毕业设计（论文）基于小波变换的图像压缩原理与应用研究.doc

《毕业设计（论文）基于小波变换的图像压缩原理与应用研究.doc》由会员分享，可在线阅读，更多相关《毕业设计（论文）基于小波变换的图像压缩原理与应用研究.doc（19页珍藏版）》请在三一办公上搜索。

1、第一章 绪论1.1 引言1.2 小波变换在信号压缩中的应用研究的意义第二章 小波变换2.1 小波概述2.2 小波变换的基本原理2.2.1 第三章 基于小波变换的图像压缩原理与应用研究3.1 对图像信号的压缩3.1.1 图像信号压缩的概述3.1.2 图像信号压缩应用举例3.2 图像处理的应用研究3.2.1 图像处理的应用3.2.2 图像处理的发展动向第四章 总结与展望4.1 设计总结4.2 设计展望致谢参考文献基于小波变换的图像压缩原理与应用研究 摘要：小波变换是在傅立叶变换的基础上发展起来的,本文通过分析小波的基本原理,系统的描述了小波变换的实现,阐述了小波理论在信号处理中的应用与小波变换的图

2、像压缩原理,说明了小波变换在图像信号处理过程中具有重要的作用和广阔的发展前景,并利用MATLAB软件使小波变换与信号压缩中的应用得以实现。随着计算机技术的发展,小波变换将会应用在越来越多的领域。 关键词：小波变换 图像压缩 应用研究 第一章 绪论 1.1 引言 传统的信号理论，是建立在Fourier分析基础上的，而Fourier变换作为一种全局性的变化，其有一定的局限性。在实际应用中人们开始对Fourier变换进行各种改进，小波分析由此产生了。小波分析是一种新兴的数学分支，它是泛函数、Fourier分析、调和分析、数值分析的最完美的结晶；在应用领域，特别是在信号处理、图像处理、语音处理以及众多

3、非线性科学领域，它被认为是继Fourier分析之后的又一有效的时频分析方法。 小波分析主要研究函数的表示，即将函数分解为“基本函数”之和，而“基本函数”是由一个小波函数经伸缩和平移而得到的，这个小波函数具有很好的局部性和光滑性，使得人们通过分解系数刻画函数时，可以分析函数的局部性质和整体性质。小波分析出现之前，人们用Fourier基、Haar基来分解函数。Fourier基具有很好的光滑性，但局部性很差；而Haar基的局部性虽很好，但光滑性很差。小波基却兼有它们的优点。在信号分析中，由于小波变换在时域和频域都有很好的局部特性，因此在数据压缩与边缘检测方面，小波分析是一种非常有效的方法。 与Fou

4、rier变换相比，小波变换是空间(时间)和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。小波变换联系了应用数学、物理学、计算机科学、信号与信息处理、图像处理、地震勘探等多个学科。数学家认为，小波分析是一个新的数学分支，它是泛函分析、Fourier分析、样调分析、数值分析的完美结晶；信号和信息处理专家认为，小波分析是时间尺度分析和多分辨分析的一种新技术，它在信号分析、语音合成、图像识别、计算机视觉、数据压缩、地震勘探、大气与海洋波分析等方面的研究都取得了有科学意义和应用价值的成果。 信号分

5、析的主要目的是寻找一种简单有效的信号变换方法，使信号所包含的重要信息能显现出来。小波分析属于信号时频分析的一种，在小波分析出现之前，傅立叶变换是信号处理领域应用最广泛、效果最好的一种分析手段傅立叶变换是时域到频域互相转化的工具，从物理意义上讲，傅立叶变换的实质是把这个波形分解成不同频率的正弦波的叠加和。正是傅立叶变换的这种重要的物理意义，决定了傅立叶变换在信号分析和信号处理中的独特地位。傅立叶变换用在两个方向上都无限伸展的正弦曲线波作为正交基函数，把周期函数展成傅立叶级数，把非周期函数展成傅立叶积分，利用傅立叶变换对函数作频谱分析，反映了整个信号的时间频谱特性，较好地揭示了平稳信号的特征。 1

6、.2 小波变换在信号压缩中的应用课题研究的意义 小波变换是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间一频率窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，因此，小波变换在许多领域都得到了成功的应用。 小波分析是在Fourier分析的基础上发展起来的，将小波变换应用到图像处理的各个方面是近年来新兴的热门课题。由于小波分解具有把图像分解为低频部分和高频部分的多通带滤波性能。因此,它在滤噪和数据压缩方面有广泛的应用,又由于共轭滤波器组的G算子具有差分性质,所以它在

7、图像增强,边缘轮廓检测,产品故障及机器质量检测等方面能广泛的应用。(1)小波分析用于信号与影像压缩是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与影像的特征不变，且在传递中可以抗干扰。基于小波分析的压缩方法很多，比较成功的有小波包最好基方法，小波网域纹理模型方法，小波变换零树压缩，小波变换向量压缩等。 事实上小波分析的应用领域十分广泛，它包括：数学领域的许多学科；信号分析、影像处理；量子力学、理论物理；军事电子对抗与武器的智能化；电脑分类与识别；音乐与语言的人工合成；医学成像与诊断；地震勘探数据处理；大型机械的故障诊断等方面；例如，在数学方面，它已用于数值分析、

8、构造快速数值方法、曲线曲面构造、微分方程求解、控制论等。在信号分析方面的滤波、去噪声、压缩、传递等。在影像处理方面的影像压缩、分类、识别与诊断，去污等。在医学成像方面的减少B超、CT、核磁共振成像的时间，提高解析度等。因此，研究小波变换在信号压缩中的作用对于人类科学的进步具有着十分重要的意义。现在，它已经在科技信息产业领域取得了令人瞩目的成就。电子信息技术是六大高新技术中重要的一个领域，它的重要方面是图象和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构(或恢复)。从数学地角度来看，信号与图象处理可以统

9、一看作是信号处理(图象可以看作是二维信号)，在小波分析的许多应用中，都可以归结为信号处理问题。现在，对于其性质随时间是稳定不变的信号（平稳随机过程），处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的（非平稳随机过程），而特别适用于非稳定信号的工具就是小波分析。第二章小波变换的基本原理2.1小波概述 小波(Wavelet)这一术语，顾名思义，“小波”就是小区域、长度有限、均值为0的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式，小波是一类特殊的信号，其能量有限，且相对集中在局部区域波动。下图给出了几种典型小波信号的波形。由图可见

10、，小波信号只在一个相对较小的时间范围内波动，而Fourier变换中的正弦型信号的线性组合，从而实现信号的Fourier变换。若将信号表示为小波信号的线性组合，即可实现信号的小波变换。 图1 部分小波 小波变换( wavelet transformation ):以某些特殊函数为基将数据过程或数据系列变换为级数系列以发现它的类似频谱的特征，从而实现数据处理。与Fourier变换相比，小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的

11、困难问题，成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。 众所周知，傅立叶分析是把一个信号分解成各种不同频率的正弦波，因此正弦波是傅立叶变换的基函数。同样，小波分析是把一个信号分解成由原始小波经过移位和缩放后的一系列小波，因此小波是小波变换的基函数，即小波可用作表示一些函数的基函数。小波是近十几年才发展并迅速应用到图像和语音分析等众多领域的数学工具，是继110多年前建立傅立叶（Joseph Fourier）分析之后的一个重大突破。经过十几年的努力，小波理论基础已经基本建立并成为应用数学的一个新领域，引起了众多数学家和工程技术人员的极大关注，是国际上科技学

12、术界高度关注的前沿领域。本文试图从工程和实验角度出发，较为直观地探讨小波变换在图像压缩中的应用 2.2小波变换的基本原理 小波变换的基本思想是用一组小波或基函数表示一个函数或信号，例如图像信号。以哈尔（Haar）小波基函数为例，基本哈尔小波函数（Haar wavelet function）定义如下： 1, 当0x1/2 (x) = -1, 当1/2x1 0, 其他设有一幅分辨率只有4个像素的一维图像，对应像素值为：9 7 3 5。用哈尔小波变换的过程是：计算相邻像素对的平均值（averaging，亦可称之为近似值approximation），得到一幅分辨率为原图像1/2的新图像：8 4。这时图

13、像信息已部分丢失，为了能从2个像素组成的图像重构出4个像素的原图像，必须把每个像素对的第一个像素值减这个像素的平均值作为图像的细节系数（detail coefficient）保存。因此，原图像可用下面的两个平均值和两个细节系数表示：8 4 1 -1。可以把第一步变换得到的图像进一步变换，原图像两级变换的过程如表1所示：表1 哈尔小波变换过程分辨率平均值细节系数49 7 3 528 41 -1162哈尔变换过程事实上是用求均值和差值的方法对函数或图像进行分解，对于f(x)=9 7 3 5，我们可作最多2层的分解。对于二维图像，同样可以用依次对行列进行小波变换得到二维图像的分解。这时经过一次小波变

14、换得到是二维图像的近似值(CA)以及水平(CH)、垂直(CV)和对角(CD)细节分量值。显然，从二维图像的CA、CH、CV和CD值可以重构出原来的二维图像。目前对图像处理主要采用二维正交离散小波变换，二维小波变换相当于做两次一维小波变换，即先对图像进行行信息的小波变换，再进行列信息的小波变换。对二维基本离散小波函数进行尺度、空间、时移的变化，得到空间的标准二维正交基函数序列的表达式，它构成二维空间的正交紧支框架，保证了小波变换的正交性。应用Mallat算法，可以快速计算各级小波分解的小波系数，并得到如图1的二维分解1：图1 二维小波分解 这种分解与重构完全是离散的，甚至不涉及小波基函数的基本形

15、式。图像小波变换中常用Daubechies小波函数，以分解出来的系数作为小波函数的幅值，这样就可把二维图像表示成二维小波基函数的加权和。而对实际平面图像的分解(以4级分解为例)是分解成最低频子图 ，和在水平、垂直、对角3个方向上的4个级别子图，LH主要是垂直方向的高频分量，HL主要是水平方向的高频分量，HH主要是对角方向的高频分量。在LH、HL、HH子图中小波系数分布特点2是近似于高斯分布，其中绝大多数高频系数的值接近于零，如图2所示。图2 LH1，HL1，HH1的小波系数分布图其他各级的高频子图具有和1级分解子图相似的分布性质。把小的高频系数值取为0就达到压缩目的。连续小波变换（CWT）2.

16、3离散小波变换2.3.1离散小波变换对于连续小波变换来说,尺度a、时间1和与时间有关的平移b都是连续的。如果利用计算机计算，就必须对它们进行离散化处理，得到离散小波变换。所谓离散小波变换是指对尺度a和平移b进行离散化，而不是通常意义上的时间离散化。离散小波变换的一个重要问题是如何降低计算量和数据量，通常把尺度a和平移b取作幂级数的形式， 即 a 第三章 基于小波变换的信号处理与应用 在信息系统中，经常需要对信号进行去噪（denoising)、压缩（compression)和检测（detection)等方面的处理为提高信号处理的有效性，通常将信号从时域映射到变换域，在变换域分析信号所具有的特点，

17、采用相应的处理方法，从而提高信号处理的效率。如在基于Fourier变换的信号处理中，首先对信号进行Fourier变换（或DFT），将信号映射到频域，然后对变换的频域数据进行相应处理，在逆变换得到处理后的信号。基于小波的信号处理一般也是先将信号进行离散小波变换，在小波变换域对信号进行处理，再由离散小波逆变换得到处理后的信号。基于小波的信号处理的原理框图如下图所示。IDWT小波域处理DWT S(t) 基于小波的信号处理的原理框图 基于小波的信号处理存在许多优点，这是因为信号的小波变换具有以下特性：（1） 在信号的离散小波变换中，许多实际信号的展开系数和大多集中在较少的系数上，为数据处理创造了条件。

18、由于此特性的小波基被称为无条件基，这也是小波分析在信号去噪、压缩及检测等方面非常有效的重要原因。（2） 信号的小波展开具有良好的时域描述，因而可以更有效地分离出信号中不同特性的分量。在基于小波变换的信号处理中，可以根据有用信号与无用信号的展开系数的幅值来分离信号的不同分量。这是因为小波基为无条件基，信号经小波变换后，信号中的有用分量分布在少数展开系数上，而无用分量分布在许多展开系数中。小波展开系数的稀疏性对信号压缩和检测具有重要的意义。（3） 小波基具有非唯一性，可以实现对于不同特性的信号采用不同的小波基，从而可以使得信号小波展开系数更加稀疏，信号中的各分量分离的更好，信号去噪、压缩和检测等的

19、效率和精度就会更高。（4） 离散小波变换直接将连续信号变换为离散序列，变换过程无需复杂的微分或积分，只是简单的序列乘加运算，非常适合数字运算，且存在快速的分解算法。小波变换在信号处理中有着广泛的应用，本文我们仅从其在图像信号压缩方面来说明小波变换在这方面的作用。3.1 对图像信号的压缩3.1.1 小波压缩在信号传输和存储时，为提高传输和存储的效率，需要对信号进行压缩。信号压缩是指减少表示信号的数据量。信号压缩的质量主要从压缩效率（压缩比）和压缩效果（信号失真度）两方面衡量。信号压缩也分为有损压缩（存在失真）和无损压缩（无失真）。显然，信号压缩的效果和效率与信号表示密切相关，有效的信号表示可以实

20、现在低失真度下的高压缩比。基于小波的信号压缩主要有两种方法，一是利用信号的小波表示可以将信号分解为一系列不同精度信号分量，高精度的信号分量表示信号的细节，信号的基本信息主要集中在信号的低精度分量中，通过去除信号中的高精度分量就可以实现信号的压缩；二是利用小波基是无条件基，信号的小波变换可以实现信号在小波变换域中数据相对集中，也即小波变换域中DWT系数比较稀疏，通过阀值化处理减少信号小波变换域中的数据。两种方法存在一定联系与区别，第一种信号压缩方法是直接去除信号小波表示中某些高精度信号分量对应的DWT系数，而第二种信号压缩方法是去除信号小波表示中各精度信号分量的DWT系数中幅度较小的数据。但一般

21、来说，信号的小波变换域中高精度分量对应的DWT系数的幅值较小。下图分别通过实例表示两种信号压缩方法的效果。利用二维小波变换进行图像压缩 在实际运用中，连续小波变换的计算量很大，必须加以离散化，尤其在对图像进行处理时，针对的都是二维的情况，所以我们只关注二维离散小波变换。 针对尺寸为M*N函数f(x,y)，有如下的二维离散小波变换： i=H,V,D (公式一） 其中，是任意的开始尺度，系数定义了在尺度 的 的 近似，系数对于j附加了水平、垂直、对角线方向的细节。通常令=0并且选择N=M=，j=0,1,2,，J-1和m，n=0,1,2，-1。二维离散小波逆变换如下所示： 小波变换以其压缩比高，压缩

22、速度快，抗干扰等优点广泛应用于图像中，尤其在图像压缩中应用较多。任意图像经过小波分解后，可以得到一系列分辨率不同的子图像，这些子图像频率也不同，其中低频分量体现了图像的主要特征，而图像高频分量上的数值都趋于0，所以可以利用小波分解，去掉图像的高频分量，只保留其低频分量，从而达到图像压缩的目的。 通常所说的图像压缩主要指无损压缩（无失真）和有损压缩（有失真）两大类。所谓的无失真压缩是指图像数据经压缩后可以完全得到恢复，复员后的图像与原始图像完全一致。有损压缩则是经它处理的数据在基本保持原有图像的特征的前提下，不可避免的要丢失一部分图像信息。图像能够进行压缩的主要原因如下：（1）原始图像信息存在着

23、很大的冗余度，数据之间存在着相关性，如相邻像素之间色彩的相关性等，消息中的这些冗余信息将会产生额外的编码。如果去掉冗余信息，就会减少信息所占的空间。（2）在多媒体系统的应用领域中，人眼作为图像信息的接受端，其视觉对于边缘急剧变化不敏感（视觉掩盖效应），以及人眼对图像的亮度信息敏感，而对颜色分辨率弱等，因此在高压缩比的情况下，解压缩后的图像信号仍比较满意。基于上述两点，发展出数据压缩的两类基本方法：一种是将相同的或类似的数据或数据特征归类，使用较少的数据量描述原始数据，达到减少数据量的目的，这种压缩一般为无损压缩；另一种是利用人眼的视觉特征有针对性地简化不重要的数据，以减少总的数据量，这种压缩一

24、般为有损压缩。只要损失的数据不太影响人眼主观接收的效果，即可采用。 利用小波变换对图像进行压缩的具体过程可分为以下几个主要步骤： 第一步，利用正交小波变换将图像分解为亮度分量、水平边缘分量、垂直边缘分量和对角边缘分量。 第二步，对所得到的个子图，根据人类的视觉和心理特点分别作不同策略的量化与编码处理。对于亮度子图可以采用快速余弦变换结合Huffman编码的方法进行压缩。对于三个边缘分量，采取去掉高频成分、阀值量化结合Huffman编码的方法。 第三步 ，解码，对于不同的编码采用不同的解码。 第四步，利用小波逆变换还原成原来的图像。 实验原理 小波压缩沿袭了变换编码的基本思想，即去相关性。小波变

25、换、量化和熵编码等是构成小波编码的三个主要部分。其基本原理：将原始图像经小波变换后，转换成小波域上的小波系数，然后对小波系数进行量化编码。采用二维小波变换快速算法，小波变换就是以原始图像为基础，不断将上一级图像分为四个子带的过程。每次分解得到的四个子带图像，分别代表频率平面上不同的区域，他们分别含有上一级图像中的低频信息和垂直、水平及对角线方向的边缘信息，如下图所示 LL LH HL HH LH HL HHLL为低频子带，HL、HL、HH、为高频子带 图像是人类赖以获取信息的最重要来源之一。图像技术与计算机技术不断融合，出现了一系列图像处理软件，其中最典型的MATLAB，该软件为图像技术的发展

26、提供了强大支持。MATLAB是矩阵实验室的简称，最基本的数据结构是数组，数字图像用数组存储，矩阵中的一个元素对应于图像的一个像素，这意味着MATLAB矩阵运算功能可以应用于图像处理。MATLAB已成为国际公认的最优秀的科技应用软件之一，具有编程简单、数据可视化功能强、可操作性强等特点，而且配有功能强大、专业函数丰富的图像处理工具箱，是图像处理的一个重要软件工具。数字图像处理是通过设计计算机对图像进行去除噪声、增强、复原、分割、提取特性等处理的方法和技术。一般来讲，图像处理主要包括三个方面：（1） 提高图像的视感质量，如改变图像亮度和彩色，增强或抑制某些成分，对图像进行几何变换等，以改善图像的质

27、量。（2） 提取图像中所包含的某些特性或特殊信息，所提取出来的特性或信息往往为计算机分析图像提供便利。提取的特性包括很多方面，如频域特性、灰度特性、颜色特性、边界特性、区域特性、文理特性、形状特性、拓扑特性和关系结构等。（3） 图像数据的变换、编码和压缩，以便于图像的存储和传输。 数字图像处理的过程其实就是对图像的一种运算过程，从技术上来说，数字图像处理分为空间域和频率域处理。下面通过几个应用实例，验证MATLAB图像处理所得到的效果。3.1.2 图像信号压缩应用举例本例使用函数wdcbm2获取图像压缩阀值，然后采用函数wdencmp实现图像压缩load julia;nbc=size(map,

28、1); %使用haar小波进行三层分解wname=haar;lev=3;c,s=wavedec2(X,lev,wmane); %使用wdcbm2获得压缩阀值Alpha=1.5; m=3.5*prod(s(1,);thr,nkeeep=wdcbm2(c,s,alpha,m); %对信号进行压缩xd=wdencmp(lvd,c,s,wname,lev,thr,h);colormap(pink(nbc);figure(1);subplot(1,2,1);image(wcodemat(X,nbc);title(原始信号)；subplot(1,2,2)image(wcodemat(xd,nbc)titl

29、e(压缩后信号)；本例使用函数ddencmp获取图像压缩阀值，然后采用函数wdencmp实现图像压缩load Julianbc=size(map,1); %使用haar小波进行三层分解wname=haar;lev=3;c,s=wavedec2(X,lev,mname); %使用ddencmp获得压缩阀值thr,nkeep=ddencmp(cmp,wv,X) %对信号进行压缩xd=wdencmp(glb,c,s,wname,lev,thr,s,1);colormap(pink(nbc);figure(1);subplot(1,2,1);image(wcodemat(X,nbc);title(原始

30、信号)；subplot(1,2,2)image(wcodemat(xd,nbc)title(压缩后的信号)；本例首先使用函数ddencmp获得图象压缩阀值，然后使用函数wpdencmp对图象进行小波包压缩%加载原始信号load masknbc=size(map,1);%使用wpdencmp进行小波压缩%使用ddencmp获取阀值thr,sorh,keepapp,crit=ddencmp(cmp,wp,X);%使用阀值进行小波包压缩xc,treed,perf0,perfl2=wpdencmp(X,sorh,3,db3,crit,thr,keepapp);subplot(211);colormap

31、(pink(nbc);image(wcodemat(X,nbc)title(原始信号)；subplot(212);image(wcodemat(xc,nbc)title(压缩后的图象)；3.2 小波变换在图像压缩中的应用研究3.2.1 图像处理的应用 每天都有大量的信息进行存储、处理和传送。网上的许多信息都是以图像形式存储的，如果需要进行快速或实时传输以及大量存储，就需要传输更多的图像信息，也就可以增加通信能力，所以对于存储和通信的需求是无限的。所以图像压缩方法比起图像的存储或传输具有更为突出的实用价值和商业意义。 图像压缩所解决的问题是尽量减少表示数字图像时需要的数据量。减少数据量的基本原理

32、是除去其中多余的数据。以数学的观点来看，这一过程实际上就是将二维象素阵列变换为一个在统计上无关联的数据集合。这种变换在图像储存和传输之前进行，而在以后的某个时刻再对压缩图像进行解压缩来重构原图像或原图像的近似图像。图像压缩研究的就是寻找高压缩比的方法且压缩后的图像要有个合适的信噪比，在压缩传输后还要回复原图像，而且在压缩、传输和恢复的过程中还要求图像的失真小等。图像压缩是小波分析的一个重要应用，它的特点是压缩比高，压缩速度快，压缩后能保持图像的特征基本不变，且在传递过程中可以抗干扰，实现累进传输等。70年代后期至今，各个应用领域对数字图像处理提出越来越高的要求，促进这门学科向更高级的方向发展，

33、特别是在景物理解和机器视觉方面，图像由二维处理变成三维解释。近年来随着计算机和各个领域的迅速发展，科学计算可视化、多媒体技术等的研究和应用，数字图像处理从一个专门领域的学科变成了一种新型的科学研究和人机界面工具。概况来说，数字图像处理主要应用于如下领域：（1） 通信。通信应用包括图像传输、电视电话、电视会议，数字图像处理技术主要用于进行图像压缩甚至在理解的基础上进行压缩。（2） 生物医学领域中的应用。图像处理在医学界的应用非常广泛，无论是临床诊断还是病理研究都大量采用图像处理技术。有人认为计算机图像处理在医学上应用最成功的例子就是X射线CT，其主要研究者Hounsfield(英）和Commac

34、k(没）获得了1979年的诺贝尔生理医学奖。（3） 工业生产中的应用。在生产线中对产品进行无损检测是图像处理技术的重要应用领域。（4） 军事、公安等方面的应用。该方面的应用有军事目标的侦察，制导和警戒系统，自动火器的控制及反伪装；公安部门的现场照片、指纹、手迹、印章、人像等的处理和辨识；历史文字和图片档案的修复和管理等。（5） 视频和多媒体系统。视频和多媒体系统应用包括目前电视制作系统广泛使用的图像处理、变换、合成，多媒体系统中静止图像和动态图像的采集、压缩、处理、存储和传输等。（6） 电子商务。在电子商务中，图像处理技术也大有可为，如身份认证、产品防伪、水印技术等。（7） 宇宙探索。由于太空

35、技术的发展，需要用数字图像处理技术处理大量的星体照片。（8） 遥感。航空遥感和卫星遥感图像需要用数字技术加工处理，并提取有用的信息，主要用于地形地质，矿藏探查，森林、水利、海洋、农业等资源调查，自然灾害预测预报，环境污染检测，气象卫星云图处理，以及地面军事目标的识别。总之，图像处理技术应用领域相当广泛，已在国家安全、经济发展、日常生活中充当着越来越重要的角色，对国计民生的作用不可低估。图像处理的发展动向当前，图像处理面临的主要任务是研究新的处理方法，构造新的处理系统，开拓更广泛的应用领域。需要进一步研究的问题有如下五个方面：（1）在进一步提高精度的同时着重解决处理速度问题。如在航天遥感、气象云

36、图处理方面，巨大的数据量和处理速度仍然是主要矛盾之一。（2）加强软件研究，开发新的处理方法，特别要注意移植和借鉴其它学科的技术和研究成果，创造新的处理方法。（3）加强边缘学科的研究工作，促进图像处理技术的发展。如人的视觉特性、心理学特性等的研究如果有所突破，则将对图像处理技术的发展起到极大的促进作用。（4)加强理论研究，逐步形成图像处理科学自身的理论体系。（5）图像处理领域的标准化。图像的信息量大、数据量大，因而图像信息的建库、检索和交流时一个重要的问题。就现在的情况看，软件、硬件种类繁多，交流和使用极为不便，成为资源共享的严重障碍。应建立图像信息库，统一存放格式，建立标准子程序，统一检索方法

37、。图像处理技术的未来发展方向大致可归纳为如下四点：（1） 图像处理的发展将围绕HDTV的研制，开展实时图像处理的理论及技术研究，向着高速、高分辨率、立体化、多媒体化、智能化和标准化方向发展。（2） 图像、图形相结合，朝着三维成像或多维成像的方向发展。（3） 硬件芯片研究。把图像处理的众多功能固化在芯片上，使之更便于应用。如用VHDL语言设计图像处理卡和FPGA，能够根据检测对象和环境状况灵活组建硬件系统。（4） 新理论与新算法研究。在图像处理领域近年来引入了一些新的理论并提出了一些新的算法，如小波分析、分形几何、形态学、遗传算法、人工神经网络等。这些理论及建立在其上的算法，将会成为今后图像处理理论与技术的研究热点。 图像处理经过初创期、发展期、普及期及广泛应用几个阶段，如今已是各个学科竞相研究并在各个领域广泛应用的一门学科。随着科学技术的进步以及人类需求的不断增长，图像处理科学无论是在理论上还是实践上，均会取得更大的发展。