所謂“圖像”泛指所有實際存在含有某種消息的信號，如含有人、事、物等的照片，而紅外線攝影所獲得的信號，則表示某些物體的溫度分布。所謂圖像處理就是為了某種目的對圖像的強(qiáng)度(灰度值)分布視為一連串整數(shù)值的集合，經(jīng)由不斷的運算執(zhí)行某些特定的加工和分析。

 

    圖像處理涵蓋的范圍十分很廣泛，但是，所采用的基本原理和方法是一致的。整體說來，圖像處理這門科學(xué)所研究的主要內(nèi)容包括了圖像數(shù)的模數(shù)轉(zhuǎn)化(A/D Image Transform)、圖像的增強(qiáng)與復(fù)原(Image Enhancement and Restoration)、圖像編碼與壓縮(Image Encoding and Compression)、圖像切割(Image Segmentation)、圖像的表示和描述(Image Representation and Description)、圖像特征匹配(Image Feature Matching)等。

 

    圖像切割：就是將圖像中之標(biāo)的物析出的處理過程。圖像切割是圖像分析過程中最重要的步驟之一，一般所采用的方法主要是邊緣檢測(Edge Detection)及臨界值法(Thresholding)。

 

    圖像特征匹配：首先來了解一下特征匹配法中的“征”。舉例來說，若要描述一個人，首先要說明他的特征。在外表方面，例如身高、體重等；在心理方面，例如和善的、好勝的、沉默的等；在事業(yè)方面，例如職業(yè)、收入等。

 

    所謂匹配(Matching)或者說是“比對”，即將物體的特征與預(yù)存在計算機(jī)中之原型(Proto types)或樣版(Template)的特征加以比較，若相似度(Similarity)或非相似度(Dissimilarity)小于或大于某預(yù)設(shè)的門檻值(Threshold)，則稱兩者匹配成功。匹配較傾向?qū)儆趫D形辨認(rèn)(Pattern Recognition)范圍，原因在于其中含有“分類”(Classification)或“辨認(rèn)"(Repetition)意味。

 

    特征匹配的常用方法有許多種：如最近鄰居法(Nearest Neighbor Method)、二元決策樹法(The Binary Decision Tree Method)、屬于動態(tài)規(guī)畫法(Dynamic Programming)的DP匹配法等。

 

    特征匹配目的在于，使具有相同或類似待征的物體產(chǎn)生關(guān)聯(lián)，以便于辨認(rèn)或分類。圖像處理在交通方面的應(yīng)用體現(xiàn)在，用特征匹配法來區(qū)分不同的交通工具。舉例而言，若圖像中某物體長度4公尺，寬2公尺，形狀呈矩形(以上皆為特征)，該物體極可能被分類為小汽車；若為長10公尺，寬2.5公尺的矩形，則可被分類為大型車(巴士、大貨車)。