数字图像处理是指将图像信号转换为数字信号，然后由计算机处理该信号的过程。 20世纪50年代，电子计算机已经发展到一定的水平，人们开始利用计算机处理图形和图像信息，这是早期的图像处理。 早期图像处理的目的是改善图像质量，以人为本，改善人的视觉效果。 数字图像处理作为一门学科形成于20世纪60年代初期。 图像处理一般输入质量低的图像，但输出质量改善的图像。 常见的图像处理方法包括图像增强、恢复、编码和压缩。
以下视频图像简要介绍数字图像处理的常用技术方法。
图像编码压缩：图像编码和压缩技术减少了描述图像的数据量(即位数)，并减少了图像传输、处理时间和内存消耗。 压缩可以在不失真的情况下进行，也可以在允许的失真条件下进行。 编码是压缩技术中最重要的方法和图像处理技术中发展最成熟的技术。
图像变换：由于图像阵列较大，在空间域直接处理，计算量较大。 因此，多采用傅立叶变换、沃尔什变换、离散馀弦变换等间接处理技术，将空间域处理变换为变换域的处理。 这样不仅可以减少计算量，还可以实现傅立叶变换在频域进行数字滤波等更高效的处理。 小波变换这种方式在时域和频域都具有良好的局部化特性，在图像处理中也得到了广泛有效的应用。
图像描述：图像描述是图像识别和理解的必要前提。 作为最简单的二值图像，可以使用该几何特性来描述物体的特性，并且作为一般图像描述方法，可以使用存在边界描述和区域描述两种方法的二维形状描述。 二维纹理特性描述可用于特殊纹理图像。 随着图像处理研究的深入，三维物体描述的研究已经开始，提出了体积描述、表面描述、广义圆柱描述等方法。
图像分割：图像分割是数字图像处理中的关键技术之一。 图像分割是指提取图像中有意义的特征部分，该有意义的特征例如图像中的边缘、区域等进一步成为进行图像识别、分析、理解的基础。 目前，边缘提取、区域分割方法研究较多，但尚无普遍适用于各种图像的有效方法。 因此，关于图像分割的研究还在不断深入，是当前图像处理中的研究热点之一。
图像增强和复原：图像增强和恢复的目的是提高图像质量，包括去噪、提高图像清晰度等。 强调图像感兴趣的部分，而不考虑图像增强图像质量下降的原因。 增强图像的高频成分，可以使图像中物体的轮廓清晰，细节清晰； 增强低频分量可以降低图像中噪声的影响。 图像复原需要对图像质量下降的原因有一定的了解，一般要根据质量下降过程建立“质量下降模型”，并采用某些滤波方法对原始图像进行复原或重建。
图像分类（识别）：图像分类(识别)属于模式识别的范畴，其主要内容是对图像进行某些预处理(增强、恢复、压缩)，然后进行图像分割和特征提取，进行判决分类。 图像分类多采用典型的模式识别方法，有统计模式分类和句法模式分类，近年来新发展的模糊模式识别和人工神经网络模式分类也越来越受到图像识别的重视。
接下来，视频图像将介绍图像的基本属性。
图像的亮度：也称为灰度，颜色的明暗变化，通常表示为0 %~ 100 % (从黑到白)。 以下三幅图是不同亮度的对比。
图像的对比度：即屏幕的黑与白之比，即从黑到白的渐变。 比率越大，从黑到白的渐变越多，色彩表现越丰富。 以下两幅图是不同对比度下的屏幕比较。
直方图：代表图像中每个灰度的像素数，反映了图像中每个灰度的出现频率。 在计算机上保存图像的形式就像多个点构成矩阵，这些点沿着矩阵排列整齐，各点的值是图像的灰度值，直方图是各灰度在该点矩阵中出现的次数。 下图是图像的灰度直方图。
像图像的噪声：听觉一样，打电话时如果对方在说话，可能会听到吵闹得听不清对方在说什么。 同样，图像本来也可以清晰地看到图像，但图像可能带有不需要的图案，导致图像看不清楚。 这就是图像的噪音。
除了前面介绍的常用数字图像处理技术方法之外，一般还有以下几种方法：
直方图均衡化：将一个图像通过灰度转换转换为具有另一个均衡直方图的图像(即在一个灰度范围内具有相同像素点数的图像)的过程。
图像的加减运算：张图像的加减运算是对与图像对应的存储矩形点列上的灰度值进行加减运算。 将图像相加后，可以将一个图像的内容与另一个图像相加以实现二次曝光，也可以对同一场景的多个图像进行平均化，从而降低噪声。 图像减法可以用于检测或移除图像中不需要的加性图案。
g>常用的去噪方法：主要是采用滤波器对带噪声图像进行滤波处理，如算术平均滤波、中值滤波等。
随着计算机技术的发展，数字图像处理技术已经深入到我们生活中的方方面面，其中，在娱乐休闲上的应用更是深入人心，如电影特效制作、电脑电子游戏、数码相机、视频播放、数字电视等。维视图像公司研发的XAVIS软件平台和SVS工业智能相机系统等，均包含了丰富的数字图像处理技术和方法，可轻松完成各种数字图像处理任务，为客户的图像处理结果提供专业而可靠的保障。