图像处理库都有哪些

1、photo shop是做得挺全面的工程应用

2、opencv在C++环境下的处理库是图像处理中主流数据库,

3、matlab也很强大，而且语言简单，适合直接对图像做处理，也比较直观

4、LEADTOOLS，这个是功能非常强大的图像多媒体库，但是这个是收费注册的。

5、开源的图像库也有不少，比如：ImageStone、GIMP、CxImage等，虽然它们的功能没有LEADTOOLS强大，但是一般的图像处理是可以应付的。

遥感图像分析的目的是通过各种方法手段对遥感图像进行有用信息的提取和解译。遥感图像解译中，通常将表征地物和地质现象遥感信息的影像特征称之为图像解译标志；将提取遥感信息的过程称之为图像解译（判译、判读）；而将遥感图像信息提取的种种手段称之为遥感图像解译方法。

目前，遥感图像信息提取的手段主要有三种：一是遥感图像的目视解译，它借助于简单的观察工具（如立体镜、放大镜等）凭肉眼鉴别影像，判断目标物的属性特征；二是遥感图像的光学处理，即采用光学仪器改进图像质量，压抑噪声，突出目标影像，提取有关信息；三是遥感图像的数字处理，即用计算机对数字化了的影像进行几何校正、增强等专门处理，达到提取目标物属性特征信息的目的。三种方法各有所长，但目视解译是基础，光学处理和数字处理是深入解译和提高解译水平不可缺少的技术手段，但其效果仍需要专业人员目视解译判断。随着计算机技术的高速发展，遥感信息已越来越多地采用数字记录和储存，故数字图像处理已经成为当今遥感图像处理的主要手段。本节主要介绍遥感图像的目视解译和遥感数字图像处理的基本方法。

2011 遥感图像目视解译

目视解译法的基本特点是能高度发挥解译者所掌握的专业基础知识和思维判断能力，降低判错概率，且具有简便易行的优点。只要有遥感图像资料，在任何场合都可以进行解译。遥感图像的目视解译中，解译效果取决于解译者的知识、技能和经验水平。

20111 遥感图像的地质解译标志

地质解译标志是表征地质体及地质形象遥感信息的影像特征。据其表现形式的不同，地质解译标志又分成为直接解译标志和间接解译标志两大类。前者是地质体及地质现象本身属性特征在遥感图像上的直接反映，如影像形状、大小、色调和阴影等；后者则是与地质体或地质形象具有相关关系的其他物体或现象所呈现出的影像特征，如地貌特征、水系格局、植被、土壤、水文和人类活动遗迹等，通过对它们的相关分析，也能判别这些地质体或地质形象的属性特征。

不同类型的地物，其电磁辐射特性不同。在影像上的反映就是形成各种各样的色、形信息：色，就是色调、颜色、阴影和反差等；形，就是形状、大小、空间布局、纹理等。“色”只有依附在“形”上来解译才有意义。色形差异也常常显示深部现象的“透视”信息。采取由此及彼、由表及里的综合分析和对比，从已知推未知，解译才会有好的效果。

20112 遥感图像目视解译的基本方法

目视解译最基本的方法是立体观察。它使用简单的光学立体镜，将二维平面图像转化为三维空间的立体光学模型，从而突出了地物的空间特征，使人眼睛易于辨认目标和确定其空间位置。

进行立体观察必须满足两个基本条件：一是具有立体像对，二是具有立体镜。立体像对指在相邻两个摄影基站对同一地面获取的一对具有相同比例尺和一定重叠的像片（图像）。立体镜是用来进行立体观察的专门仪器，它的主要作用是迫使观察者做到左眼只看左片（图像），右眼只看右片（图像），以获得良好的立体观察效果。

随着遥感技术的发展，遥感解译所使用的不仅是摄影方法得到的像片，而且还有红外扫描成像和雷达成像的图像等。应该指出，虽然它们的影像要素或特征也是形状、大小、阴影、周围环境、空间布局、色调等等，但是它们在不同波段成像的图像中所表达的含义有所不同。

20113 目视解译的方法与原则

（1）解译方法

对于各种不同的遥感图像的解译，主要差别在于目标物的具体解译标志有所不同；而解译的原则与方法则是一致的。目视解译中常用的方法主要是以下三种。

① 直判法。指运用直接解译标志来判断地质体或地质现象。这种方法简便可靠，但必须在地质体直接出露于地表，或覆盖很少，而且解译标志比较稳定时，才宜应用。如我国西北地区大多具备这种条件，许多地质体可用直判法予以确定。

② 对比法。这是最常用的一种方法。它通常包括几种情况，一是将遥感影像与地质实体进行对比；二是与已经工作过的邻区图像对比；三是与前人资料对比。通过对比，建立本区适用的确切可靠的解译标志。对比法也用于解译成果的野外验证。

③ 逻辑推理法。根据地质体和地质现象与地表其他景观要素的相关关系，运用地质学、地貌学、水文学、土壤学、地植物学等有关学科的理论进行综合分析、逻辑推理，从而确定目标物的属性。这里，主要是运用各种间接标志来判断被掩盖的地质体或地质现象，对我国南方地区的图像进行解译时，常常用到这种方法。

（2）解译原则

遥感图像解译的原则可概略如下。

① 宏观原则。在任何地区进行解译时，应先采用卫星图像或小比例尺航片略图，对影像总体轮廓进行研究。以获取整个工作区宏观构造格架的正确概念。这是下一步详细解译能否快速、准确地取得成果的关键，具有重大的指导意义。在此前提下，方能有效地开展各个局部的详细解译。

② 先易后难，循序渐进原则。整个解译工作必须做到循序渐进，方能提高工作效率，收到事半功倍之效。下面是一些实践经验的总结，可供参考。ⓐ 从比较了解的地段入手，向较陌生的地段推进，即从已知到未知。ⓑ 先解译影像清晰部分，后解译模糊部分。ⓒ 先山地，后平原；先构造，后岩性。ⓓ 先断裂，后褶皱。ⓔ 先线性构造，后环形构造。ⓕ 先岩浆岩，后沉积岩，再变质岩。ⓖ 先解译显露的，后解译隐伏的。其中，ⓓ、ⓔ、ⓕ三点灵活性较大，需根据影像显示程度决定先后。解译中，交错进行的情况也是常见的。

2012 遥感数字图像处理

遥感图像处理，特别是数字图像处理是增强、提取成矿环境地质、构造、矿化等有用信息的重要手段，同时也在资源、环境、农、林、牧、渔、国土整治、工程地质等领域中广泛应用，潜力很大。尤其是随着新一代遥感图像光谱分辨率、空间分辨率的提高，多时相、多类型遥感图像数据的融合以及遥感图像与其他数据的融合，将显得越来越重要。由于遥感图像记录了大量肉眼以及常规仪器难以发现的微弱的地物特征信息，如目标物的红外波谱信息、微波信息等，通过遥感图像数字处理提取这些标志信息，尤其是弱成矿标识信息，可大大增加人们鉴别目标的能力。实际上，当前随着计算机技术的发展，遥感图像处理的内容已远远超出了宏观图像的范畴，对遥感、物探、化探及地质、矿产数据都可以用图像处理方法来进行有效组合、综合与复合或进行增强、变换、分类及模式识别，提取一组特征标志进而形成找矿综合信息图（或图像）。

20121 数字图像

数字图像是一种以二维数组（矩阵）形式表示的图像。该数组由对连续变化的空间图像作等间距抽样所产生的抽样点——像元（像素）组成，抽样点的间距取决于图像的分辨率或服从有关的抽样定律；抽样点（像元）的量值，通常取抽样区间内色调（色彩）连续变化之地物的平均值，一般称作亮度值或灰度值；它们的最大、最小值区间代表该数字图像的动态范围。数字图像的物理含义取决于抽样对象的性质。对于遥感数宇图像，就是相应成像区域内地物电磁辐射强度的二维分布。在数字图像中，像元是最基本的构成单元。每一个像元的位置可由行、列（x，y）坐标确定；亮度值（z）通常以0（黑）到255（白）为取值范围。因此，任何一幅数字图像都可以通过X、Y、Z的三维坐标系表示出。例如，陆地卫星的MSS图像（图20-1），便可看作x=2340（行），y=3240（列），Z=0～255的三维坐标系。TM、SPOT等亦然，只是行、列数不同而已。

数字图像可以有各种不同的来源。大多数卫星遥感，如MSS、TM、SPOT、SAR图像等，地面景象的遥感信息都直接记录在数字磁带上。有关的遥感卫星地面站或气象卫星接收站均可提供相应的计算机兼容数字磁带（CCT）或数据光盘及其记录格式。应用人员只要按记录格式将图像数据输入计算机图像处理系统，即可获得数字图像，并进行各种图像处理。对于像片或胶片影像，则可通过电子-光学透射密度计和扫描器以及扫描仪等，将影像密度转换为数值，进而形成数字图像；对于非遥感的地学图件，如地形图、地质图、航磁图、重力图、化探元素异常图等等，也可通过数字化仪或扫描仪，转换为数字图像。同一地区不同来源的数字图像都可精确配准，并作复合处理。

图20-1中左图是一条扫描线上亮度值产生原理。左图中图像坐标和像元参考系与光学图像相比，数字图像量化等级高（256级）、失真度小、不同图像的配准精度高、传输及储存方便，尤为重要的是可由计算机进行各种灵活、可靠、有效的处理，使遥感图像获得更好的判读、分析等应用效果。

20122 数字图像处理

数字图像以不同亮度值像元的行、列矩阵组织数据，其最基本的特点就是像元的空间坐标和亮度取值都被离散化了，即只能取有限的、确定的值。所以，离散和有限是数字图像最基本的数学特征。所谓数宇图像处理，就是依据数字图像的这一数字特征，构造各种数学模型和相应的算法，由计算机进行运算（矩阵变换）处理，进而获得更加有利于实际应用的输出图像及有关数据和资料。故数字图像处理通常也称为计算机图像处理。

数字图像处理在算法上基本可归为两类：一类为点处理，即施行图像变换运算时只输入图像空间上一个像元点的值，逐点处理，直到所有点都处理完毕，如反差增强、比值增强等。另一类为邻域处理，即为了产生一个新像元的输出，需要输入与该像元相邻的若干个像元的数值。这类算法一般用作空间特征的处理，如各种滤波处理。点处理和邻域处理有各自不同的适应面，在设计算估时，需针对不同的处理对象和处理目标加以选择。

图20-1 陆地卫星MSS数字图像的构成原理

遥感数字图像处理，数据量一般很大，往往要同时针对一组数字图像（多波段、多时像等）做多种处理。因此，需要依据遥感图像所具有的波谱特征、空间特征和时间特性，按照不同的对象和要求构造各种不同的数学模型，设计出不同的算法；它不仅处理方法非常丰富，而且形成了自身的特色，已发展为一门专门的技术方法。

根据处理目的和功能的不同，目前遥感数字图像处理主要包括以下四方面的内容。

（1）图像恢复处理。旨在改正或补偿成像过程中的辐射失真、几何畸变、各种噪声以及高频信息的损失等。属预处理范畴，一般包括辐射校正、几何校正、数字放大、数字镶嵌等。

（2）图像增强处理。对经过恢复处理的数据通过某种数学变换，扩大影像间的灰度差异，以突出目标信息或改善图像的视觉效果，提高可解译性。主要包括有反差增强，彩色增强、空间滤波、图像变换增强等方法。

（3）图像复合处理。对同一地区各种不同来源的数字图像按统一的地理坐标作空间配准叠合，以进行不同信息源之间的对比或综合分析。通常也称多源（元）信息复合，既包括遥感与遥感信息的复合，也包括遥感与非遥感地学信息的复合。

（4）图像分类处理。对多重遥感数据，根据其像元在多维波谱空间的特征（亮度值向量），按一定的统计决策标准，由计算机划分和识别出不同的波谱集群类型，据此实现地质体的自动识别分类。有监督和非监督两种分类方法。

需要指出，数字图像处理经过近10多年的高速发展，其理论和方法逐步得到完善与发展，已经形成为一门研究内容丰富多彩的学科——数字图像处理学。限于篇幅，这里仅列出了遥感数字图像处理的一般过程（图20-2）。

20123 数字图像处理系统

遥感数字图像处理不仅数据量大，而且数据传输频繁，专业性强。因此，一般都要在专门的处理设备上进行。用以进行数字图像处理的专门计算机及其外围设备和有关的软件，即构成了数字图像处理系统，通常由硬件系统和软件系统两大部分组成。其中硬件系统，按目前国内外的发展趋势可分为大型专用机系统和微机图像处理系统两类。一般情况下，它们都包括以下一些基本的部件。

图20-2 遥感图像数字处理基本流程

（1）主机。进行各种运算、预处理、统计分析和协调各种外围设备运转的控制中心，是最基本的设备。一般为速度快、内存大的专用计算机。

（2）磁带机和光盘刻录机。连结数字磁带（CCT）或图像数据光盘和主机的数据传输装置，既可以输入原始图像数据，也可以将中间处理和最终处理的结果再转存记录到磁带上或光盘上。目前的微机图像处理系统大多都带有光盘刻录机，图像数据的输入和输出较为方便。

（3）图像处理机。是数字图像处理专用的核心设备，既具体承担各种图像处理功能的实施，如进行图像复原、几何校正、增强和分类等各种处理的数学运算，也是主机和各种输出输入设备的纽带。

（4）输出设备。用作处理结果的显示分析及记录和成图，包括彩色监视器或彩显，各种类型的打印机、绘图仪、胶片记录仪和扫描仪等等。

对于功能齐全的系统，除上述外，通常还包括有胶片影像的摄像或扫描数字化仪、图形数字化仪等输入设备。

软件系统系指与硬件系统配套的用于图像处理及 *** 作实施的各种软件。一般包括系统软件和应用软件两部分。前者又包括 *** 作系统和编译系统，主要用于输入指令、参数及与计算机“对话”；后者则是以某种语言编制的应用软件，存于硬件系统的应用程序库中，用户可按研究任务采用对话方式或菜单方式，发出相应的指令使用这些程序，由主机作运算处理，获得所需的结果。不同专业往往设计有各自的应用软件系统，故国际上已开发出各种各样的图形图像处理软件系统，针对微机也开发了一系列建立在Windows上的图形图像处理软件，如Photoshop等等，功能强大， *** 作也非常方便。

2013 遥感图像光学处理

光学图像处理是指以胶片方式记录的遥感影像或由数字产品转换来的影像胶片为处理对象，通过光学或电子光学仪器的加工改造，对遥感图像进行变换和增强的一种图像处理技术。

用作光学处理的仪器和技术手段很多，包括摄影处理、光电处理和相干光处理等等；处理方法上，则有密度分割、彩色合成、边缘增强、反差增强、光学图像比值、光学变换、光学编码等。其中较常用的是假彩色等密度分割和假彩色合成。

值得指出，随着计算机硬件和软件技术的高速发展，造价昂贵的光学图像处理系统基本上由计算机图像处理系统取代。因此，这里不再介绍。

PIL有如下几个模块：Image模块、ImageChops模块、ImageCrackCode模块、ImageDraw模块、ImageEnhance模块、ImageFile模块、ImageFileIO模块、ImageFilter模块、ImageFont模块、ImageGrab模块、ImageOps模块、ImagePath模块、ImageSequence模块、ImageStat模块、ImageTk模块、ImageWin模块、PSDraw模块

啊啊啊啊怎么这么多模块啊~~~！！！！

别担心我为你一一讲解

Image模块提供了一个相同名称的类，即image类，用于表示PIL图像。

Image模块是PIL中最重要的模块 ，比如创建、打开、显示、保存图像等功能，合成、裁剪、滤波等功能，获取图像属性功能，如图像直方图、通道数等。

Image模块的使用如下：

ImageChops模块包含一些算术图形 *** 作，这些 *** 作可用于诸多目的，比如图像特效，图像组合，算法绘图等等，通道 *** 作只用于8位图像。

ImageChops模块的使用如下：

由于图像im_dup是im的复制过来的，所以它们的差为0，图像im_diff显示时为黑图。

ImageCrackCode模块允许用户检测和测量图像的各种特性。 这个模块只存在于PIL Plus包中。

因为我目前安装的PIL中没有包含这个模块。所以就不详细介绍了

ImageDraw模块为image对象提供了基本的图形处理功能。 例如，它可以创建新图像，注释或润饰已存在图像，为web应用实时产生各种图形。

ImageDraw模块的使用如下：

在del draw前后显示出来的图像im是完全一样的，都是在原有图像上画了两条对角线。

原谅我的报错

ImageEnhance模块包括一些用于图像增强的类。它们分别为 Color类、Brightness类、Contrast类和Sharpness类。

ImageEnhance模块的使用如下：

图像im0的亮度为图像im的一半。

ImageFile模块为图像打开和保存功能提供了相关支持功能。另外，它提供了一个Parser类，这个类可以一块一块地对一张图像进行解码（例如，网络联接中接收一张图像）。这个类的接口与标准的sgmllib和xmllib模块的接口一样。

ImageFile模块的使用如下：

因为所打开图像大小大于1024个byte，所以报错：图像不完整。

所以大家想看的可以自行去找一个小一点的图看一下

ImageFileIO模块用于从一个socket或者其他流设备中读取一张图像。 不赞成使用这个模块。 在新的code中将使用ImageFile模块的Parser类来代替它。

ImageFilter模块包括各种滤波器的预定义集合，与Image类的filter方法一起使用。该模块包含这些图像增强的滤器：BLUR，CONTOUR，DETAIL，EDGE_ENHANCE，EDGE_ENHANCE_MORE，EMBOSS，FIND_EDGES，SMOOTH，SMOOTH_MORE和SHARPEN。

ImageFilter模块的使用如下：

ImageFont模块定义了一个同名的类，即ImageFont类。这个类的实例中存储着bitmap字体，需要与ImageDraw类的text方法一起使用。

PIL使用自己的字体文件格式存储bitmap字体。用户可以使用pilfont工具包将BDF和PCF字体描述器（Xwindow字体格式）转换为这种格式。

PIL Plus包中才会支持矢量字体。

ImageGrab模块用于将屏幕上的内容拷贝到一个PIL图像内存中。 当前的版本只在windows *** 作系统上可以工作。

ImageGrab模块的使用如下：

图像im显示出笔记本当前的窗口内容，就是类似于截图的工具

ImageOps模块包括一些“ready-made”图像处理 *** 作。 它可以完成直方图均衡、裁剪、量化、镜像等 *** 作 。大多数 *** 作只工作在L和RGB图像上。

ImageOps模块的使用如下：

图像im_flip为图像im垂直方向的镜像。

ImagePath模块用于存储和 *** 作二维向量数据。Path对象将被传递到ImageDraw模块的方法中。

ImagePath模块的使用如下：

ImageSequence模块包括一个wrapper类，它为图像序列中每一帧提供了迭代器。

ImageSequence模块的使用如下：

后面两次show()函数调用，分别显示第1张和第11张图像。

ImageStat模块计算一张图像或者一张图像的一个区域的全局统计值。

ImageStat模块的使用如下：

ImageTk模块用于创建和修改BitmapImage和PhotoImage对象中的Tkinter。

ImageTk模块的使用如下：

这个是我一直不太懂的有没有大佬能帮我解决一下在线等~急！

PSDraw模块为Postscript打印机提供基本的打印支持。用户可以通过这个模块打印字体，图形和图像。

PIL中所涉及的基本概念有如下几个： 通道（bands）、模式（mode）、尺寸（size）、坐标系统（coordinate system）、调色板（palette）、信息（info）和滤波器（filters）。

每张都是由一个或者多个数据通道构成。PIL允许在单张中合成相同维数和深度的多个通道。

以RGB图像为例，每张都是由三个数据通道构成，分别为R、G和B通道。而对于灰度图像，则只有一个通道。

对于一张的通道数量和名称，可以通过getbands()方法来获取。getbands()方法是Image模块的方法，它会返回一个字符串元组（tuple）。该元组将包括每一个通道的名称。

Python的元组与列表类似，不同之处在于元组的元素不能修改,元组使用小括号，列表使用方括号，元组创建很简单，只需要在括号中添加元素，并使用逗号隔开即可。

getbands()方法的使用如下：

图像的模式定义了图像的类型和像素的位宽。当前支持如下模式：

1：1位像素，表示黑和白，但是存储的时候每个像素存储为8bit。

L：8位像素，表示黑和白。

P：8位像素，使用调色板映射到其他模式。

I：32位整型像素。

F：32位浮点型像素。

RGB：3x8位像素，为真彩色。

RGBA：4x8位像素，有透明通道的真彩色。

CMYK：4x8位像素，颜色分离。

YCbCr：3x8位像素，彩色视频格式。

PIL也支持一些特殊的模式，包括RGBX（有padding的真彩色）和RGBa（有自左乘alpha的真彩色）。

可以通过mode属性读取图像的模式。其返回值是包括上述模式的字符串。

mode 属性 的使用如下：

通过size属性可以获取的尺寸。这是一个二元组，包含水平和垂直方向上的像素数。

mode属性的使用如下：

PIL使用笛卡尔像素坐标系统，坐标(0，0)位于左上角。注意：坐标值表示像素的角；位于坐标（0，0）处的像素的中心实际上位于（05，05）。

坐标经常用于二元组（x，y）。长方形则表示为四元组，前面是左上角坐标。例如：一个覆盖800x600的像素图像的长方形表示为（0，0，800，600）。

调色板模式 ("P")使用一个颜色调色板为每个像素定义具体的颜色值

使用info属性可以为一张添加一些辅助信息。这个是字典对象。加载和保存图像文件时，多少信息需要处理取决于文件格式。

info属性的使用如下：

对于将多个输入像素映射为一个输出像素的几何 *** 作，PIL提供了4个不同的采样滤波器：

NEAREST：最近滤波。 从输入图像中选取最近的像素作为输出像素。它忽略了所有其他的像素。

BILINEAR：双线性滤波。 在输入图像的2x2矩阵上进行线性插值。注意：PIL的当前版本，做下采样时该滤波器使用了固定输入模板。

BICUBIC：双立方滤波。 在输入图像的4x4矩阵上进行立方插值。注意：PIL的当前版本，做下采样时该滤波器使用了固定输入模板。

ANTIALIAS：平滑滤波。 这是PIL 113版本中新的滤波器。对所有可以影响输出像素的输入像素进行高质量的重采样滤波，以计算输出像素值。在当前的PIL版本中，这个滤波器只用于改变尺寸和缩略图方法。

注意：在当前的PIL版本中，ANTIALIAS滤波器是下采样 （例如，将一个大的图像转换为小图） 时唯一正确的滤波器。 BILIEAR和BICUBIC滤波器使用固定的输入模板 ，用于固定比例的几何变换和上采样是最好的。Image模块中的方法resize()和thumbnail()用到了滤波器。

resize()方法的定义为：resize(size, filter=None)=> image

resize()方法的使用如下：

对参数filter不赋值的话，resize()方法默认使用NEAREST滤波器。如果要使用其他滤波器可以通过下面的方法来实现：

thumbnail ()方法的定义为：imthumbnail(size, filter=None)

thumbnail ()方法的使用如下：

这里需要说明的是，方法thumbnail()需要保持宽高比，对于size=(200,200)的输入参数，其最终的缩略图尺寸为(182， 200)。

对参数filter不赋值的话，方法thumbnail()默认使用NEAREST滤波器。如果要使用其他滤波器可以通过下面的方法来实现：

中文学名：    雪滴花

拉丁学名：    Galanthus nivalis

别称：    雪铃花、铃兰水仙

雪滴花的名字最早出现于17世纪德国的文献中，那时新流行的一种泪珠状的耳环和该花的形状相似，而不是因为在下雪的天气开花命名的。人们根据其英文的解释多以为是花的形状像雪滴，其实是一种误解，但巧合之处也颇为有趣。雪滴花株丛低矮，花叶繁茂，不畏春寒，傲然开花。宜于半阴林下或草坪中丛植，又适合花境和岩石园中点缀，也可盆栽供室内摆设或做切花。

多年生草本，株高10～30厘米。鳞茎小，径18～25厘米，球形。叶丛生，

线状带形，绿色被白粉，长15～23厘米，宽13厘米。花亭直立，中空，扁圆形；顶端着花一朵，下垂；花模短；花被片6，椭圆形，无筒部，呈广钟形，白色，每裂片端具一绿点。花期早春3月下旬至4月

通常，在使用VC开发图像时，C/C++的默认库将不能提供足够的支持。所以要使用附加的库来实现图像的开发工作。通常，这样的库包括GDI，GDI+，OpenGL等。本文实现了在VC2010上配置GDI+（图像库）环境的方法。

1 新建一个Win32工程，在这里选择vc默认的非空白项目。

2 在头文件“stdafxh”最后末尾处中添加：

#include<gidplush>

using namespacegdiplus;

#pragmacomment(lib, "gdipluslib")

3 如果直接这样用的话，编译就可能会出现错误，有上百个错误，而且错误显示是在系统文件里面。

4 在网上查找原因，有两种方案解决这个问题： 1）把#define WIN32_LEAN_AND_MEAN宏注释了，这样再加入GDI+相关的东西，就不会出错。2）在stdafxh头文件里加入#include <comdefh>，这样也可以解决这个问题。

5 我在自己的工程上实验了一下，发现在stdafxh上更本找不到宏定义，所以也不存在注释的可能。然而，使用第二中情况，也遇到了问题。在头文件末尾添加<comdefh>并不能改变编译错误。

6 最后尝试变换了添加顺序接解决了这个问题。现头文件如下：

#pragma once

#include "targetverh"

#include <comdefh>

#include <stdioh>

#include <tcharh>

#define ULONG_PTR ULONG

#include <gdiplush>

using namespace Gdiplus;

#pragma comment(lib,"gdipluslib")

// TODO: 在此处引用程序需要的其他头文件

7 除了用以上的方法连接gdipluslib之外，还可以在Project->Settings->Link->Object/library modules中输入gdipluslib（若有多个库，可用空格隔开，但GDI+只有一个库）。这种方法，可不用在StdAfxh中输入#pragma comment。

（2）数字图像处理的主要内容

完整的数字图像处理工程大体上可分为如下几个方面：

①图像信息的获取(Image Information Acquisition)；

主要是把一幅图像转换成适合输入计算机或数字设备的数字信号，这一过程主要包括摄取图像、光电转换及数字化等几个步骤。

②图像信息的存贮(Image information Storage)

图像信息的突出特点是数据量巨大。一般作档案存贮主要采用磁带、磁盘或光盘。为解决海量存贮问题主要研究数据压缩、图像格式及图像数据库、图像检索技术等。

③图像信息的传送(Image information transmission)

图像信息的传送可分为系统内部传送与远距离传送。内部传送多采用DMA技术(Direct Memory Access）以解决速度问题，外部远距离传送主要解决占用带宽问题。目前，已有多种国际压缩标准来解决这一问题，图像通信网正在逐步建立。

④图像信息处理(Digital Image processing)

数字图像处理概括的说主要包括如下几项内容：

a几何处理(geometrical processing)

几何处理主要包括坐标变换、图像的放大、缩小、旋转、移动、多个图像配准，全景畸变校正，扭曲校正，周长、面积、体积计算等。

b算术处理(Arithmetic processing)

算术处理主要对图像施以＋、－、×、÷等运算，虽然该处理主要针对像素点的处理，但非常有用，如医学图像的减影处理就有显著的效果。

c图像增强(Image Enhancement)

图像增强处理主要是突出图像中感兴趣的信息，而减弱或去除不需要的信息，从而使有用信息得到加强，便于区分或解释。主要方法有直方图增强、伪彩色增强法(pseudo color)、灰度窗口等技术。

d图像复原(Image Restoration)

图像复原处理的主要目的是去掉干扰和模糊，恢复图像的本来面目。典型的例子如去噪就属于复原处理。图像噪声包括随机噪声和相干噪声，随机噪声干扰表现为麻点干扰，相干噪声表现为网纹干扰。

去模糊也是复原处理的任务。这些模糊来自透镜散焦，相对运动，大气湍流，云层遮挡等。这些干扰可用维纳滤波、逆滤波、同态滤波等方法加以去除。

e图像重建(Image Reconstruction)

几何处理、图像增强、图像复原都是从图像到图像的处理，即输入的原始数据是图像，处理后输出的也是图像，而重建处理则是从数据到图像的处理。也就是说输入的是某种数据，而处理结果得到的是图像。该处理的典型应用就是CT技术，图像重建的主要算法有代数法、迭代法、付里哀反投影法、卷积反投影法等，其中以卷积反投影法运用最为广泛，因为它的运算量小、速度快。

值得注意的是三维重建算法发展很快，而且由于与计算机图形学相结合，把多个2D图像合成3D图像，并加以光照模型和各种渲染技术，能生成各种具有强烈真实感及纯净的高质量图像。三维图形的主要算法有线框法、表面法、实体法、彩色分域法等等，这些算法在计算机图形学中都有详尽的介绍。三维重建技术也是当今颇为热门的虚拟现实和科学可视化技术的基础。

f图像编码(Image Encoding)

图像编码的研究属于信息论中信源编码范畴，其主要宗旨是利用图像信号的统计特性及人类视觉的生理学及心理学特性对图像信号进行高效编码，即研究数据压缩技术，以解决数据量大的矛盾。一般来说，图像编码目的有三个：减少数据存贮量；降低数据率以减少传输带宽；压缩信息量，便于特征抽取，为识别作准备。

Kunt把1948年至1988年这四十年中研究的以去除冗余为基础的编码方法称为第一代编码。如：PCM、DPCM、△M、亚取样编码法；变换编码中的DFT、DCT、Walsh-Hadamard变换等方法以及以此为基础的混合编码法均属于经典的第一代编码法。

而第二代编码方法多是二十世纪八十年代以后提出的新的编码方法，如金字塔编码法、Fractal编码、基于神经元网络的编码方法、小波变换编码法、模型基编码法等。

现代编码法的特点是：充分考虑人的视觉特性；恰当地考虑对图像信号的分解与表述；采用图像的合成与识别方案压缩数据率。

g图像识别(Image Recognition)

模式识别是数字图像处理的又一研究领域，在模糊识别处理中充分考虑人的主观概率，同时也考虑了人的非逻辑思维方法及人的生理、心理反映，这一独特性的识别方法目前正处于研究阶段，方法尚未成熟。当今，模式识别方法大致有三种，即：

统计识别法。统计识别法侧重于特征

句法结构模式识别法。句法结构识别侧重于结构和基元

模糊识别法。模糊识别法是把模糊数学的一些概念和理论用于识别处理。

图像理解(Image Understanding)

图像理解是由模式识别发展起来的方法。该处理输入的是图像，输出的是一种描述。这种描述并不仅是单纯的用符号作出详细的描绘，而且要利用客观世界的知识使计算机进行联想、思考及推论，从而理解图像所表现的内容。图像理解有时也叫景物理解。在这一领域还有相当多的问题需要进行深入研究。

⑤图像信息的输出和显示

哈哈哈啊哈哈哈哈你搜索的时候只要把那老师名字一起输入进去就好，不过我对这种老师的XX做法表示极度不满，但他打败不了咱们广大学生的智慧。 还想要学分的同学，威胁我们，何苦相互为难呢？？？？？？？？

数字图像处理在生活中的应用如下：

1卫星图像处理

卫星图像处理(Satellite image processing)，用计算机对遥感图像进行分析，以达到所需结果的技术。卫星图像处理方法在地图制图中的不断应用，不仅为地图制图人员提供了更加准确的数据信息，还且能有效的弥补传统地图制图中带来的不足，为制图人员提供了便利。

2医学图像处理

医学影像学部分涵盖X线、CT、MRI、超声、核素显像五类医学影像，着重分析各类影像的成像原理和临床应用。医学图像处理部分包括医学图像处理的基本概念、图像增强、图像分割、图像配准、图像可视化几个主要部分。

3面孔识别,特征识别

面部识别又称人脸识别、面像识别、面容识别等等，面部识别使用通用的摄像机作为识别信息获取装置。以非接触的方式获取识别对象的面部图像，计算机系统在获取图像后与数据库图像进行比对后完成识别过程。

面部识别是基于生物特征的识别方式 ，与指纹识别等传统的识别方式相比，具有实时、准确、高精度、易于使用、稳定性高、难仿冒、性价比高和非侵扰等特性，较容易被用户接受。

4显微图像处理

显微图像是指在显微镜里观察到的图像。随着计算机图像处理技术和模式识别的发展，对显微图像进行分析处理已经逐渐在科学研究中得到应用，其中最重要的一个方面是对微生物进行分类识别。

5汽车障碍识别

汽车想要拥有自动驾驶的能力，第一步必须具备与人类一样的形状识别能力，从而掌握周围的情况。而自动驾驶汽车上面的摄像头和激光雷达等就相当于汽车的眼睛，对道路和行人等进行探测和识别。

由于图像极大丰富的信息以及难以手工建模的特性，深度学习能最大限度的发挥其优势。也就是说深度学习就是将摄像头、以及雷达中探测到的信息进行识别，再通过芯片的运算，得出结论。

以上就是关于图像处理库都有哪些全部的内容，包括:图像处理库都有哪些、遥感图像分析与信息提取、Python：这有可能是最详细的PIL库基本概念文章了等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！