灰度图像

图像分割的应用图像分割在实际中的应用包括：医学影像，包括:在卫星图像中定位物体（道路、森林等）人脸识别指纹识别交通控制系统Brakelightdetection机器视觉现已有许多各种用途的图像分割算法。对于图像分割问题没有统一的解决方法，这一技术通常要与相关领域的知识结合起来，这样才能更有效的解决该领域中的图像分割问题。聚类法源图像。执行k-均值聚类（k=16）后的图像。注意：为了提高速度，通常可以先对较大图片进行下采样后再计算聚类。K-均值聚类法是一种将图像分割成K个聚类的迭代技术。基本算法如下：首先从n个数据对象任意选择k个对象作为初始聚类中心；对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；重复第2和3步骤，直至收敛（聚类不再发生变化）。这里，距离指像素与...

解决方案视频强化几十年前，图像处理大多数由光学设备在模拟模式下进行。由于这些光学方法本身所具有的并行特性，至今他们仍然在很多应用领域占有核心地位，例如全息摄影。但是由于计算机速度的大幅度提高，这些技术正在迅速的被数字图像处理方法所替代。从通常意义上讲，数字图像处理技术更加普适、可靠和准确。比起模拟方法，它们也更容易实现。专用的硬件被用于数字图像处理，例如，基于流水线的计算机体系结构在这方面获取了巨大的商业成功。今天，硬件解决方案被广泛的用于视频处理系统，但商业化的图像处理任务基本上仍以软件形式实现，运行在通用个人电脑上。常用的信号处理技术大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸，它们中的一部分在二维情形下变得十分复杂。同时图像处理也具有自身一些新的概念，例如，连通性、旋转不变性，等等。这些概念仅对二维或更高维的情况下才有非平凡的意义。图像处理中常用到快速傅立叶变换，因为它...

参见光学数字图像计算机动画摄影绘画计算机图形

研究领域图像分析研究的领域一般包括：基于内容的图像检索（CBIR-ContentBasedImageRetrieval）人脸识别（facerecognition）表情识别（emotionrecognition）光学字符识别（OCR-OpticalCharacterRecognition）手写体识别（handwritingrecognition）医学图像分析（biomedicalimageanalysis）视频对象提取（videoobjectextraction）

参见二值图像伪彩色图像变形处理色彩通道