一、什么是数字图像处理
1.数字图像是由像素组成的二维矩阵或者说是二维数组，每个像素
包含亮度或者颜色信息。
2.图像处理的目标是改善图像质量，提取有用信息，或者使得图像
更适合特定的应用。
3.像素是图像的基本单元。每个像素的数值表示灰度图像的亮度或者
RGB图像的颜色分量
二、数字图像的主要内容
1.图像增强
改善图像的视觉效果或者突出关键特征，例如调整对比度，锐化，去噪。
2.图像复原
修复退化的图像，例如图像去模糊，从噪声中恢复图像原始信息。
3.图像分割
将图像划分多个区域，便于进行目标识别和分析
4.图像特征提取
检测边缘、纹理、形状等特征，用于模式识别或者机器学习
5.图像压缩
减少存储和传输所需要的数据量，比如jpge压缩，h264和h265编码
6.形态学处理
基于形状的操作，常用于二值图像，比如膨胀或者腐蚀
三、数字图像的关键技术
1.滤波
平滑去噪，高斯滤波，sobel算子的边缘检测
2.傅里叶变换
将图像转换到频域，用于分析或者去除周期性噪声
3.彩色空间转换
RGB转HSV
4.几何变换
旋转，缩放，透视校正
四、数字图像应用领域
1.医疗
2.遥感和测绘
3.安防监控
4.工业检测
5.3D特效
6.自动驾驶
五、数字图像的流程
1.图像的获取
图像的成像系统，采样和量化
通过传感器（如CCD/CMOS）进行采样（空间离散化）和量化（亮度值离散化），生成数字图像 f(x, y)，其中 (x, y) 是像素坐标，f 是亮度或颜色值。
2.图像的预处理
预处理用用改善图像的质量
图像的增强，图像的复原，几何校正，色彩校正
图像增强：主观地改善视觉效果（如对比度拉伸、锐化、彩色增强）。
图像复原：客观地根据退化模型（如模糊、噪声）恢复图像。
几何与色彩校正：矫正镜头的畸变、透视或颜色偏差
3.图像压缩，图像分割，图像识别
特征提取）：提取区域的特征，如颜色、纹理、形状（面积、周长、矩）、轮廓等
4.图像的输出
六、可见光成像和红外成像的本质差异
可见光成像看到的是物体“反射光的模样”，而红外成像看到的是物体“自身热辐射的模样”。
核心本质总结：
信息维度不同：
可见光成像获取的是物体表面的光学反射特性信息（它如何与光相互作用）。
红外成像获取的是物体表面的热力学特性信息（它的温度和热辐射能力）。
独立性不同：
可见光成像依赖外部照明，是“借光看物”。
红外成像不依赖外部光源，是“感知其热”，真正实现全天时工作。
探测能力不同：
可见光成像对颜色、纹理、细节的解析力强。
红外成像对温差、穿透烟雾、识别伪装的能力强。
