图像处理与分析
图像处理与分析在像素和局部结构层面转换和解释数字图像，是构建更高级计算机视觉的基础。
用 PaperMind 寻找选题即将推出Find papers & topics
Tools & resources
Learn & explore
视频即将推出
Definition
图像处理与分析是研究以图像为输入以生成增强图像或提取描述的操作，包括滤波、特征检测、边缘查找和分割。
Scope
该领域涵盖空间域和频域滤波、降噪和图像增强、角点和关键点等特征的检测和描述、边缘和轮廓的定位，以及通过分割将图像划分为有意义的区域。
Sub-topics
Core questions
- 图像如何进行平滑、锐化或去噪？
- 哪些局部图像结构足够稳定和独特以进行匹配？
- 如何定位物体边界和边缘？
- 图像如何被分割成连贯的区域？
Key concepts
- 卷积与滤波
- 频域分析
- 图像特征与关键点
- 边缘与轮廓检测
- 尺度空间
- 分割
Key theories
- 线性滤波与卷积
- 许多图像操作是与核的卷积，这种操作可以在频域中进行分析，它在线性系统理论下统一了平滑、锐化和边缘检测。
- 尺度空间与局部特征
- 在连续的尺度上分析图像可以揭示不同大小的结构，并产生对尺度和视角变化稳定的关键点，从而实现图像间的鲁棒匹配。
Clinical relevance
图像处理与分析是医学成像、遥感和卫星分析、工业检测、摄影和计算成像的基础，并作为识别和3D重建系统的前端预处理。
History
数字图像处理起源于20世纪60年代的太空和医学成像；20世纪80年代早期马尔（Marr）的视觉计算理论将低级分析定义为恢复场景结构，基于特征的方法在20世纪90年代和21世纪初成熟，之后深度学习重塑了该领域。
Key figures
- David Marr
- John Canny
- David Lowe
Related topics
Seminal works
- szeliski2022
- gonzalez2018
Frequently asked questions
- 图像处理与计算机视觉有什么区别？
- 图像处理主要将图像转换为其他图像或低级描述，而计算机视觉旨在解释图像以恢复场景信息，例如存在哪些物体以及它们在哪里；两者在低级层面有很大的重叠。
- 为什么滤波如此基础？
- 平滑、锐化、边缘检测和特征提取都可以表示为滤波操作，因此理解卷积及其频域行为可以解释很大一部分低级图像方法。