前言：近几天忙忙碌碌，但感觉也没有忙出什么成果，继续我的代码编写工程吧。我前几天一直在考虑，我目前学代码是为了干嘛？现在我研究的东西其实和任何计算机语言都不太沾边，不对，和R语言有关。但是我一直想将代码和图像处理结合起来，我大学接触过一点这个，感觉很有意思，速度快，主要是做出的成果很有成就感。既然前面已经有了numpy 的基础，我准备结合图像处理和python。开始吧！
图像处理基础知识
1 数字图像简介
1.1数字图像处理目的
目的一：提升图像的视觉感知质量（亮度，彩色变换等）
目的二：提取图像中的感兴趣区域或特征（是图像分类、分割、语义标注的基础；按表达方式，提取特征分为空间域特征和频域特征）
目的三：方便图像的存储和传输
1.2数字图像处理应用
目的是将图像转换为离散数字信号，并利用计算机处理。应用广泛：农业部门分析遥感图像，了解生长，虫害等；水利部门；气象部门；国土测绘机构等。
1.3数字图像处理特点
首先了解一下模拟图像和数字图像，我理解的模拟图像就是看得见的图像，数字图像就是计算机表示的图像。下面是我搜的专业的提法：
模拟图像：又称连续图像，是指在二维坐标系中连续变化的图像，即图像的像点是无限稠密的，同时具有灰度值（即图像从暗到亮的变化值）。连续图像的典型代表是由光学透镜系统获取的图像，如人物照片和景物照片等，有时又称模拟图像
数字图像：计算机的图象是以数字的方式存储与工作的,它把图像按行与列分割成m×n个网格,然后每个网格的图像表示为该网格的颜色平均值的一个像素,亦即用一个m×n的像素矩阵来表达一幅图像,m与n称为图像的分辨率.显然分辨率越高,图像失真越小.也是因为计算机中只能用有限长度的二进制位来表示颜色的缘故,每个像素点的颜色只能是所有可表达的颜色中的一种,这个过程称为图像颜色的离散化.颜色数越多,用以表示颜色的位数越长,图像颜色就越逼真。
由此我们可以看出数字图像和模拟图像的区别：
（1）、可再现能力强：数字图像是由像元组成，，只要在数字化过程中对原景准确表现，所形成的数字图像在被处理过程中就能保持图像的可再现能力。
（2）、处理精度高
（3）、适用范围广
（4）、灵活性高
1.4常见的数字图像处理方法
图像处理的一般步骤：图像信息的获取，图像信息的存储，图像信息的处理，图像信息的传输，图像信息的展示；
图像处理的一般方法：图像的数字化、编码、增强、恢复、变化、压缩、存储、传输、分析、识别、分割等。
（1）、图像变化
目的：减少计算量
由于图像在空间域中直接处理，计算量大，将图像利用变换方法进行转换到其他领域处理，即为图像变化。
（2）、图像压缩编码
目的：是减少描述图像所需的数据量。有失真和无失真两大类别。
（3）、图像增强和复原
目的：从不同角度使图像更加形象的呈现
图像增强：提升图像质量，图像去噪、去模糊等。不考虑造成图像质量下降原因，主要目的突出图像中感兴趣区域；
图像复原：考虑造成图像质量下降的原因，根据原因建立“质降模型”，再由模型来采用滤波对图像恢复。
（4）、图像分割
目的：将图像分解为若干个有意义的部分
没有一种普遍适用于各种图像的有限方法。
（5）、图像描述
目的：通过属性或特征对图像进行描述。
（6）、图像分类（识别）
目的：对图像的类型进行判别或者对图像中出现的物体进行检测和识别。例如遥感的监督分类。
2 图像采样和量化
数字图像有两个重要属性：空间位置（X,Y）以及响应值 I(X,Y)。
模拟图像是连续的信号，数字图像是离散的值；
采样：图像空间坐标的离散化，决定了图像的空间分辨率
量化：图像响应幅值的的离散化，决定了图像的灰度分辨率
采样和量化是模拟图像转换为数字图像的两个重要操作。
2.1图像采样
2.2图像量化
明天继续，今天就主要是基础理解，明天就开始利用代码进行处理了！奥利给！大唐芙蓉园夜景送给你们。