從圖像中抽取某些有用的度量、數據或信息。目的是得到某種數值結果,而不是產生另一個圖像。圖像分析的內容和模式識別、人工智能的研究領域有交叉,但圖像分析與典型的模式識別有所區別。圖像分析不限于把圖像中的特定區域按固定數目的類別加以分類,它主要是提供關于被分析圖像的一種描述。為此,既要利用模式識別技術,又要利用關于圖像內容的知識庫,即人工智能中關于知識表達方面的內容。圖像分析需要用圖像分割方法抽取出圖像的特征,然后對圖像進行符號化的描述。這種描述不僅能對圖像中是否存在某一特定對象作出回答,還能對圖像內容作出詳細描述。
  圖像處理的各個內容是互相有聯系的。一個實用的圖像處理系統往往結合應用幾種圖像處理技術才能得到所需要的結果。圖像數字化是將一個圖像變換為適合計算機處理的形式的第一步。圖像編碼技術可用以傳輸和存儲圖像。圖像增強和復原可以是圖像處理的最后目的,也可以是為進一步的處理作準備。通過圖像分割得出的圖像特征可以作為最后結果,也可以作為下一步圖像分析的基礎。
  圖像匹配、描述和識別對圖像進行比較和配準,通過分制提取圖像的特征及相互關系,得到圖像符號化的描述,再把它同模型比較,以確定其分類。圖像匹配試圖建立兩張圖片之間的幾何對應關系,度量其類似或不同的程度。匹配用于圖片之間或圖片與地圖之間的配準,例如檢測不同時間所拍圖片之間景物的變化,找出運動物體的軌跡 [4] 。
從圖像中抽取某些有用的度量、數據或信息稱為圖像分析。圖像分析的基本步驟是把圖像分割成一些互不重疊的區域,每一區域是像素的一個連續集,度量它們的性質和關系,最后把得到的圖像關系結構和描述景物分類的模型進行比較,以確定其類型。識別或分類的基礎是圖像的相似度。一種簡單的相似度可用區域特征空間中的距離來定義。另一種基于像素值的相似度量是圖像函數的相關性。最后一種定義在關系結構上的相似度稱為結構相似度。
  以圖片分析和理解為目的的分割、描述和識別將用于各種自動化的系統,如字符和圖形識別、用機器人進行產品的裝配和檢驗、自動軍事目標識別和跟蹤、指紋識別、X光照片和血樣的自動處理等。在這類應用中,往往需綜合應用模式識別和計算機視覺等技術,圖像處理更多的是作為前置處理而出現的。
  多媒體應用的掀起,對圖像壓縮技術的應用起了很大的推動作用。圖像,包括錄像帶一類動態圖像將轉為數字圖像,并和文字、聲音、圖形一起存儲在計算機內,顯示在計算機的屏幕上。它的應用將擴展到教育、培訓和娛樂等新的領域