图象处理技术就是利用计算机、摄像机及其他数字处理技术对图像施加某种运算和处理，以提取图像中的各种信息，从而达到某种特定目的的技术。

图象处理技术就是利用计算机、摄像机及其他数字处理技术对图像施加某种运算和处理，以提取图像中的各种信息，从而达到某种特定目的的技术。

图像处理技术具有再现性好、精度高、适用面宽等特点。其广泛应用在工业自动化、文字及图纸的读取、医疗、交通及遥感图像处理等领域。随着计算机技术、数字技术的不断发展及图像处理设备成本的不断降低，图像处理技术在工程领域的应用将越来越普及。

点运算是最简单的一类图像处理变换。图像中的每个像素的输出值只取决于其输入值。

一般的图像处理算子是指一个或多个输入图像到一个输出图像的函数。在连续域中，可表示为：

或

其中，x属于函数的D维定义域（对于普通图像，D=2），函数f和g在某个值域上操作，该值域既可以是标量，也可以是向量。

虽然彩色图像可以当作任意的向量值函数或者多个独立通道的汇集来处理，但是，将其看作是与图像的形成过程、传感器设计和人的感知强相关联的高度相关信号会更加有意义。

对图像的每个彩色通道加同一个值，不但增加了每个像素的亮度，还影响了像素的色度和饱和度。

色彩平衡可以通过对每个通道乘以不同的尺度因子来实现，也可采用更加复杂的过程，即将RGB映射到XYZ彩色空间上，改变标称白色点，再重新映射到RGB空间。

在很多图像编辑和视觉效果的应用中，经常会从一个场景中裁剪出前景物体，然后将其置于另一个背景之上。从原始图像中抽出物体的过程常称为“抠图”，而将物体插入另一幅图像中的过程称为“合成”。

如果一副图像的像素占有很多的灰度级而且分布均匀，那么这样的图像往往有高对比度和多变的灰度色调。直方图均衡化就是一种能仅靠输入图像直方图信息自动达到这种效果的变换函数。它的基本思想是对图像中像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度进行压缩，从而扩展像原取值的动态范围，提高了对比度和灰度色调的变化，使图像更加清晰。

寻找一个映射函数f(I)，经过映射后图像的直方图是平坦的。

线性滤波器的原始数据与滤波结果是一种算术运算，即用加减乘除等运算实现，如均值滤波器（模板内像素灰度值的平均值）、高斯滤波器（高斯加权平均值）等。由于线性滤波器是算术运算，有固定的模板，因此滤波器的转移函数是可以确定并且是唯一的。

非线性滤波器的原始数据与滤波结果是一种逻辑关系，即用逻辑运算实现，如最大值滤波器、最小值滤波器、中值滤波器、形态学算子等，是通过比较一定邻域内的灰度值大小来实现的，没有固定的模板，因而也就没有特定的转移函数（因为没有模板作傅里叶变换），另外，膨胀和腐蚀也是通过最大值、最小值滤波器实现的。

图像几何变换是指用数学建模的方法来描述图像位置、大小、形状等变化的方法。在实际场景拍摄到的一幅图像，如果画面过大或过小，都需要进行缩小或放大。如果拍摄时景物与摄像头不成相互平行关系的时候，会发生一些几何畸变，例如会把一个正方形拍摄成一个梯形等。这就需要进行一定的畸变校正。在进行目标物的匹配时，需要对图像进行旋转、平移等处理。在进行三维景物显示时，需要进行三维到二维平面的投影建模。因此，图像几何变换是图像处理及分析的基础。

正则化

正则化理论首先由统计学家提出，试图用模型来拟合严重欠约束解空间的数据。

一个问题如果其解存在、唯一并且连续的依赖于数据，就称该问题是适定的(well-posed)，否则称为不适定的(ill-posed)。不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题，大条件数意味着舍入误差或其它误差会严重地影响问题的结果。

一个不适定问题通常是病态的，并且不论是简单地还是复杂地改变问题本身的形式都不会显著地改善病态问题。另一方面，病态问题不一定是不适定的，因为通过改变问题的形式往往可以改善病态问题。

在严格的数学意义上，我们通常不可能对不适定问题进行求解并得到准确解答。

然而通过使用先验知识，我们通常有希望能够得到一个接近准确解答的答案。

求解不适定问题的普遍方法是:

用一族与原不适定问题相“邻近”的适定问题的解去逼近原问题的解,这种方法称为正则化方法。

马尔科夫随机场

马尔科夫模型是一种无向概率图模型，其与马尔科夫链并不是很一样。马尔科夫链的节点是状态，边是转移概率，是template CPD的一种有向状态转移表达。而马尔科夫模型是与贝叶斯模型并列的一种概率图模型。其作用是描述互相影响，互相作用，不存在因果关系的两个随机变量之间的关系。因为作用是相互的，所有马尔科夫模型的边是无向的，或者可以说是双向的。马尔科夫模型的强大之处在于它解除了贝叶斯模型中的因果关系，这也就使得它可以对很多平等的东西建立相互关系。比如一幅图片的各个像素就是平等的，但是各个像素之间可以相互影响。所有马尔科夫模型被广泛的应用于图像处理。

在工业检测中的应用

图像处理技术,在生产和装配流水线上的工件自动识别中应用广泛。工件的自动识别是通过对摄像机所提供的零件试图及相关信息进行处理,判别流水线上的当前位置零件的品种、状态及方位来实现的。识别结果经过计算机传输给执行机构,如机器手或者机器人采用相应的动作,从而实现生产、装配和质量检测过程的自动化。

在农产品分选中的应用

随着工厂化农业的快速发展，利用机器视觉技术对作物生长状况进行监测,实现科学浇灌和施肥，也是一种重要应用。如水果，根据颜色、形状、大小等特征参数；禽蛋,根据色泽、重量、形状、大小等外部特征；烟叶，根据其颜色、形状、纹理、面积等进行综合分级。

在医学中的应用

在医学领域普遍采用的是医学图像分割技术。图像分割是指将一幅图像分解为若干互不交迭区域的集合，是图像处理与机器视觉的基本问题之一。医学图像分割是图像分割的一个重要应用领域，也是一个经典难题。

在交通系统中的应用

在道路交通自动控制中普遍使用的“电子眼”设备就是一种图像处理应用的典型例子。该设备采用摄像检测系统,即通过低度摄像机拍摄路口车辆,采用图像处理与分析的方法判断当红灯有效时是否有车辆通过,若检测到有时,冻结该通过车辆画面,并将其保存到JPEG有损压缩存储格式文件上。