第 1 章 引言 (Introduction)
核心结论
-
数字图像处理 (DIP) 定义：用计算机算法处理数字图像；从图像到信息或从图像到图像。
-
应用领域：医学 / 遥感 / 安防 / 工业检测 / 文档 / 娱乐 / 通信。
-
历史：1920s 报纸传输 → 1960s 太空竞赛 → 1980s CT / MRI → 2010+ 深度学习。
-
关键阶段：图像获取 → 增强 → 复原 → 分割 → 特征提取 → 识别。
-
本书结构：基础（第 1-3 章）→ 频率域与复原（第 4-5 章）→ 颜色 / 变换 / 压缩（第 6-8 章）→ 形态学 / 分割 / 特征 / 分类（第 9-12 章）。
|
本章主旨
本章是全书导论——给出 DIP 的定义、应用、历史、关键阶段。理解后才能选对研究方向 / 算法 / 工具。 |
一、核心概念
本章围绕 5 个核心概念展开：定义 → 应用 → 历史 → 关键阶段 → 本书结构。
| 概念 | 定义 + 重要性 | 实现提示 |
|---|---|---|
DIP 定义 |
用计算机处理数字图像；从图像到信息或图像到图像。 |
§1.1；与计算机视觉的区别。 |
应用领域 |
医学 / 遥感 / 安防 / 工业 / 文档 / 娱乐 / 通信。 |
§1.2；DIP 渗透所有行业。 |
历史 |
1920s 报纸 → 1960s 太空 → 1980s CT → 2010+ 深度学习。 |
§1.3；理解历史脉络。 |
关键阶段 |
获取 → 增强 → 复原 → 分割 → 特征 → 识别。 |
§1.4；DIP pipeline 通用。 |
本书结构 |
基础 → 频率域 → 颜色 / 变换 → 形态 / 分割 / 特征 / 分类。 |
§1.5；按"图像处理流程"组织。 |
二、详细笔记
2.1 DIP 定义 (What is DIP?)
What：用计算机算法处理数字图像。
Why：定义 DIP 与 CV 的边界；理解后才能选对工具。
How：
DIP 三大类别：
-
低级：图像到图像（去噪 / 增强 / 锐化）。
-
中级：图像到特征（分割 / 边缘 / 纹理）。
-
高级：图像到语义（识别 / 理解）。
|
DIP vs CV
|
When：选工具（OpenCV / scikit-image / Pillow）；选研究方向。
Example*：OpenCV 是 DIP 工具；torchvision 是 CV 工具；现代两者界限模糊。
2.2 应用领域 (Applications)
What：DIP 渗透到几乎所有行业。
Why：理解 DIP 的市场价值；选择行业方向。
How：
主要应用领域（§1.2）：
-
医学：CT / MRI / X 光 / 病理图像分析。
-
遥感：卫星图像 / 土地利用 / 气象。
-
安防：人脸识别 / 视频监控 / 异常检测。
-
工业：质检 / 缺陷检测 / 机器人视觉。
-
文档：OCR / 表格识别 / 历史文献数字化。
-
娱乐：电影特效 / 游戏 / VR / AR。
-
通信：视频编解码（H.264 / H.265 / AV1）。
|
DIP 应用规模
|
When：选行业；评估项目价值；求职方向。
Example*：GE Healthcare 医疗影像；DigitalGlobe 遥感；Hikvision 安防。
2.3 历史 (History)
What：DIP 从 1920s 到 2024 的演进。
Why：理解历史才能选对当前 / 未来方向。
How：
DIP 关键里程碑（§1.3）：
-
1920s：报纸图像跨大西洋传输（巴特兰电缆）。
-
1960s：太空竞赛推动 DIP（NASA 月球图像增强）。
-
1970s：CT 发明（Hounsfield / Cormack 1979 诺贝尔奖）。
-
1980s：JPEG 标准（1992）；DIP 商业化。
-
1990s：互联网图像；小波理论。
-
2000s：数码相机普及；DIP 库成熟（OpenCV 2000）。
-
2010s：深度学习（AlexNet 2012 ImageNet）。
-
2020s：Transformer / Diffusion / 基础模型。
|
DIP 的"工程时代"
|
When：评估技术趋势；选学习方向。
Example*：OpenCV 1.0 (2000) → 4.x (2022) → 5.x (2024)。
2.4 关键阶段 (Key Stages)
What：DIP pipeline 的通用 6 个阶段。
Why：理解 pipeline 才能设计完整 DIP 系统。
How：
DIP 关键阶段（§1.4）：
-
图像获取（Image acquisition）：传感器 + 镜头。
-
图像增强（Enhancement）：去噪 / 锐化 / 对比度。
-
图像复原（Restoration）：去模糊 / 去噪 / 修复。
-
彩色图像处理（Color）：色彩空间 / 转换。
-
小波 / 多分辨率（Wavelets）：多尺度分析。
-
压缩（Compression）：JPEG / JPEG 2000。
-
形态学（Morphology）：膨胀 / 腐蚀 / 开闭。
-
分割（Segmentation）：阈值 / 区域 / 边缘。
-
特征提取（Features）：SIFT / HOG / CNN。
-
识别（Pattern classification）：SVM / CNN。
|
DIP Pipeline 的应用
|
When：设计 DIP 系统；理解完整流程；选对算法。
Example*：ImageJ 是经典 DIP pipeline 工具；OpenCV 是现代通用库。
2.5 本书结构 (Book Overview)
What：本书按 DIP pipeline 组织。
Why：理解结构才能选读章节 / 设计课程。
How：
本书结构：
-
第 1-3 章：基础（引言 / 数字图像基础 / 灰度变换与空间滤波）。
-
第 4-5 章：频率域 / 复原。
-
第 6-8 章：颜色 / 小波 / 压缩。
-
第 9 章：形态学。
-
第 10 章：分割。
-
第 11 章：特征提取。
-
第 12 章：模式分类（与 CV 重叠）。
|
本书与传统 CV 教材的区别
|
When：选课程；选研究 / 工程方向；找工作。
Example*：Gonzalez & Woods DIP 4e 是 DIP 经典教材；Szeliski CV2 是 CV 经典教材。
