图画处理(以及机器视觉)在校园里是一个很大的研讨方向，许多研讨生、博士生都在导师的带领下从事着这方面的研讨。别的，就作业而言，也的确有许多这方面的岗位和时机虚位以待。并且这种形式也越来越凸显。那么图画处理究竟都研讨哪些问题，今日咱们就来谈一谈。图画处理的论题其实十分十分广，外延很深远，新的论题还在不断涌现。下面给出的12个大的方向，系我以为能够看成是基础性领域的部分，并且它们之间还互有穿插
1、图画的灰度调理
图画的灰度直方图、线性改换、非线性改换(包含对数改换、幂次改换、指数改换等)、灰度拉伸、灰度均衡、直方图规则化等等)。
例如，直方图规则化
CLAHE(contrast limited adaptive histogram equalization)自适应的直方图均衡
2、图画的几许改换
图画的平移、图画的镜像、转置、缩放和旋转。这里边其实还包含了插值算法(这是某些几许改换所有必要的)，例如最附近插值法、双线性插值法等等)
几许改换一起和图画的滤镜特效是紧密联系的，某些特效的完成本质上便是某种类型的几许改换。例如
3、图画的特效与滤镜
这方面的使用许多，你能够想想Photoshop里边的滤镜。
文献Combining Sketch and Tone for Pencil Drawing Production中给出的将天然图画变成手绘素描图的作用
例如浮雕作用
4、图画增强
内容包含图画的滑润(简略均匀、中值滤波、高斯滑润等)和锐化(例如Laplace办法)等。
增强处理中的许多算法其实和图画恢复中的降噪算法是重合的。现在坚持边际(或纹路结构)的滑润算法归于研讨热门。像那些美颜相机里的嫩肤算法都是以此为基础的。比较常见的双方滤波
根据全变分办法的TV去噪、根据PM方程的非线性扩散去噪等等。
5、图画恢复
广义上来说——图画降噪，图画去雾，图画去含糊 都归于这个领域
去噪实例是我用MagicHouse完成的中值滤波处理椒盐噪声的作用。此外，一些根据非部分均值的降噪算法是当时研讨的热门(例如BM3D、NLM等)
图画去含糊
6、图画的紧缩与编码
想想BMP图画怎么转换成JPG，JPG怎么变成PNG?这些都归于图画紧缩编码所要评论的内容。
7、边际检测与概括盯梢
边际检测在图画处理中是一个“陈旧”的论题了，我就不详细给比方了。下面是一个概括盯梢的比方
8、图画切割
你能够以为概括盯梢也是完成图画切割的一种途径。
这是我在《数字图画处理原理与实践(Matlab版)》中给出的一个比方——用分水岭算法对马铃薯图画进行切割。
9、图画的形态学处理
这也归于一种十分陈旧的图画处理方式了。包含胀大、腐蚀、细化、击中/击不中、开/闭运算等。但一些对颗粒状物体进行计数的使用中它依然十分有用。
10、图画的频域改换(或称正交改换)
傅立叶、离散余弦、沃尔什-哈达玛改换、K-L(卡洛南-洛伊)改换(也称霍特林改换或PCA)、小波改换(小波改换还分许多种，例如Haar小波、Daubechies小波等等)
只是进行频域改换其实并没有多大含义，它往往要与详细使用相结合来发挥作用。例如进行图画紧缩、嵌入数字水印、进行图画交融、进行图画降噪等等。
例如，使用PCA进行图画紧缩的比方
在比方，使用小波交融对由聚集失利导致的图画含糊进行修正 (本来左图和中图各有部分看不清，交融后变得能够辨识)源代码可见
11、图画交融
广义上说交融至少包含三部分内容：像上面的根据小波的Fusion咱们也知道是交融的一种，别的一种是以躲藏为意图相似嵌入式的交融，第三种是matting。matting有时反义成抠图，其实它最本来的意思便是交融。假如你了解
I = aF +(1-a)B这个交融公式的话，你应该理解我在所什么。这本质上和第二种交融原理是相同的。
狭义上，交融便是指matting。
例如 闻名的Possion交融，下图右，假如直接把月亮图贴上天空，矩形边际是很明显的，交融处理后的左图则很天然。
电影技能中常用matting办法来替换人物的场景。例如
12、图画信息安全
首要包含两个内容：1)数字水印(首要用于多媒体的版权维护);2)图画的加密(首要用于图画信息的维护)
比方是我用MagicHouse完成的加密作用
留意上面咱们所评论的领域只是是图画处理的领域，并不触及机器视觉。所以也没有任何机器学习的内容，有时间咱们再持续评论这方面的东西。
