这一章我们将介绍图象的几何变换，包括图象的平移、旋转、镜象变换、转置、放缩等。如 果你熟悉矩阵运算，你将发现，实现这些变换是非常容易的

图象的分割与检测(识别)实际上是一项非常困难的工作。很难说清楚为什么图象应该分割成 这样而不是那样。人类的视觉系统是非常优越的，它不仅包含了双眼，还包括了大脑，可以 从很复杂的景物中分开并识别每个物体，甚至可以毫不费力地跟上每秒好几十帧变化的图 象。举两个例子来说明一下人类视觉系统的优越性

在介绍图象的压缩编码之前，先考虑一个问题：为什么要压缩？其实这个问题不用我回答， 你也能想得到。因为图象信息的数据量实在是太惊人了。举一个例子就明白：一张 A4(210mm×297mm) 幅面的照片，若用中等分辨率(300dpi)的扫描仪按真彩色扫描，其数据 量为多少？让我们来计算一下：共有(300×210/25.4) ×(300×297/25.4)个象素，每个象素占 3 个字节，其数据量为 26M 字节，其数据量之大可见一斑了

这一章的内容我认为是最有趣的。还记得前言中那个抽取骨架的例子吗？现在我们就来看看 它是如何实现的。 今天所讲的内容属于一门新兴的学科：数学形态学(Mathematical Morphology)。说起来很有 意思，它是法国和德国的科学家在研究岩石结构时建立的一门学科。形态学的用途主要是获 取物体拓扑和结构信息，它通过物体和结构元素相互作用的某些运算，得到物体更本质的形 态

在介绍本章内容之前，先提出一个问题？普通的黑白针式打印机能打出灰度图来吗？如果说 能，从针式打印机的打印原理来分析，似乎是不可能的。因为针打是靠撞针击打色带在纸上 形成黑点的，不可能打出灰色的点来；如果说不能，可是我们的确见过用针式打印机打印出 来的灰色图象。到底是怎么回事呢？

先举个例子说明一下什么是平滑(smoothing)，如下面两幅图所示：可以看到，图 3.2 比图 3.1 柔和一些(也模糊一些)。是不是觉得很神奇？其实实现起来很简单。我们将原图中的每一点 的灰度和它周围八个点的灰度相加，然后除以 9，作为新图中对应点的灰度，就能实现上面 的效果

如今 Windows(3.x 以及 95，98，NT)系列已经成为绝大多数用户使用的操作系统，它比 DOS 成功的一个重要因素是它可视化的漂亮界面。那么 Windows 是如何显示图象的呢？这就要 谈到位图(bitmap)

图像尖锐化处理主要用于增强图像的边缘及灰度跳变 部分。因为图象中边缘及急剧变化部分与高频分量有关, 所以当利用高通滤波器衰减图象信号中的低频分量时就会 相对的强调其高频分量,从而加强了图象中的边缘及急剧 变化部分,达到图象尖锐化的目的。 在对图象进行特征提取之前一般要进行边缘增强,然 后再进行二值化处理以提取图象特征。边缘增强算法处理 的目的是要突出图象的边缘

第七章 图象编码 1、图象编码分类 2、图象编码中的保真度准则 3、PCM编码(Pulse Code Modulating) 4、统计编码 5、预测编码 6、变换编码 7、其它一些压缩编码方法 8、静态图象的一些主要数据文件压缩方式 9、图象压缩的国际标准

算术编码(Arithmetic Coding)的概念最早由 J. Rissanen在1976年引入,与 Huffman编码不同,算术编码是一种有记忆非分组编码方法,它用某个实数区间来表示若干被编码的信息,用该实数区间对应的二进制码作为编码输出。算术码的编码过程,实际上就是依据字符的发生概率对码区间的分割过程,我们举例说明算术编码的原 理