像处理与分析。

3、应用

图像是人类获取和交换信息的主要来源，因 此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。

主要应用于航天和航空、生物医学工程、通信 工程、工业和工程、军事公安、文化艺术、机器人视觉、视频和多媒体系统、科学可视化、电子商务等方面。

7. 模糊图像复原方法

图像复原-模糊图像处理解决方案
机器视觉智能检测 2017-06-16
造成图像模糊的原因有很多，且不同原因导致的模糊图像需要不同的方法来进行处理。从技术方面来讲，模糊图像处理方法主要分为三大类，分别是图像增强、图像复原和超分辨率重构。本文将从这三方面切入剖析。

智能化设备管理技术是利用系统管理平台软件的设备管理服务，对所有的监控设备包括摄像机、云台、编码器和系统服务器进行不间断的实时监测，当发现故障时能及时通过各种方式告警，提示维护人员及时处置。一个系统可以按照网络拓扑结构部署多台设备管理服务器，分区域对设备进行实时的巡检，这样可以大大提高系统的维护效率，尽可能做到在设备发生故障时，在不超过10分钟的时间内被监测到并告警。

建设目标

本方案拟应用先进的机器学习和计算机视觉技术，仿真人类的视觉系统，针对某市公共安全图像资源前端摄像头出现的雪花、滚屏、模糊、偏色、画面冻结、增益失衡和云台失控等常见摄像头故障以及恶意遮挡和破坏监控设备的不法行为做出准确判断，并自动记录所有的检测结果，生成报表。以便用户轻松维护市公共安全图像资源系统。

技术路线

将视频故障分成视频信号缺失、视频清晰度异常、视频亮度异常、视频噪声、视频雪花、视频偏色、画面冻结、PTZ运动失控八种类型。其中视频信号缺失、随着“平安城市”的广泛建设，各大城市已经建有大量的视频监控系统，虽然监控系统己经广泛地存在于银行、商场、车站和交通路口等公共场所，但是在公安工作中，由于设备或者其他条件的限制，案情发生后的图像回放都存在图像不清晰，数据不完整的问题，无法为案件的及时侦破提供有效线索。经常出现嫌疑人面部特征不清晰、难以辨认、嫌疑车辆车牌模糊无法辨认等问题，这给公安部门破案、法院的取证都带来了极大的麻烦。随着平安城市的推广、各地各类监控系统建设的进一步推进，此类问题将会越来越凸显。

模糊图像产生的原因

造成图像模糊的原因很多，聚焦不准、光学系统的像差、成像过程中的相对运动、大气湍流效应、低光照、环境随机噪声等都会导致图像模糊。另外图像的编解码、传输过程都可能导致图像的进一步模糊。总体来说，造成图像模糊的主要原因如下：

· 镜头聚焦不当、摄像机故障等;

· 传输太远、视频线老化、环境电磁干扰等;

· 摄像机护罩视窗或镜头受脏污、受遮挡等;

· 大雾、沙尘、雨雪等恶劣环境影响;

· 由视频压缩算法和传输带宽原因导致的模糊;

· 摄像机分辨率低，欠采样成像;

· 光学镜头的极限分辨率和摄像机不匹配导致的模糊;

· 运动目标处于高速运动状态导致的运动模糊等;

……

模糊图像常用解决方案

对于模糊图像处理技术，国内大学和科研机构在多年以前就在研究这些理论和应用，相关文献也发布了不少，已经取得了一些很好的应用。美国 Cognitech软件是相当成熟的一套模糊图像恢复应用软件，在美国FBI及其他执法机构中已有多年实际应用，其恢复出的图像可以直接当作法庭证据使用，可见模糊图像处理技术已经取得了相当的实际应用。

前面提到，造成图像模糊的原因有很多，要取得比较好的处理效果，不同原因导致的模糊往往需要不同的处理方法。从技术方面来讲，模糊图像处理方法主要分为三大类，分别是图像增强、图像复原和超分辨率重构。

图像增强

很多传统图像算法都可以减轻图像的模糊程度，比如图像滤波、几何变换、对比度拉伸、直方图均衡、空间域锐化、亮度均匀化、形态学、颜色处理等。就单个来讲，这些算法都比较成熟，相对简单。但是对于一个具体的模糊图像，往往需要上面的一种或者多种算法组合，配合不同的参数才能达到理想的效果。这些算法和参数的组合进一步发展成为具体的增强算法，比如“图像去雾”算法、“图像去噪”算法、“图像锐化”算法、“图像暗细节增强”算法等等。这些算法都不同程度提高了图像清晰度，很大程度改善了图像质量。

综合使用形态学、图像滤波和颜色处理等算法可以实现图像去雾的算法，图1是一个去雾算法的实际使用效果，类似的图像增强算法还有很多，不再一一列举。图像复原

图像复原与图像增强技术一样，也是一种改善图像质量的技术。图像复原是根据图像退化的先验知识建立一个退化模型，然后以此模型为基础，采用各种逆退化处理方法逐步进行恢复，从而达到改善图像质量的目的。

图像复原和图像增强是有区别的，两者的目的都是为了改善图像的质量。但图像增强不考虑图像是如何退化的，只有通过试探各种技术来增强图像的视觉效果，而图像复原就完全不同，需要知道图像退化过程的先验知识，据此找出一种相应的逆过程方法，从而得到复原的清晰图像。图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度。

对由于离焦、运动、大气湍流等原因引起的图像模糊，图像复原的方法效果较好，常用的算法包括维纳滤波算法、小波算法、基于训练的方法等。图3是使用维纳滤波解决运动模糊图像的例子，取得了很好的复原效果。在知道退化模型的情况下，相对图像增强来说，图像复原可以取得更好的效果。图像超分辨率重构

现有的监控系统主要目标为宏观场景的监视，一个摄像机，覆盖一个很大的范围，导致画面中目标太小，人眼很难直接辨认。这类由于欠采样导致的模糊占很大比例，对于由欠采样导致的模糊需要使用超分辨率重构的方法。

超分辨率复原是通过信号处理的方法，在提高图像的分辨率的同时改善采集图像质量。其核心思想是通过对成像系统截止频率之外的信号高频成分估计来提高图像的分辨率。超分辨率复原技术最初只对单幅图像进行处理，这种方法由于可利用的信息只有单幅图像，图像复原效果有着固有的局限。序列图像的超分辨率复原技术旨在采用信号处理方法通过对序列低分辨率退化图像的处理来获得一幅或者多幅高分辨率复原图像。由于序列图像复原可利用帧间的额外信息，比单幅复原效果更好，是当前的研究热点。

序列图像的超分辨率复原主要分为频域法和空域法两大类，频域方法的优点是：理论简单，运算复杂度低，缺点是：只局限于全局平移运动和线性空间不变降质模型，包含空域先验知识的能力有限。空域方法所采用的观测模型涉及全局和局部运动、空间可变模糊点扩散函数、非理想亚采样等，而且具有很强的包含空域先验约束的能力。常用的空域法有非均匀插值法、迭代反投影方法（IBP）、凸集投影法（POCS）、最大后验估计法（MAP）、最大似然估计法 （ML）、滤波器法等，其中，MAP和POCS二方法研究较多，发展空间很大。对于具体的算法，不是本文的重点，这里不做详细介绍。图五是一个使用多帧低分辨率图像超分辨率重构的例子。

模糊图像处理技术的关键和不足

虽然很多模糊图像的处理方法在实际应用中取得了很好的效果，但是当前仍然有一些因素制约着模糊图像处理的进一步发展，主要如下。

算法的高度针对性

绝大部分的模糊图像处理算法只适用于特定图像，而算法本身无法智能决定某个算法模块的开启还是关闭。举例来说，对于有雾的图像，“去雾算法”可以取得很好的处理效果，但是作用于正常图像，反而导致图像效果下降，“去雾算法”模块的打开或者关闭需要人工介入。

算法参数复杂性

模糊图像处理里面所有的算法都会包含大量的参数，这些参数的选择需要和实际的图像表现相结合，直接决定最终的处理效果。就目前的算法，还没有办法智能地选择哪些是最优的参数。

算法流程的经验性

由于实际图像非常复杂，需要处理多种情况，这就需要一个算法处理流程，对于一个具体的模糊视频，采用什么样的处理流程很难做到自动选择，需要人工选择一个合适的方法，只能靠人的经验。

结语

由于环境、线路、镜头、摄像机等影响，监控系统建成并运营一段时间后，都会出现一部分的视频模糊不清的问题。

总体来说，虽然模糊图像处理算法已经取得了非常广泛的应用，但是图像算法毕竟有局限性，不能将所有问题都寄希望于图像算法，对于不同种类的模糊问题，要区别对待。对于由镜头离焦、灰尘遮挡、线路老化、摄像机故障等造成的模糊或者图像质量下降，在视频诊断系统的帮助下，一定要及时维修，从源头上解决问题。对于低光照等优先选择日夜两用型高感光度摄像机，对于雨雾、运动和欠采样等造成的图像质量下降，可以借助于“视频增强服务器”包含的各种模糊图像处理算法来提升图像质量。喜欢此内容的人还喜欢
17个教师常用网站推荐给你，再也不用到处找资源了
17个教师常用网站推荐给你，再也不用到处找资源了 ...
高校教师服务工作室
不喜欢
不看的原因
确定
内容质量低 不看此公众号
什么是水磨石？被设计师玩出新高度
什么是水磨石？被设计师玩出新高度 ...
联盟设计库
不喜欢
不看的原因
确定
内容质量低 不看此公众号

8. 图像处理的增强复原

图像增强的目标是改进图片的质量，例如增加对比度，去掉模糊和噪声，修正几何畸变等；图像复原是在假定已知模糊或噪声的模型时，试图估计原图像的一种技术。
图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
早期的数字图像复原亦来自频率域的概念。现代采取的是一种代数的方法，即通过解一个大的方程组来复原理想的图片。
以提高图像质量为目的的图像增强和复原对于一些难以得到的图片或者在拍摄条件十分恶劣情况下得到的图片都有广泛的应用。例如从太空中拍摄到的地球或其他星球的照片，用电子显微镜或X光拍摄的生物医疗图片等。
图像增强使图像清晰或将其转换为更适合人或机器分析的形式。与图像复原不同，图像增强并不要求忠实地反映原始图像。相反，含有某种失真（例如突出轮廓线）的图像可能比无失真的原始图像更为清晰。常用的图像增强方法有：①灰度等级直方图处理：使加工后的图像在某一灰度范围内有更好的对比度；②干扰抑制：通过低通滤波、多图像平均、施行某类空间域算子等处理，抑制叠加在图像上的随机性干扰；③边缘锐化：通过高通滤波、差分运算或某种变换，使图形的轮廓线增强；④伪彩色处理：将黑白图像转换为彩色图像，从而使人们易于分析和检测图像包含的信息。
图像复原除去或减少在获得图像过程中因各种原因产生的退化。这类原因可能是光学系统的像差或离焦、摄像系统与被摄物之间的相对运动、电子或光学系统的噪声和介于摄像系统与被摄像物间的大气湍流等。图像复原常用二种方法。当不知道图像本身的性质时，可以建立退化源的数学模型，然后施行复原算法除去或减少退化源的影响。当有了关于图像本身的先验知识时，可以建立原始图像的模型，然后在观测到的退化图像中通过检测原始图像而复原图像。
图像分割将图像划分为一些互不重叠的区域，每一区域是像素的一个连续集。通常采用把像素分入特定区域的区域法和寻求区域之间边界的境界法。区域法根据被分割对象与背景的对比度进行阈值运算，将对象从背景中分割出来。有时用固定的阈值不能得到满意的分割，可根据局部的对比度调整阈值，这称为自适应阈值。境界法利用各种边缘检测技术，即根据图像边缘处具有很大的梯度值进行检测。这两种方法都可以利用图像的纹理特性实现图像分割。

9. 图像复原的方法有哪些

图像复原的方法有哪些
图像恢复是从退化图像（通常是一个模糊和噪声图像）中恢复图像的过程。图像恢复是图像处理中的一个基本问题，它也为更一般的反问题提供了一个实验平台。在这里，我们必须要解决的关键问题是恢复图像的质量评价、算法计算的效率和点扩展函数(PSF)模型的参数估计。

目前，常见图像复原的方法一可以分为确定性图像复原方法和随机图像复原方法两大类。确定性图像复原方法主要有正则化图像复原方法和基于偏微分方程的图像复原方法。对于图像复原中的正则化方法，早期主要使用截断奇异值分解和Tikhonov正则化方法，截断奇异值分解方法主要用来消除复原问题中的病态性，其并没引入任何原始图像的先验信息，而Tikhonov正则化方法则是将原始图像是“平滑的”这一先验信。

10. 图像处理的算法有哪些

图像处理基本算法操作从处理对象的多少可以有如下划分：
一）点运算：处理点单元信息的运算
二）群运算：处理群单元 （若干个相邻点的集合）的运算
1.二值化操作
图像二值化是图像处理中十分常见且重要的操作，它是将灰度图像转换为二值图像或灰度图像的过程。二值化操作有很多种，例如一般二值化、翻转二值化、截断二值化、置零二值化、置零翻转二值化。
2.直方图处理
直方图是图像处理中另一重要处理过程，它反映图像中不同像素值的统计信息。从这句话我们可以了解到直方图信息仅反映灰度统计信息，与像素具体位置没有关系。这一重要特性在许多识别类算法中直方图处理起到关键作用。
3.模板卷积运算
模板运算是图像处理中使用频率相当高的一种运算，很多操作可以归结为模板运算，例如平滑处理，滤波处理以及边缘特征提取处理等。这里需要说明的是模板运算所使用的模板通常说来就是NXN的矩阵（N一般为奇数如3,5,7,...），如果这个矩阵是对称矩阵那么这个模板也称为卷积模板，如果不对称则是一般的运算模板。我们通常使用的模板一般都是卷积模板。如边缘提取中的Sobel算子模板。