画像処理とは、コンピューターを使用して画像を分析し、目的の結果を得る技術です。画像処理とも呼ばれます。画像処理とは、一般にデジタル画像処理を指します。デジタル画像とは、産業用カメラ、ビデオカメラ、スキャナーなどの機器で撮影して得られる大きな2 次元配列を指し、この配列の要素はピクセルと呼ばれ、その値はグレースケール値と呼ばれます。画像処理技術は一般に、画像圧縮、強調と復元、マッチング、記述、認識の3 つの部分で構成されます。
イメージプロファイル
21世紀は情報があふれる時代であり、人間が世界を認識するための視覚的基盤として、画像は情報を取得し、表現し、伝達するための重要な手段となっています。デジタル画像処理、つまりコンピュータで画像を処理する技術は、開発の歴史が浅いです。デジタル画像処理技術は、1920 年代にデジタル圧縮技術を使用して海底ケーブルを介して写真が英国のロンドンから米国のニューヨークに送信されたことに始まりました。まず第一に、デジタル画像処理技術は、人々が世界をより客観的かつ正確に理解するのに役立ちます。人間の視覚システムは、人間が外界から情報の 3/4 以上を取得するのに役立ちます。画像とグラフィックスは、すべての視覚情報の伝達手段です。出力は非常に高く、数千色を認識できますが、多くの場合、画像がぼやけたり、人間の目には見えなくなったりします。画像強調技術を使用すると、ぼやけた画像や目に見えない画像さえも鮮明で明るくすることができます。
コンピューターでは、画像は色とグレースケールの数に応じて、バイナリ イメージ、グレースケール イメージ、インデックス付きイメージ、トゥルーカラー RGB イメージの4 つの基本タイプに分類できます。ほとんどの画像処理ソフトウェアは、これら 4 種類の画像をサポートしています。
China Internet of Things School-Enterprise Alliance は、画像処理が IoT 産業の発展の重要な柱の 1 つになると考えており、その具体的な応用例は指紋認識技術です。
一般的な方法
1)画像変換: 画像配列は大きいため、空間領域で直接処理すると大量の計算が必要になります。したがって、空間領域の処理を変換領域の処理に変換するために、フーリエ変換、ウォルシュ変換、離散コサイン変換、その他の間接処理技術などのさまざまな画像変換方法がよく使用されます。これにより、量を削減できるだけでなく、計算の効率化だけでなく、より効率的な処理も可能になります(たとえば、フーリエ変換は周波数領域でデジタル フィルタリングを実行できます)。現在新たに研究されているウェーブレット変換は、時間領域と周波数領域の両方で良好な定位特性を有しており、画像処理においても広く有効な応用が可能である。
2)画像の符号化と圧縮: 画像の符号化と圧縮技術により、画像を記述するデータの量 (つまり、ビット数) を削減できるため、画像の送信と処理時間が節約され、占有されるメモリ容量が削減されます。圧縮は、歪みなし、または歪みを許容しながら実現できます。符号化は圧縮技術の中で最も重要な手法であり、画像処理技術の中では最も初期の比較的成熟した技術です。
3)画像の強化と復元: 画像の強化と復元の目的は、ノイズの除去や画像の鮮明さの向上など、画質を向上させることです。画像補正では画像劣化の原因を考慮せず、画像の興味深い部分を強調します。たとえば、画像の高周波成分を強調すると、画像内の物体の輪郭が鮮明になり、細部が鮮明になり、低周波成分を強調すると、画像内のノイズの影響を軽減できます。画像の復元には、画像劣化の原因をある程度理解する必要があり、一般に、劣化過程に応じた「劣化モデル」を確立し、何らかのフィルタリング手法を用いて元の画像を復元または再構成する必要があります。
4)画像セグメンテーション: 画像セグメンテーションはデジタル画像処理における主要な技術の 1 つです。画像セグメンテーションは、画像内のエッジや領域などの意味のある特徴を抽出することであり、これはさらなる画像認識、分析、理解の基礎となります。エッジ抽出や領域分割については多くの手法が研究されていますが、さまざまな画像に一般的に適用できる有効な手法はありません。したがって、画像セグメンテーションに関する研究はまだ深く進んでおり、画像処理におけるホットスポットの 1 つです。
5)画像の説明: 画像の説明は、画像の認識と理解に必要な前提条件です。最も単純な二値画像であるため、その幾何学的特徴を利用して物体の特徴を表現することができ、一般的な画像記述方法には境界記述と領域記述の2種類がある2次元形状記述が用いられます。2 次元のテクスチャ特徴を使用して、特別なテクスチャ イメージを記述することができます。画像処理研究の深化に伴い、三次元物体記述の研究が始まり、体積記述、表面記述、一般化円筒記述などの手法が提案されている。
6)画像分類 (認識) : 画像分類 (認識) はパターン認識のカテゴリに属し、その主な内容は、画像の前処理 (強調、復元、圧縮) を行った後、画像のセグメンテーションと特徴抽出を実行して、判断と分類。画像の分類には、統計的パターン分類や構文的（構造的）パターン分類などの古典的なパターン認識手法が採用されることが多いですが、近年、新たに開発されたファジィパターン認識や人工ニューラルネットワークパターン分類も画像認識で注目を集めています。
画像
バイナリ画像
バイナリ画像の 2 次元マトリックスは 0 と 1 の 2 つの値のみで構成され、「0」は黒を表し、「1」は白を表します。各ピクセル (行列の各要素) は 0 と 1 の 2 つの値しか持たないため、コンピュータのバイナリ イメージのデータ型は通常 1 バイナリ ビットです。バイナリ イメージは通常、テキストや線画の走査認識 (OCR) やマスク イメージの保存に使用されます。
グレースケール画像
グレースケール画像行列要素の値の範囲は通常 [0, 255] です。したがって、そのデータ型は通常 8 ビット符号なし整数 (int8) であり、これは人々がよく参照する 256 グレースケール画像です。「0」は純粋な黒を意味し、「255」は純粋な白を意味し、中央の数字は黒から白への移行色を意味します。一部のソフトウェアでは、グレースケール イメージを倍精度データ型 (double) で表すこともできます。ピクセルの値の範囲は [0, 1]、0 は黒を表し、1 は白を表し、0 と 1 の間の小数は異なるグレー スケールを表します。 。バイナリ イメージは、グレースケール イメージの特殊なケースとみなすことができます。
インデックス画像
インデックス付き画像のファイル構造は比較的複雑で、画像の 2 次元マトリックスを格納するだけでなく、カラー インデックス マトリックス MAP と呼ばれる 2 次元配列も含まれています。MAP のサイズは、画像を格納する行列要素の値の範囲によって決まります。たとえば、行列要素の値の範囲が [0, 255] の場合、MAP 行列のサイズは 256×3、 MAP=[RGB]で表されます。MAP の各行の 3 つの要素は、行内の対応する色の赤、緑、青のモノクロ値をそれぞれ指定し、MAP の各行は画像マトリックスのピクセルのグレー値に対応します。たとえば、ピクセルのグレー値が 64 の場合、そのピクセルは MAP の 64 行目とマッピング関係を持ち、画面上のピクセルの実際の色は 64 行目の [RGB] の組み合わせによって決まります。すなわち、画像が画面に表示されるとき、各ピクセルの色は、マトリックスに格納されたピクセルのグレー値をインデックスとして使用してカラーインデックスマトリックスMAPを検索することによって取得される。インデックス画像のデータ型は通常 8 ビット符号なし整数 (int8) で、対応するインデックス マトリックス MAP のサイズは 256×3 であるため、一般的なインデックス画像は同時に 256 色しか表示できませんが、変更することでインデックスマトリックス、色の種類を調整できます。インデックス画像のデータ型は、倍精度浮動小数点型（double）であってもよい。インデックス付きイメージは、通常、比較的単純な色の要件を持つイメージを保存するために使用されます。たとえば、Windows で比較的単純な色構成を持つ壁紙は、通常、インデックス付きイメージに保存されます。イメージの色がより複雑な場合は、RGB トゥルー カラー イメージを使用する必要があります。
RGBカラー画像
RGB イメージは、インデックス付きイメージと同様に、カラー イメージを表すために使用できます。インデックス付きイメージと同様に、赤 (R)、緑 (G)、青 (B) の原色の組み合わせを使用して各ピクセルの色を表します。ただし、インデックス画像とは異なり、RGB画像（RGBの三原色で表される）の各ピクセルの色値は、画像マトリックスに直接格納されており、各ピクセルの色はRの3つの成分で表現する必要があるため、 、Ｇ、Ｂ、Ｍ、Ｎはそれぞれ画像の行数と列数を表し、３つのＭ×Ｎの２次元行列はそれぞれ各ピクセルのＲ、Ｇ、Ｂの３つの色成分を表す。RGB イメージのデータ型は一般に 8 ビットの符号なし整数で、これは通常、トゥルーカラー イメージを表現および保存するために使用されます。もちろん、グレースケール イメージも保存できます。
デジタル化された画像データの保存方法には、ビットマップ保存(Bitmap)とベクトル保存(Vector)の2種類があります。
私たちは通常、デジタル画像を画像の解像度 (つまりピクセル) と色の数で説明します。たとえば、解像度 640*480 で 16 ビット カラーのデジタル画像は、2^16=65536 色の 307200 (=640*480) ピクセルで構成されます。
ビットマップ画像: ビットマップ方式は、画像の各ピクセル値点をデータに変換することであり、画像がモノクロ (白黒と 2 色のみ) の場合、8 つのピクセル値点のデータは 1 バイトしか占有しません (1 バイト8 つの 2 進数、1 つの 2 進数はピクセル値ポイントを格納します); 16 色 (以前の「16 ビット カラー」とは異なります) 画像は 2 つのピクセル値ポイントごとに 1 バイトに格納されます。 256 色の画像 1 バイトで格納されます。これにより、さまざまなカラーモードでの像面の正確な描写が可能になります。ビットマップ画像は、ベクター画像の欠点を補い、色彩や階調の変化に富み、自然の情景をリアルに表現することができ、また、異なるソフトウェア間でのファイル交換も容易に行うことができるのがビットマップ画像です。メリットとデメリットとしては、リアルな3D映像が表現できないこと、ズームや回転時に映像の歪みが発生すること、ファイルサイズが大きくメモリやハードディスクの消費量が多いことが挙げられます。ビットマップ方式とは、画像の各ピクセルをデータに変換する方式です。1 ビットのデータで記録した場合は 2 色 (2^1=2) しか表現できませんが、8 ビットで記録した場合は 256 色または階調 (2^8=256) を表現できるため、ビット要素が多ければ多いほど、より多くの色を表現できます。通常、使用する色は 16 色、256 色、拡張 16 ビット、および True Color 24 ビットです。一般に、トゥルー カラーとは、複雑な画像や実際の写真に適した 24 ビット (2^24) ビットマップ ストレージ モードを指します。しかし、解像度と色数が増加するにつれて、画像が占有するディスク容量は非常に大きくなり、さらに、画像を拡大するプロセスにより、画像は必然的にぼやけたり歪んだりするようになり、画像のピクセルが小さくなります。拡大した画像は実際には大きくなり、ピクセルの「正方形」になります。デジタル カメラやスキャナで取り込んだ画像はビットマップです。
ベクター画像: ベクター画像は、画像の各ピクセル値点ではなく、画像情報の輪郭部分を保存します。たとえば、円形パターンの場合、円の中心の座標位置と半径の長さ、円のエッジと内側の色を保存するだけで済みます。この保存方法の欠点は、複雑な分析や計算作業を行うのに多くの時間がかかることと、画像の表示速度が遅いことですが、画像のズームが歪むことはなく、画像の保存スペースが少なくて済むことです。ずっと小さい。したがって、ベクター グラフィックスは、さまざまな図やプロジェクトを保存するのに適しています。
データ
画像処理は、ビデオ、静止画像、Berkeley セグメンテーション データ セットおよびベンチマーク 500 (BSDS500)、サイモン フレイザー大学のさまざまな照明オブジェクトの画像データベース、ニューラル ネットワーク顔認識データ、CBCL などのその他の形式を含む、大量かつ豊富な基本データから切り離すことができません。 -MIT StreetScenes（MITストリートビューデータベース）など
デジタル化
自然な形で存在する画像を、サンプリングと量子化のプロセスを通じてコンピュータ処理に適したデジタル形式に変換します。コンピューター内では画像は数値の行列として表現され、行列の各要素はピクセルと呼ばれます。画像のデジタル化には特殊な装置が必要です。一般的に使用されるのは、さまざまな電子および光学スキャン装置、電気機械スキャン装置、手動デジタイザーです。
画像コーディング
送信および保存の要件を満たすために画像情報をエンコードします。符号化により画像の情報量は圧縮されますが、画質はほとんど変わりません。この目的を達成するには、アナログ処理技術を使用し、アナログからデジタルへの変換を通じて符号化することができますが、ほとんどの場合はデジタル符号化技術が使用されます。符号化方法には、画像を1点ずつ処理する方法と、画像に何らかの変換を適用したり、領域や特徴に基づいて符号化する方法があります。パルス符号変調、差分パルス符号変調、予測符号、およびさまざまな変換が一般的に使用される符号化技術です。
画像圧縮
デジタル化して得られる画像のデータ量は非常に膨大であり、一般的なデジタル画像は通常500×500または1000×1000ピクセルで構成されます。動画の場合はデータ量が大きくなります。したがって、画像の保存と送信には画像圧縮が非常に必要です。
画像圧縮には、可逆圧縮と非可逆圧縮の 2 種類の圧縮アルゴリズムがあります。最も一般的に使用される可逆圧縮アルゴリズムは、空間または時間における隣接するピクセル値の差を取得して、エンコードします。ランレングスコードは、そのような圧縮コードの例です。非可逆圧縮アルゴリズムのほとんどは、画像に対して高速フーリエ変換や離散コサイン変換を実行するなど、画像交換の方法を採用しています。画像圧縮の国際標準として使用されている JPEG と MPEG はどちらも非可逆圧縮アルゴリズムです。前者は静止画像に使用され、後者は動画像に使用されます。それらはすべてチップによって実現されます。
強化された回復
画像強調の目的は、コントラストの向上、ぼやけやノイズの除去、幾何学的な歪みの修正など、画像の品質を向上させることです。画像復元は、既知のぼやけやノイズを持つモデルを仮定して元の画像を推定しようとする技術です。ノイズ。
画像強調は、使用される方法に応じて周波数領域方法と空間領域方法に分類できます。前者は画像を２次元信号とみなし、２次元フーリエ変換に基づいて信号強調を行う。ローパス フィルタリング (つまり、低周波信号のみを通過させる) を使用すると画像のノイズを除去でき、ハイパス フィルタリングを使用するとエッジなどの高周波信号が強調され、ぼやけた画像が鮮明になります。代表的な空間領域アルゴリズムには、ローカル平均法やメディアン フィルタリング (ローカル近傍の中間ピクセル値を取得する) などがあり、ノイズを除去したり弱めたりするために使用できます [3] 。
初期のデジタル画像復元も周波数領域の概念から生まれました。現代の方法は代数的方法、つまり大きな連立方程式を解くことによって理想的な姿を復元する方法です。
入手困難な写真や撮影条件が非常に悪い写真に対して、画質向上を目的とした画像補正や画像修復が広く行われています。たとえば、宇宙から撮影した地球や他の惑星の写真、電子顕微鏡や X 線で撮影した生物医学写真などです。
画像強調 では、画像を鮮明にしたり、人間や機械による分析により適した形式に変換したりできます。画像修復とは異なり、画像補正では元の画像を忠実に反映する必要はありません。逆に、目立つ輪郭線など、何らかの歪みを含む画像は、歪みのない元の画像よりも鮮明になる場合があります。一般的に使用される画像強調方法は次のとおりです: ①グレー レベル ヒストグラム処理: 処理された画像の特定のグレー範囲でより良いコントラストを持たせるため; ②干渉抑制: ローパス フィルター処理、複数画像の平均化、および特定の種類のドメイン オペレーターおよびその他の処理の実装を通じて、画像に重畳されるランダムな干渉を抑制する、③エッジシャープニング：ハイパスフィルタリング、微分演算、または何らかの変換により、グラフィックの輪郭を強調する、④疑似カラー処理：白黒画像をカラー画像に変換し、人々は画像に含まれる情報を簡単に分析して検出できます。
画像復元は、 画像取得プロセスにおけるさまざまな原因による劣化を除去または軽減します。そのような理由としては、光学システムの収差や焦点ぼけ、カメラ システムと物体間の相対運動、電子システムや光学システムのノイズ、カメラ システムと物体間の大気の乱流などが考えられます。画像復元には一般的に 2 つの方法が使用されます。画像自体の性質が不明な場合は、劣化原因の数学的モデルを確立し、復元アルゴリズムを実装して劣化原因の影響を除去または軽減できます。画像自体について事前の知識がある場合、元の画像のモデルを確立でき、観察された劣化画像から元の画像を検出することで画像を復元できます。
画像セグメンテーションでは、画像をいくつかの重複しない領域に分割します。各領域は連続したピクセルのセットです。一般に、画素を特定の領域に分割するエリア法と、領域間の境界を求める境界法が使用されます。領域法では、切り出したオブジェクトと背景のコントラストに応じて閾値演算を行い、オブジェクトと背景を分離します。固定のしきい値では満足のいくセグメンテーションが得られない場合がありますが、局所的なコントラストに応じてしきい値を調整することができます。これを適応しきい値と呼びます。境界法はさまざまなエッジ検出手法を使用し、画像のエッジの大きな勾配値に従って検出します。これらの方法はどちらも、画像のテクスチャ特性を利用して画像のセグメンテーションを実現できます。
形態学
形態学という用語は一般に、動物や植物の形状と構造を扱う生物学の分野を指します。この用語は、境界、骨、凸包などの領域の形状を表現および記述する際に役立つ画像コンポーネントを抽出するためのツールとして、数学的形態学の文脈でも使用されます。さらに、形態学的フィルタリング、細線化、クリッピングなどの前処理および後処理のための形態学的技術にも焦点を当てています。
数学的形態学の基本操作
数学的形態学には、腐食、膨張、開閉という 4 つの基本操作があります。数理形態学手法では、構造要素と呼ばれる「プローブ」を使って画像情報を収集し、プローブが画像内で常に移動することにより、画像の各部分の関係を調べることで画像の構造的特徴を理解することができます。連続空間において、グレースケール画像の収縮、膨張、開閉操作はそれぞれ次のように表される。
腐食
エロージョンは、バイナリ イメージ内のオブジェクトを「縮小」または「薄く」します。収縮の方法と程度は、構造要素によって制御されます。数学的には、A は B によって腐食され、AΘB と表され、次のように定義されます。
腐食操作
言い換えれば、B による A の浸食は、すべての構造要素の原点位置のセットであり、変換された B と A の背景は重なりません。
拡大する
拡大
膨張とは、バイナリ画像を「長くする」または「太くする」操作です。この特定の方法と厚みの程度は、構造要素と呼ばれるコレクションによって制御されます。構造要素は通常、0 と 1 の行列で表されます。数学的には、膨張は集合演算として定義されます。A は B によってインフレートされ、A⊕B と表され、次のように定義されます。 このうち、Φ は空集合、B は構造要素です。つまり、A による B の拡張は、すべての構造要素の原点位置のセットであり、マッピングおよび変換された B は A の少なくとも一部と重複します。拡張中の構造要素のこの変換は、空間畳み込みに似ています。
拡張は交換法則、つまり A⊕B=B⊕A を満たします。画像処理では、A⊕B の最初のオペランドを画像、2 番目のオペランドを構造要素とすることがよくありますが、構造要素は画像よりもはるかに小さいことがよくあります。
拡張は結合法則、つまり A⊕(B⊕C)=(A⊕B)⊕C を満たします。構造要素 B が 2 つの構造要素 B1 と B2 の拡張として表現できるとします。つまり、B=B1⊕B2、すると、A⊕B=A⊕(B1⊕B2)=(A⊕B1)⊕B2 となります。つまり、B を使用します。 A を展開することは、最初に A を B1 で展開し、次に前の結果を B2 で展開することと同じです。B は 2 つの構造要素 B1 と B2 に分解できると言います。膨張の計算に必要な時間は構造要素内のゼロ以外のピクセルの数に比例するため、結合性は重要です。結合法則により、構造要素を分解し、サブ構造要素で拡張操作を実行すると、多くの場合、非常に客観的な速度向上が達成されます。
オンにする
オープン操作
B による A の形態学的オープン操作は、A?B と記録できます。この操作は、A が B によって侵食され、その後 B によって拡張および侵食された結果です。
オープニング操作の数式は次のとおりです。
オープン操作
このうち、∪{・}は中括弧内のすべての集合の和集合を指します。この式の単純な幾何学的解釈は次のとおりです。A−B は、A 内での B の完全一致の翻訳の和集合です。形態学的オープニング操作は、構造要素を含めることができないオブジェクト領域を完全に削除し、オブジェクトの輪郭を滑らかにし、狭い接続を切断し、小さな突起を削除します。
閉鎖
A は、B の形態学的閉鎖操作によって A B として記録されます。これは、最初の膨張とその後の腐食の結果です。
閉じる操作
幾何学的には、A B は、A と重複しない B のすべての翻訳の和集合です。オープニング操作と同様に、形態学的クロージング操作はオブジェクトの輪郭を滑らかにします。次に、開く操作とは異なり、閉じる操作は一般に狭い隙間を接続して細い曲がりを形成し、構造要素よりも小さな穴を埋めます。
これらの基本操作に基づいて、さまざまな数学的形態学の実用的なアルゴリズムを導出して組み合わせることができ、画像のセグメンテーション、特徴抽出、境界検出、画像ノイズの低減、画像の強調と復元などを含む、画像の形状と構造の分析と処理に使用できます。 。
画像解析
画像から有用な測定値、データ、または情報を抽出します。目的は、何らかの数値結果を取得することであり、別の画像を生成することではありません。画像解析の内容はパターン認識や人工知能の研究分野と重複しますが、画像解析は一般的なパターン認識とは異なります。画像分析は、画像内の特定の領域を固定数のカテゴリに分類することに限定されず、主に分析対象の画像の説明を提供します。そのためには、パターン認識技術と、人工知能における知識表現の内容である画像コンテンツの知識ベースを併用する必要がある。画像分析では、画像セグメンテーション手法を使用して画像の特徴を抽出し、画像を象徴的に記述する必要があります。この記述は、画像内に特定のオブジェクトが存在するかどうかを答えるだけでなく、画像の内容を詳細に記述することもできます。
画像処理のさまざまな内容は相互に関連しています。実際の画像処理システムでは、必要な結果を得るために、いくつかの画像処理技術を組み合わせて適用することがよくあります。画像のデジタル化は、画像をコンピューター処理に適した形式に変換するための最初のステップです。画像コーディング技術を使用して画像を送信および保存できます。画像の強調と復元は、画像処理の最終目的である場合もあれば、さらなる処理の準備である場合もあります。画像セグメンテーションを通じて得られた画像特徴は、最終結果として使用でき、また次の画像分析の基礎としても使用できます。
画像のマッチング、記述、認識では、画像を比較して登録し、スコアリングを通じて画像の特徴と相互関係を抽出し、画像の記号的記述を取得して、それらをモデルと比較して分類を決定します。画像マッチングでは、2 つの画像間の幾何学的対応を確立し、それらがどの程度似ているか、または異なっているかを測定します。マッチングは、異なる時間に撮影された写真間でシーンの変化を検出したり、移動する物体の軌跡を見つけたりするなど、写真間または写真と地図間の位置合わせに使用されます。
画像からいくつかの有用なメトリクス、データ、または情報を抽出することは、画像分析と呼ばれます。画像解析の基本的な手順は、画像をいくつかの重複しない領域に分割し、各領域は連続したピクセルのセットであり、それらの特性と関係を測定し、最後に取得した画像の関係構造をシーンの分類を記述するモデルと比較することです。 、そのタイプを決定します。認識または分類の基礎は画像の類似性です。単純な類似性は、領域特徴空間内の距離によって定義できます。ピクセル値に基づくもう 1 つの類似性尺度は、画像関数の相関です。リレーショナル構造で定義される最後のタイプの類似性は、構造的類似性と呼ばれます。
画像の分析と理解を目的としたセグメンテーション、記述、認識は、文字やパターンの認識、ロボットによる製品の組み立てと検査、軍事目標の自動認識と追跡、指紋認識、X線写真など、さまざまな自動化システムで使用されます。血液サンプルなどの自動処理も可能です。このようなアプリケーションでは、パターン認識やコンピューター ビジョンなどのテクノロジーを総合的に適用する必要があることが多く、画像処理は前処理としての役割が多くなります。
マルチメディア アプリケーションの台頭により、画像圧縮技術の応用が大幅に促進されました。ビデオテープなどの動画像も含めた画像をデジタル画像に変換し、文字、音声、グラフィックスなどとともにコンピュータに保存し、コンピュータ画面に表示します。その応用は教育、トレーニング、エンターテインメントなど新たな分野にまで拡大していきます。
応用
写真撮影と印刷
衛星画像処理
医用画像処理
顔認識、特徴認識（顔検出、特徴検出、顔識別）
顕微鏡画像処理
共通ソフトウェア
アドビフォトショップ
ソフトウェアの特徴:最も人気と使用率が高い画像処理ソフトウェア。
ソフトウェアの利点:業界標準の Adobe Photoshop CS ソフトウェアを使用すると、グラフィックや Web デザイン、写真、ビデオに不可欠な新機能を提供しながら、より良い結果をより迅速に得ることができます。
同等のソフトウェアとの比較:今回の Adobe は、デザイナーに大きな驚きをもたらしました. Photoshop CS は、特に写真家にとって多くの強力な機能を追加しました. 今回は、以前の Photoshop シリーズを大きく打ち破りました. この製品は、グラフィックの限界にさらに注意を払っていますデザインを進化させ、デジタル暗室のサポート機能を大幅に強化・突破しました。
最新バージョン: 2016 年 11 月 2 日に、Adobe は Photoshop CC 2017 の最新バージョンを更新しました。
アドビイラストレーター
ソフトウェアの特徴: 強力な機能とフレンドリーなインターフェイスを備えたプロフェッショナルなベクター描画ツール。
ソフトウェアの利点:印刷や出版用の線画を作成するデザイナーやプロのイラストレーター、マルチメディア画像を作成するアーティスト、またはインターネット ページやオンライン コンテンツのプロデューサーであっても、Illustrator はアート製品のためのツールであるだけではなく、小規模な設計から大規模で複雑なプロジェクトまで、ほとんどのプロジェクトに適しています。
同等のソフトウェアとの比較: 機能は非常に強力で、操作は非常にプロフェッショナルです。Photoshop、Primere、Indesign などの Adobe の他のソフトウェアとの互換性が高く、プロの分野では明らかな利点があります。
コーレルドロー
ソフトウェアの特徴:フレンドリーなインターフェイスデザイン、広いスペース、繊細な操作。互換性が良い。
ソフトウェアの利点:卓越したデザイン能力は、商標デザイン、ロゴ作成、モデル描画、イラスト描画、組版、色分解出力などのさまざまな分野で幅広く使用されます。市場をリードするファイル互換性と高品質のコンテンツにより、アイデアをプロの作品に変えることができます。特徴的なロゴやエンブレムから、目を引くマーケティング資料や目を楽しませる Web グラフィックまで、あらゆるものがあります。
同業ソフトとの比較：機能が強力で互換性に優れ、他のソフトと互換性のある様々なフォーマットを生成でき、Illustratorよりも操作が簡単で、国内の中小広告デザイン会社での採用率が高い。
牛の画像
ソフトウェアの特徴: Keniu Image は、美白やニキビの除去、小顔効果、スターシーン、複数写真のオーバーレイなどのユニークな機能と、スタジオを作成できる 50 以上の写真特殊効果を備えた新世代の画像処理ソフトウェアです。プロレベルの写真を数秒で撮影できます。
ソフトウェアの利点:写真編集、ポートレートの美しさ、シーンカレンダー、透かしアクセサリーの追加、さまざまな芸術的なフォントの追加、ダイナミックなフラッシュ写真の作成、ボブルヘッド人形、マルチ写真ステッチなど、人々が思いつくすべての機能があり、使いやすいです。
同等のソフトウェアとの比較:シーン カレンダー、ダイナミック フラッシュ、ボブルヘッド人形などは、従来の画像処理ソフトウェアでは利用できません。Keniu Imaging を使用すると、Photoshop などの写真加工に専門的なスキルは必要ありません。
影の魔法の手
ソフトウェアの特徴：「nEO iMAGING」〖光と影のマジックハンド〗は、デジタル写真の画質を向上させ、効果を加工するためのソフトウェアです。シンプルで使いやすく、プロの画像技術がなくてもプロのフィルム写真のカラー効果を作成できます。
ソフトウェアの利点:リバーサルフィルムの効果をシミュレートし、写真のコントラストをより鮮明にし、色を明るくします。リバースネガプロセスの効果をシミュレートします。色は奇妙で斬新です。さまざまな種類の白黒フィルムの効果をシミュレートします。コントラスト、コントラスト、デジタル写真はまったく異なります。
他社ソフトとの比較：写真の画質向上とカスタマイズ処理を行うソフトです。シンプルで使いやすく、誰でも美しいフォトフレーム、芸術的な写真、プロのフィルム効果を完全に無料で作成できます。
ACDSee
ソフトウェアの機能:家族や友人、または趣味で撮った芸術的な写真など、どのような種類の写真を撮っても、それらを迅速かつ簡単に整理、表示、修正、共有するには写真管理ソフトウェアが必要です。
ソフトウェアの利点: ACDSee 9 は、あらゆるストレージ デバイスから迅速に「写真を取得」し、パスワードで保護された「プライベート フォルダ」の新機能を使用して機密情報を保存できます。
競合製品との比較:強力な電子メール オプション、スライドショー、CD/DVD 書き込み、写真の共有を簡単にする Web アルバム ツール。赤目除去、色かぶり除去、露出調整、写真修正ツールなどの簡単な修正で写真を改善します。
マクロメディアフラッシュ
ソフトウェアの機能: HTML 検査、HTML 形式制御、HTML 形式オプションなどを含む、最新の Web テクノロジをサポートする視覚的な Web ページ デザインおよび Web サイト管理ツール。
ソフトウェアの利点:新しいビデオおよびアニメーション機能に加えて、新しい描画効果とより優れたスクリプト サポートも提供し、一般的なビデオ編集およびコーディング ツールも統合し、ユーザーが携帯電話などで Flash コンテンツをテストできるようにするソフトウェアも提供します。新しい機能。
他社ソフトとの比較:編集時、可視化方法やソースコード編集方法をお好みで選択できます。
Ulead GIF アニメーター
ソフトウェアの特徴: Youli Company が公開したアニメーション GIF 制作ソフトウェア。内蔵プラグインにはすぐに適用できる既製の特殊効果が多数あり、AVI ファイルをアニメーション GIF ファイルに変換でき、アニメーション GIF 画像を最適化することもできます。 Web ページに配置されたアニメーション GIF 画像の重さが軽減され、Web をより速く閲覧できるようになります。
ソフトウェアの利点:これは、Ulead Systems.Inc. によって作成された非常に便利な GIF アニメーション作成ソフトウェアです。Ulead GIF Animator は、一連の画像を GIF アニメーション形式で保存できるだけでなく、Web アニメーション作成の要件を満たすのに十分な 20 種類以上の 2D または 3D ダイナミック エフェクトを生成することもできます。
同等のソフトウェアとの比較:他のグラフィック ファイル形式とは異なり、GIF ファイルには複数の画像を保存できますが、このとき、GIF は保存されている画像をスライド ショーのように順番に表示し、アニメーションの周期を形成します。
転載元：百度百科 - 検証