图像处理原理简介
所谓“图像”泛指所有实际存在含有某种消息的信号，如含有人、事、物等的照片，而红外线摄影所获得的信号，则表示某些物体的温度分布。所谓图像处理就是为了某种目的对图像的强度(灰度值)分布视为一连串整数值的集合，经由不断的运算执行某些特定的加工和分析。
图像处理涵盖的范围十分很广泛，但是，所采用的基本原理和方法是一致的。整体说来，图像处理这门科学所研究的主要内容包括了图像数的模数转化(A/D
Image Transform)、图像的增强与复原(Image Enhancement and
Restoration)、图像编码与压缩(Image Encoding and Compression)、图像切割(Image
Segmentation)、图像的表示和描述(Image Representation and
Description)、图像特征匹配(Image Feature Matching)等。
图像切割：就是将图像中之标的物析出的处理过程。图像切割是图像分析过程中最重要的步骤之一，一般所采用的方法主要是边缘检测(Edge Detection)及临界值法(Thresholding)。
图像特征匹配：首先来了解一下特征匹配法中的“征”。举例来说，若要描述一个人，首先要说明他的特征。在外表方面，例如身高、体重等；在心理方面，例如和善的、好胜的、沉默的等；在事业方面，例如职业、收入等。
所谓匹配(Matching)或者说是“比对”，即将物体的特征与预存在计算机中之原型(Proto types)或样版(Template)的特征加以比较，若相似度(Similarity)或非相似度(Dissimilarity)小于或大于某预设的门槛值(Threshold)，则称两者匹配成功。匹配较倾向属于图形辨认(Pattern Recognition)范围，原因在于其中含有“分类”(Classification)或“辨认"(Repetition)意味。
特征匹配的常用方法有许多种：如最近邻居法(Nearest Neighbor Method)、二元决策树法(The Binary Decision Tree Method)、属于动态规画法(Dynamic Programming)的DP匹配法等。
特征匹配目的在于，使具有相同或类似待征的物体产生关联，以便于辨认或分类。图像处理在交通方面的应用体现在，用特征匹配法来区分不同的交通工具。举例而言，若图像中某物体长度4公尺，宽2公尺，形状呈矩形(以上皆为特征)，该物体极可能被分类为小汽车；若为长10公尺，宽2.5公尺的矩形，则可被分类为大型车(巴士、大货车)。
