散文精选网网友提问：
如何学好图像处理，从小白到大神？
优质回答：
什么是数字图像处理？历史、以及它所研究的内容
说起图像处理，你会想到什么？你是否真的了解这个领域所研究的内容。纵向来说，数字图像处理研究的历史相当悠久;横向来说，数字图像处理研究的话题相当广泛。
数字图像处理的历史可以追溯到近百年以前，大约在1920年的时候，图像首次通过海底电缆从英国伦敦传送到美国纽约。图像处理的首次应用是为了改善伦敦和纽约之间海底电缆发送的图片质量，那时就应用了图像编码，被编码后的图像通过海底电缆传送至目的地，再通过特殊设备进行输出。这是一次历史性的进步，传送一幅图片的时间从原来的一个多星期减少到了3小时。
1950年，美国的麻省理工学院制造出了第一台配有图形显示器的电子计算机——旋风I号(Whirlwind I)。旋风I号的显示器使用一个类似于示波器的阴极射线管(Cathode Ray Tube，CRT)来显示一些简单的图形。1958年美国Calcomp公司研制出了滚筒式绘图仪，GerBer公司把数控机床发展成为平板式绘图仪。在这一时期，电子计算机都主要应用于科学计算，而为这些计算机配置的图形设备也仅仅是作为一种简单的输出设备。
随着计算机技术的进步，数字图像处理技术也得到了很大的发展。1962年，当时还在麻省理工学院攻读博士学位的伊凡·苏泽兰(Ivan Sutherland)成功开发了具有划时代意义的“画板”(Sketchpad)程式。而这正是有史以来第一个交互式绘图系统，同时这也是交互式电脑绘图的开端。从此计算机和图形图像被更加紧密地联系到了一起。鉴于伊凡·苏泽兰为计算机图形学创立所做出的杰出贡献，他于1988年被授予计算机领域最高奖——图灵奖。
1964年，美国加利福尼亚的喷气推进实验室用计算机对“旅行者七号”太空船发回的大批月球照片进行处理，以校正航天器上摄影机中各种类型的图像畸变，收到了明显的效果。在后来的宇航空间技术中，数字图像处理技术都发挥了巨大的作用。
到了20世纪60年代末期，数字图像处理已经形成了比较完善的学科体系，这套理论在20世纪70年代发展得十分迅速，并开始应用于医学影像和天文学等领域。1972年，美国物理学家阿伦·马克利奥德·柯麦科(AllanMacLeodCormack)和英国电机工程师戈弗雷·纽博尔德·豪恩斯弗尔德(Godfrey Newbold Housfield)发明了轴向断层术，并将其用于头颅诊断。世界第一台X射线计算机轴向断层摄影装置由EMI公司研制成功，这也就是人们通常所说的CT(Computer Tomograph)。CT可通过一些算法用感知到的数据去重建通过物体的“切片”图像。这些图像组成了物体内部的再现图像，也就是根据人的头部截面的投影，经计算机处理来进行图像重建。鉴于CT对于医学诊断技术的发展所起到的巨大推动作用，柯麦科和豪恩斯弗尔德于1979年获得了诺贝尔生理或医学奖。
随后在2003年，诺贝尔生理或医学奖的殊荣再次授予了两位在医疗影像设备研究方面做出杰出贡献的科学家——美国化学家保罗·劳特伯尔(Paul Lauterbur)和英国物理学家彼得·曼斯菲尔(Peter Mansfield)。两位获奖者在利用磁共振成像(Magnetic Resonance Imaging，MRI)显示不同结构方面分别取得了开创性成就。瑞典卡罗林斯卡医学院称，这两位科学家在MRI领域的开创性工作，代表了医学诊疗和研究的重大突破。而事实上，核磁共振的成功同样也离不开数字图像处理方面的发展。即使在今天，诸如MRI图像降噪等问题依然是数字图像处理领域的热门研究方向。
说到数字图像的发展历程，还有一项至关重要的成果不得不提，那就是电荷耦合元件(Charge-coupled Device，CCD)。CCD最初是由美国贝尔实验室的科学家维拉德·波义耳(Willard Sterling Boyle)和乔治·史密斯(George Elwood Smith)于1969年发明的。CCD的作用就像胶片一样，它能够把光学影像转化为数字信号。今天人们所广泛使用的数码照相机、数码摄影机和扫描仪都是以CCD为基础发展而来的。换句话说，我们现在所研究的数字图像主要也都是通过CCD设备获取的。由于波义耳和史密斯在CCD研发上所做出的巨大贡献，他们两人共同荣获了2009年度的诺贝尔物理学奖。
数字图像处理在今天是非常热门的技术之一，生活中无处不存在着它的影子，可以说它是一种每时每刻都在改变着人类生活的技术。但长久以来，很多人对数字图像处理存在着较大的曲解，人们总是不自觉地将图像处理Photoshop联系在一起。大名鼎鼎的Photoshop无疑是当前使用最为广泛的图像处理工具。类似的软件还有Corel公司生产的CorelDRAW等软件。
尽管Photoshop是一款非常优秀的图像处理软件，但它的存在并不代表数字图像处理的全部理论与方法。它所具有的功能仅仅是数字图像处理中的一部分。总的来说，数字图像处理研
2)冈萨雷斯教授的《数字图像处理》第一版是在1977年出版的，到现在已经快40年了;现在国内广泛使用的第二版是2002年出版的(第三版是2007年但是其实二者差异并不大)，到现在也有20年左右的时间了。事实上，冈萨雷斯教授退休也有快30年了。所以这本书的内容已经偏于陈旧。数字图像处理这个领域的发展绝对是日新月异，突飞猛进的。特别在最近二三十年里，很多新思路，新方法不断涌现。如果你看了我前面推荐的Rich教授的公开课(这也是当前美国大学正在教学的内容)，你一下子就会发现，原来我们的教育还停留在改革开放之前外国的水平上。这其实特别可怕。所以我觉得冈萨雷斯教授的《数字图像处理》作为学习过程中的一个补充还是不错的，但是如果把它作为主参考，那真的就是：国外都洋枪洋炮了，我们还在大刀长矛。
2)对于中级水平者
纸上得来终觉浅，绝知此事要躬行。对于一个具有一定基础的，想更进一步的中级水平的人来说，这个阶段最重要的就是增强动手实践的能力。
还是说《天龙八部》里面的一个角色——口述武功、叹为观止的王语嫣。王语嫣的脑袋里都是武功秘籍，但问题是她从来都没练过一招一式。结果是，然并卵。所以光说不练肯定不灵啊。特别是，如果你将来想从事这个行业，结果一点代码都不会写，那几乎是不可想象的。学习阶段，最常被用来进行算法开发的工具是Matlab和OpenCV。你可以把这两个东西都理解为一个相当完善的库。当然，在工业中C++用得更多，所以Matlab的应用还是很有限的。前面我们讲到，图像处理研究内容其实包括：图像的获取和编解码，但使用Matlab和OpenCV就会掩盖这部分内容的细节。你当然永远不会知道，JPEG文件到底是如何被解码的。
如果你的应用永远都不会涉及这些话题，那么你一直用Matlab和OpenCV当然无所谓。例如你的研究领域是SIFT、SURF这种特征匹配，可以不必理会编解码方面的内容。但是如果你的研究话题是降噪或者压缩，可能你就绕不开这些内容。最开始学的时候，如果能把这部分内容也自己写写，可能会加深你的理解。以后做高级应用开发时，再调用那些库。所以具体用什么，要不要自己写，是要视你所处的阶段和自己的实际情况而定的。以我个人的经验，在我自学的时候，我就动手写了Magic House，我觉得这个过程为我奠定了一个非常夯实的基础，对于我后续的深入研究很有帮助。
下面这个文中，我给出了一些这方面的资源，代码多多，很值得参考学习：图像处理与机器视觉网络资源收罗http://blog.csdn.NET/baimafujinji/article/details/32332079
3)对于高级进阶者
到了这个程度的读者，编程实现之类的基本功应该不在话下。但是要往深，往高去学习、研究和开发图像处理应用，你最需要的内容就变成了数学。这个是拦在很多处于这个阶段的人面前的一大难题。如果你的专业是应用数学，当然你不会感觉有问题。但如果是其他专业背景的人就会越发感觉痛苦。
如果你的图像处理是不涉及机器学习内容的，例如用Poisson方程来做图像融合，那你就要有PDE数值解方面的知识;如果你要研究KAZE特征，你就必须要知道AOS方面的内容。如果你研究TV降噪，你又要知道泛函分析中的BV空间内容……这些词你可能很多都没听过。总的来说，这块需要的内容包括：复变函数、泛函分析、偏微分方程、变分法、数学物理方法……
如果你要涉足机器视觉方法的内容，一些机器学习和数据挖掘方法的内容就不可或缺。而这部分内容同样需要很强大的数学基础，例如最大似然方法、梯度下降法、欧拉-拉格朗日方程、最小二乘估计、凸函数与詹森不等式……
当然，走到这一步，你也已经脱胎换骨，从小白到大神啦!路漫漫其修远兮，吾将上下而求索。
其他网友回答
图像处理厉害之处不是技巧，而是思路。技巧都可以学会，但是培养图片分析和后期的思路是比较难得。
技巧可以看书，看视频，报班学习。
思路建议多看看大片，看看别人的色彩处理等。分析图片存在的问题，和修图目标。怎样渲染图片效果。
然后根据想要的结果去学习相应的技巧，学以致用会学习更快。
