圖像處理（以及機器視覺）在學校裏是一個很大的研究方向，很多研究生、博士生都在導師的帶領下從事着這方面的研究。另外，就工作而言，也確實有很多這方面的崗位和機會虛位以待。而且這種情勢也越來越凸顯。那麼圖像處理到底都研究哪些問題，今天我們就來談一談。圖像處理的話題其實非常非常廣，外延很深遠，新的話題還在不斷涌現。下面給出的12個大的方向，系我認爲可以看成是基礎性領域的部分，而且它們之間還互有交叉 1、圖像的灰度調節 圖像的灰度直方圖、線性變換、非線性變換（包括對數變換、冪次變換、指數變換等）、灰度拉伸、灰度均衡、直方圖規定化等等）。 例如，直方圖規定化（代碼請見http://blog.csdn.net/baimafujinji/article/details/41146381）
CLAHE(contrast limited adaptive histogram equalization)自適應的直方圖均衡（效果圖來自 http://www.cnblogs.com/Imageshop/archive/2013/04/07/3006334.html）
2、圖像的幾何變換 圖像的平移、圖像的鏡像、轉置、縮放和旋轉。這裏面其實還包含了插值算法（這是某些幾何變換所必須的），例如最鄰近插值法、雙線性插值法等等） 幾何變換同時和圖像的濾鏡特效是緊密聯繫的，某些特效的實現本質上就是某種類型的幾何變換。例如
3、圖像的特效與濾鏡 這方面的應用很多，你可以想想Photoshop裏面的濾鏡。 文獻Combining Sketch and Tone for Pencil Drawing Production中給出的將自然圖像變成手繪素描圖的效果
例如浮雕效果
貼圖太煩了，更多效果請見http://blog.csdn.net/baimafujinji/article/details/50500757 4、圖像增強 內容包括圖像的平滑（簡單平均、中值濾波、高斯平滑等）和銳化（例如Laplace方法）等。
增強處理中的很多算法其實和圖像復原中的降噪算法是重合的。現在保持邊緣（或紋理結構）的平滑算法屬於研究熱點。像那些美顏相機裏的嫩膚算法都是以此爲基礎的。比較常見的雙邊濾波（我給出的代碼請見http://blog.csdn.net/baimafujinji/article/details/41598455）
基於全變分方法的TV去噪（http://blog.csdn.net/baimafujinji/article/details/42110831）、基於PM方程的非線性擴散去噪（http://blog.csdn.net/baimafujinji/article/details/42110831）等等。 5、圖像復原 廣義上來說——圖像降噪，圖像去霧，圖像去模糊 都屬於這個範疇 去噪實例是我用MagicHouse（http://blog.csdn.net/baimafujinji/article/details/50500757）實現的中值濾波處理椒鹽噪聲的效果。此外，一些基於非局部均值的降噪算法是當前研究的熱點（例如BM3D、NLM等）
圖像去模糊（圖片取自我的《數字圖像處理原理與實踐（Matlab版）》）
去霧代碼請見（http://blog.csdn.net/baimafujinji/article/details/30060161）或參考我的《數字圖像處理原理與實踐（Matlab版）》
6、圖像的壓縮與編碼 想想BMP圖像如何轉換成JPG，JPG如何變成PNG？這些都屬於圖像壓縮編碼所要探討的內容。 7、邊緣檢測與輪廓跟蹤 邊緣檢測在圖像處理中是一個“古老”的話題了，我就不具體給例子了。下面是一個輪廓跟蹤的例子
8、圖像分割 你可以認爲輪廓跟蹤也是實現圖像分割的一種途徑。 這是我在《數字圖像處理原理與實踐（Matlab版）》中給出的一個例子——用分水嶺算法對馬鈴薯圖像進行分割。
9、圖像的形態學處理 這也屬於一種非常古老的圖像處理方式了。包括膨脹、腐蝕、細化、擊中/擊不中、開/閉運算等。但一些對顆粒狀物體進行計數的應用中它仍然非常有效。
10、圖像的頻域變換（或稱正交變換） 傅立葉、離散餘弦、沃爾什-哈達瑪變換、K-L（卡洛南-洛伊）變換（也稱霍特林變換或PCA）、小波變換（小波變換還分很多種，例如Haar小波、Daubechies小波等等） 僅僅進行頻域變換其實並沒有多大意義，它往往要與具體應用相結合來發揮作用。例如進行圖像壓縮、嵌入數字水印、進行圖像融合、進行圖像降噪等等。 例如，利用PCA進行圖像壓縮的例子請見 http://blog.csdn.net/baimafujinji/article/details/50373143（源代碼請見我的博文）
在比如，利用小波融合對由聚焦失敗導致的圖像模糊進行修復 （本來左圖和中圖各有部分看不清，融合後變得可以辨識）源代碼可見 http://blog.csdn.net/baimafujinji/article/details/49642111
11、圖像融合 廣義上說融合至少包含三部分內容：像上面的基於小波的Fusion我們也認識是融合的一種，另外一種是以隱藏爲目的類似嵌入式的融合，第三種是matting。matting有時反義成摳圖，其實它最原本的意思就是融合。如果你理解 I = aF +（１－ａ）Ｂ這個融合公式的話，你應該明白我在所什麼。這本質上和第二種融合原理是一樣的。 狹義上，融合就是指matting。 例如 著名的Possion融合，下圖右，如果直接把月亮圖貼上天空，矩形邊緣是很明顯的，融合處理後的左圖則很自然。 代碼可見 http://blog.csdn.net/baimafujinji/article/details/46787837
電影技術中常用matting方法來替換人物的場景。例如
12、圖像信息安全 主要包括兩個內容：1）數字水印（主要用於多媒體的版權保護）；2）圖像的加密（主要用於圖像信息的保護） 例子是我用MagicHouse（http://blog.csdn.net/baimafujinji/article/details/50500757）實現的加密效果
注意上面我們所討論的領域僅僅是圖像處理的範疇，並不涉及機器視覺。所以也沒有任何機器學習的內容，有時間我們再繼續討論這方面的東西。