图像预处理

预处理是指在处于最低抽象层次的图像上所进行的操作，这时处理的输入和输出都是亮度图像。这些图标图像是与传感器抓取到的原始数据同类的，通常是用图像函数值的矩阵表示的亮度图像。

预处理并不会增加图像的信息量。如果信息用熵来度量，那么预处理一般都会降低图像的信息量。因此，从信息理论的角度来看，最好的预处理是没有预处理，避免预处理的最好途径是着力于高质量的图像获取。然而，预处理在很多情况下是非常有用的，因为它有助于抑制与特殊的图像处理或分析任务无关的信息。因此，预处理的目的是改善图像数据，抑制不需要的变形或者增强某些对于后续处理重要的图像特征。考虑到图像的几何变换(比如旋转、变尺度、平移)使用类似的技术，这里我们将它看作预处理方法。

图像预处理方法按照在计算新像素亮度时所使用的像素邻域的大小分为四类：处理像素亮度变换、几何变换、使用待处理像素一个局部邻域的预处理方法、有关整个图像知识的图像复原技术。另一种角度是将图像预处理分为图像增强（Image Enhancement）、覆盖像素亮度变换以及图像复原（Image Restoration）。多数图像中存在着相当可观的信息冗余,这使得图像预处理方法可以利用图像数据本身来学习一些统计意义上的图像特征。这些特征或者用于抑预料之外的退化如噪声,或者用于图像增强。实际图像中的属于个物体的相邻像素基本上具有相同的或类似的亮度值,因此如果一个失真了的像素可以从图像中被挑出来的话,它一般可以用其邻接像素的平均值来复原。

如果图像预处理的目标是矫正图像的某种退化,那么先验信息的性质就很重要:

• 第一类方法不使用有关退化性质的知识,仅假设退化的非常一般性的特征
• 第二类方法假设具有有关图像获取设备的特性和获取图像时所处条件的知识。噪声的性质(通常是指其频域特征)有时是知道的。
• 第三类方法使用有关图像中待搜索物体的知识,这样可以相当程度地简化预处理。如果事先无法获得有关物体的知识,可以在处理的过程中估计。如下的策略是可能的。首先对图像做粗处理以便减小数据量,找到图像物体。这样得到的图像信息被用于产生对图像物体属性的假设,然后在更高分辨率图像上检验该假设。如此地反复迭代直至出现的知识被证实或被拒绝。这个反馈可能会超出预处理,由于分割也产生有关物体的语义知识,因此反馈可以在物体分割之后启动。