图像处理核心内容

 

一、图像变换

傅里叶变换，余弦变换，沃尔什--哈达玛变换，奇异值分解，KL变换。

二、图像增强

对比度增强，直方图修正，平滑，锐化，同态增晰，几何校正，伪彩色假彩色，图像间的算术运算。

三、图像恢复

降质模型，频域中的恢复方法，约束和无约束的最小二乘估计，线性或非线性的均方估计，最大熵恢复，图像恢复的代数方法，运动模糊恢复，盲恢复。

四、图像分割

根据灰度分割，边界检测的基本方法，拟合曲面求导法，高斯平滑滤波求导法，统计判决法，分裂--合并算法，跟踪技术，模糊数学方法，模型化和统计检验法，松驰标记法，匹配检测技术，活动轮廓模型法，基于模式识别检测法，基于视觉特性检测法。

五、图像分析与描述

灰度幅值与统计特征描述，边界点集组织与曲线描述，闭合曲线的傅氏描述，区域和曲线角点提取，区域拓扑特性，区域的矩描述，区域主轴，区域等效椭圆，区域几何特性，区域四分树方法，区域中轴，区域扩展与收缩，区域曲线表示，区域纹理特性，图像的关系描述。

六、图像数据压缩

轮廓编码压缩，行程编码压缩，预测误差编码压缩，正交变换编码压缩，自适应编码压缩，混合编码压缩，

子带编码技术，人工神经网络技术，分形几何理论压缩，小波理论压缩。

七、图像重建

图像投影重建基本原理，离散图像的傅氏变换重建法，卷积逆投影法，扇形投影的滤波逆投影法，代数重建法。

关于目标的三维形状感知，运动分析，空间定位等理论和方法是机器视觉涉及的主要内容。

八、图像复原、图例合成、图像存储和传输、图像获取、目标检测、图像表示与描述、图像配准、图像分类与识别、图像理解、场景分析和理解、图像数据库的建立索引检索以及综合利用

九、图像复原

噪声干扰和模糊。可用逆滤波、维纳滤波、最小约束二乘方滤波、同态滤波方法去除。

十、图像编码

冗余编码、变换编码、小波变换编码、神经网络编码、模型基编码。

十一、图像分析

边缘检测、区域分割、特征抽取。

十二、图像识别

统计、句法（结构）、模糊识别法。