圖像處理(用計算機對圖像進行處理的技術)

圖像處理(用計算機對圖像進行處理的技術)

本詞條是多義詞,共3個義項
更多義項 ▼ 收起列表 ▲

圖像處理(image processing),用計算機對圖像進行分析,以達到所需結果的技術。又稱影像處理。圖像處理一般指數字圖像處理。數字圖像是指用工業相機、攝像機、掃瞄器等設備經過拍攝得到的一個大的二維數組,該數組的元素稱為像素,其值稱為灰度值。圖像處理技術一般包括圖像壓縮,增強和復原,匹配、描述和識別3個部分。

基本介紹

  • 中文名:圖像處理
  • 外文名:image processing
  • 又稱:影像處理
  • 起源:20世紀20年代
  • 特點:用計算機對圖像進行分析處理
  • 學科:測繪學、大氣科學、天文學等
圖像簡介,常用方法,圖像,二值圖像,灰度圖像,索引圖像,RGB彩色圖像,數據,數位化,圖像編碼,圖像壓縮,增強復原,形態學,開啟,閉合,圖像分析,套用,常見軟體,

圖像簡介

21世紀是一個充滿信息的時代,圖像作為人類感知世界的視覺基礎,是人類獲取信息、表達信息和傳遞信息的重要手段。數字圖像處理,即用計算機對圖像進行處理,其發展歷史並不長。數字圖像處理技術源於20世紀20年代,當時通過海底電纜從英國倫敦到美國紐約傳輸了一幅照片,採用了數字壓縮技術。首先數字圖像處理技術可以幫助人們更客觀、準確地認識世界,人的視覺系統可以幫助人類從外界獲取3/4以上的信息,而圖像、圖形又是所有視覺信息的載體,儘管人眼的鑑別力很高,可以識別上千種顏色,但很多情況下,圖像對於人眼來說是模糊的甚至是不可見的,通過圖象增強技術,可以使模糊甚至不可見的圖像變得清晰明亮。
在計算機中,按照顏色和灰度的多少可以將圖像分為二值圖像灰度圖像索引圖像和真彩色RGB圖像四種基本類型。大多數圖像處理軟體都支持這四種類型的圖像。
中國物聯網校企聯盟認為圖像處理將會是物聯網產業發展的重要支柱之一,它的具體套用是指紋識別技術。

常用方法

1 )圖像變換:由於圖像陣列很大,直接在空間域中進行處理,涉及計算量很大。因此,往往採用各種圖像變換的方法,如傅立葉變換、沃爾什變換、離散餘弦變換等間接處理技術,將空間域的處理轉換為變換域處理,不僅可減少計算量,而且可獲得更有效的處理(如傅立葉變換可在頻域中進行數字濾波處理)。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性,它在圖像處理中也有著廣泛而有效的套用。
2 )圖像編碼壓縮:圖像編碼壓縮技術可減少描述圖像的數據量(即比特數),以便節省圖像傳輸、處理時間和減少所占用的存儲器容量。壓縮可以在不失真的前提下獲得,也可以在允許的失真條件下進行。編碼是壓縮技術中最重要的方法,它在圖像處理技術中是發展最早且比較成熟的技術。
3 )圖像增強和復原:圖像增強和復原的目的是為了提高圖像的質量,如去除噪聲,提高圖像的清晰度等。圖像增強不考慮圖像降質的原因,突出圖像中所感興趣的部分。如強化圖像高頻分量,可使圖像中物體輪廓清晰,細節明顯;如強化低頻分量可減少圖像中噪聲影響。圖像復原要求對圖像降質的原因有一定的了解,一般講應根據降質過程建立“降質模型”,再採用某種濾波方法,恢復或重建原來的圖像。
4 )圖像分割:圖像分割是數字圖像處理中的關鍵技術之一。圖像分割是將圖像中有意義的特徵部分提取出來,其有意義的特徵有圖像中的邊緣、區域等,這是進一步進行圖像識別、分析和理解的基礎。雖然目前已研究出不少邊緣提取、區域分割的方法,但還沒有一種普遍適用於各種圖像的有效方法。因此,對圖像分割的研究還在不斷深入之中,是目前圖像處理中研究的熱點之一。
5 )圖像描述:圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可採用其幾何特性描述物體的特性,一般圖像的描述方法採用二維形狀描述,它有邊界描述和區域描述兩類方法。對於特殊的紋理圖像可採用二維紋理特徵描述。隨著圖像處理研究的深入發展,已經開始進行三維物體描述的研究,提出了體積描述、表面描述、廣義圓柱體描述等方法。
6 )圖像分類(識別):圖像分類(識別)屬於模式識別的範疇,其主要內容是圖像經過某些預處理(增強、復原、壓縮)後,進行圖像分割和特徵提取,從而進行判決分類。圖像分類常採用經典的模式識別方法,有統計模式分類和句法(結構)模式分類,近年來新發展起來的模糊模式識別和人工神經網路模式分類在圖像識別中也越來越受到重視。

圖像

二值圖像

一幅二值圖像的二維矩陣僅由0、1兩個值構成,“0”代表黑色,“1”代白色。由於每一像素(矩陣中每一元素)取值僅有0、1兩種可能,所以計算機中二值圖像的數據類型通常為1個二進制位。二值圖像通常用於文字、線條圖的掃描識別(OCR)和掩膜圖像的存儲。

灰度圖像

灰度圖像矩陣元素的取值範圍通常為[0,255]。因此其數據類型一般為8位無符號整數的(int8),這就是人們經常提到的256灰度圖像。“0”表示純黑色,“255”表示純白色,中間的數字從小到大表示由黑到白的過渡色。在某些軟體中,灰度圖像也可以用雙精度數據類型(double)表示,像素的值域為[0,1],0代表黑色,1代表白色,0到1之間的小數表示不同的灰度等級。二值圖像可以看成是灰度圖像的一個特例。

索引圖像

索引圖像的檔案結構比較複雜,除了存放圖像的二維矩陣外,還包括一個稱之為顏色索引矩陣MAP的二維數組。MAP的大小由存放圖像的矩陣元素值域決定,如矩陣元素值域為[0,255],則MAP矩陣的大小為256Ⅹ3,用MAP=[RGB]表示。MAP中每一行的三個元素分別指定該行對應顏色的紅、綠、藍單色值,MAP中每一行對應圖像矩陣像素的一個灰度值,如某一像素的灰度值為64,則該像素就與MAP中的第64行建立了映射關係,該像素在螢幕上的實際顏色由第64行的[RGB]組合決定。也就是說,圖像在螢幕上顯示時,每一像素的顏色由存放在矩陣中該像素的灰度值作為索引通過檢索顏色索引矩陣MAP得到。索引圖像的數據類型一般為8位無符號整形(int8),相應索引矩陣MAP的大小為256Ⅹ3,因此一般索引圖像只能同時顯示256種顏色,但通過改變索引矩陣,顏色的類型可以調整。索引圖像的數據類型也可採用雙精度浮點型(double)。索引圖像一般用於存放色彩要求比較簡單的圖像,如Windows中色彩構成比較簡單的壁紙多採用索引圖像存放,如果圖像的色彩比較複雜,就要用到RGB真彩色圖像。

RGB彩色圖像

RGB圖像與索引圖像一樣都可以用來表示彩色圖像。與索引圖像一樣,它分別用紅(R)、綠(G)、藍(B)三原色的組合來表示每個像素的顏色。但與索引圖像不同的是,RGB圖像每一個像素的顏色值(由RGB三原色表示)直接存放在圖像矩陣中,由於每一像素的顏色需由R、G、B三個分量來表示,M、N分別表示圖像的行列數,三個M x N的二維矩陣分別表示各個像素的R、G、B三個顏色分量。RGB圖像的數據類型一般為8位無符號整形,通常用於表示和存放真彩色圖像,當然也可以存放灰度圖像。
數位化圖像數據有兩種存儲方式[6]:點陣圖存儲(Bitmap)和矢量存儲(Vector)
我們平常是以圖像解析度(即像素點)和顏色數來描述數字圖象的。例如一張解析度為640*480,16位色的數字圖片,就由2^16=65536種顏色的307200(=640*480)個素點組成。
點陣圖圖像:點陣圖方式是將圖像的每一個象素點轉換為一個數據,當圖像是單色(只有黑白二色)時,8個象素點的數據只占據一個位元組(一個位元組就是8個二進制數,1個二進制數存放象素點);16色(區別於前段“16位色”)的圖像每兩個象素點用一個位元組存儲;256色圖像每一個象素點用一個位元組存儲。這樣就能夠精確地描述各種不同顏色模式的圖像圖面。點陣圖圖像彌補了矢量式圖像的缺陷,它能夠製作出色彩和色調變化豐富的圖像,可以逼真地表現自然界的景象,同時也可以很容易地在不同軟體之間交換檔案,這就是點陣圖圖像的優點;而其缺點則是它無法製作真正的3D圖像,並且圖像縮放和旋轉時會產生失真的現象,同時檔案較大,對記憶體和硬碟空間容量的需求也較高。點陣圖方式就是將圖像的每一像素點轉換為一個數據。如果用1位數據來記錄,那么它只能代表2種顏色(2^1=2);如果以8位來記錄,便可以表現出256種顏色或色調(2^8=256),因此使用的位元素越多所能表現的色彩也越多。通常我們使用的顏色有16色、256色、增強16位和真彩色24位。一般所說的真彩色是指24位(2^24)的點陣圖存儲模式適合於內容複雜的圖像和真實照片。但隨著解析度以及顏色數的提高,圖像所占用的磁碟空間也就相當大;另外由於在放大圖像的過程中,其圖像勢必要變得模糊而失真,放大後的圖像像素點實際上變成了像素“方格”。 用數位相機和掃瞄器獲取的圖像都屬於點陣圖。
矢量圖像:矢量圖像存儲的是圖像信息的輪廓部分,而不是圖像的每一個象素點。例如,一個圓形圖案只要存儲圓心的坐標位置和半徑長度,以及圓的邊線和內部的顏色即可。該存儲方式的缺點是經常耗費大量的時間做一些複雜的分析演算工作,圖像的顯示速度較慢;但圖像縮放不會失真;圖像的存儲空間也要小得多。所以,矢量圖比較適合存儲各種圖表和工程

數據

圖像處理離不開海量、豐富的基礎數據,包括視頻、靜態圖像等多種格式,如Berkeley分割數據集和基準500 (BSDS500)、西門菲沙大學不同光照物體圖像資料庫、神經網路人臉識別數據、CBCL-MIT StreetScenes(麻省理工學院街景資料庫)等。

數位化

通過取樣和量化過程將一個以自然形式存在的圖像變換為適合計算機處理的數字形式。圖像在計算機內部被表示為一個數字矩陣,矩陣中每一元素稱為像素。圖像數位化需要專門的設備,常見的有各種電子的和光學的掃描設備,還有機電掃描設備和手工操作的數位化儀。

圖像編碼

對圖像信息編碼,以滿足傳輸和存儲的要求。編碼能壓縮圖像的信息量,但圖像質量幾乎不變。為此,可以採用模擬處理技術,再通過模-數轉換得到編碼,不過多數是採用數字編碼技術。編碼方法有對圖像逐點進行加工的方法,也有對圖像施加某種變換或基於區域、特徵進行編碼的方法。脈碼調製、微分脈碼調製、預測碼和各種變換都是常用的編碼技術。

圖像壓縮

由數位化得到的一幅圖像的數據量十分巨大,一幅典型的數字圖像通常由500×500或1000×1000個像素組成。如果是動態圖像,其數據量更大。因此圖像壓縮對於圖像的存儲和傳輸都十分必要。
圖像壓縮有兩類壓縮算法,即無損壓縮和有損壓縮。最常用的無損壓縮算法取空間或時間上相鄰像素值的差,再進行編碼。遊程碼就是這類壓縮碼的例子。有損壓縮算法大都採用圖像交換的途徑,例如對圖像進行快速傅立葉變換或離散的餘弦變換。已作為圖像壓縮國際標準的JPEG和MPEG均屬於有損壓縮算法。前者用於靜態圖像,後者用於動態圖像。它們都由晶片實現。

增強復原

圖像增強的目標是改進圖片的質量,例如增加對比度,去掉模糊和噪聲,修正幾何畸變等;圖像復原是在假定已知模糊或噪聲的模型時,試圖估計原圖像的一種技術。
圖像增強按所用方法可分成頻率域法和空間域法。前者把圖像看成一種二維信號,對其進行基於二維傅立葉變換的信號增強。採用低通濾波(即只讓低頻信號通過)法,可去掉圖中的噪聲;採用高通濾波法,則可增強邊緣等高頻信號,使模糊的圖片變得清晰。具有代表性的空間域算法有局部求平均值法和中值濾波(取局部鄰域中的中間像素值)法等,它們可用於去除或減弱噪聲。
早期的數字圖像復原亦來自頻率域的概念。現代採取的是一種代數的方法,即通過解一個大的方程組來復原理想的圖片。
以提高圖像質量為目的的圖像增強和復原對於一些難以得到的圖片或者在拍攝條件十分惡劣情況下得到的圖片都有廣泛的套用。例如從太空中拍攝到的地球或其他星球的照片,用電子顯微鏡或X光拍攝的生物醫療圖片等。
圖像增強 使圖像清晰或將其轉換為更適合人或機器分析的形式。與圖像復原不同,圖像增強並不要求忠實地反映原始圖像。相反,含有某種失真(例如突出輪廓線)的圖像可能比無失真的原始圖像更為清晰。常用的圖像增強方法有:①灰度等級直方圖處理:使加工後的圖像在某一灰度範圍內有更好的對比度;②干擾抑制:通過低通濾波、多圖像平均、施行某類空間域運算元等處理,抑制疊加在圖像上的隨機性干擾;③邊緣銳化:通過高通濾波、差分運算或某種變換,使圖形的輪廓線增強;④偽彩色處理:將黑白圖像轉換為彩色圖像,從而使人們易於分析和檢測圖像包含的信息。
圖像復原 除去或減少在獲得圖像過程中因各種原因產生的退化。這類原因可能是光學系統的像差或離焦、攝像系統與被攝物之間的相對運動、電子或光學系統的噪聲和介於攝像系統與被攝像物間的大氣湍流等。圖像復原常用二種方法。當不知道圖像本身的性質時,可以建立退化源的數學模型,然後施行復原算法除去或減少退化源的影響。當有了關於圖像本身的先驗知識時,可以建立原始圖像的模型,然後在觀測到的退化圖像中通過檢測原始圖像而復原圖像。
圖像分割將圖像劃分為一些互不重疊的區域,每一區域是像素的一個連續集。通常採用把像素分入特定區域的區域法和尋求區域之間邊界的境界法。區域法根據被分割對象與背景的對比度進行閾值運算,將對象從背景中分割出來。有時用固定的閾值不能得到滿意的分割,可根據局部的對比度調整閾值,這稱為自適應閾值。境界法利用各種邊緣檢測技術,即根據圖像邊緣處具有很大的梯度值進行檢測。這兩種方法都可以利用圖像的紋理特性實現圖像分割。

形態學

形態學一詞通常指生物學的一個分支,它用於處理動物和植物的形狀和結構。在數學形態學的語境中也使用該詞來作為提取圖像分量的一種工具,這些分量在表示和描述區域形狀(如邊界,骨骼和凸殼)時是很有用的。此外,我們還很關注用於預處理和後處理的形態學技術,如形態學濾波、細化和裁剪。
數學形態學的基本運算
數學形態學的基本運算有4個:腐蝕、膨脹、開啟和閉合。數學形態學方法利用一個稱作結構元素的”探針”收集圖像的信息,當探針在圖像中不斷移動時,便可考察圖像各個部分之間的相互關係,從而了解圖像的結構特徵。在連續空間中,灰度圖像的腐蝕、膨脹、開啟和閉合運算分別表述如下。
腐蝕
腐蝕“收縮”或“細化”二值圖像中的對象。收縮的方式和程度由一個結構元素控制。數學上,A被B腐蝕,記為AΘB,定義為:
換言之,A被B腐蝕是所有結構元素的原點位置的集合,其中平移的B與A的背景並不疊加。
腐蝕運算腐蝕運算
膨脹
膨脹是在二值圖像中“加長”或“變粗”的操作。這種特殊的方式和變粗的程度由一個稱為結構元素的集合控制。結構元素通常用0和1的矩陣表示。數學上,膨脹定義為集合運算。A被B膨脹,記為A⊕B,定義為:其中,Φ為空集,B為結構元素。總之,A被B膨脹是所有結構元素原點位置組成的集合,其中映射並平移後的B至少與A的某些部分重疊。這種在膨脹過程中對結構元素的平移類似於空間卷積。
膨脹運算膨脹運算
膨脹滿足交換律,即A⊕B=B⊕A。在圖像處理中,我們習慣令A⊕B的第一個運算元為圖像,而第二個運算元為結構元素,結構元素往往比圖像小得多。
膨脹滿足結合律,即A⊕(B⊕C)=(A⊕B)⊕C。假設一個結構元素B可以表示為兩個結構元素B1和B2的膨脹,即B=B1⊕B2,則A⊕B=A⊕(B1⊕B2)=(A⊕B1)⊕B2,換言之,用B膨脹A等同於用B1先膨脹A,再用B2膨脹前面的結果。我們稱B能夠分解成B1和B2兩個結構元素。結合律很重要,因為計算膨脹所需要的時間正比於結構元素中的非零像素的個數。通過結合律,分解結構元素,然後再分別用子結構元素進行膨脹操作往往會實現很客觀的速度的增長。

開啟

A被B的形態學開運算可以記做A?B,這種運算是A被B腐蝕後再用B來膨脹腐蝕結果,即:
開運算開運算
開運算的數學公式為:
其中,∪{·}指大括弧中所有集合的並集。該公式的簡單幾何解釋為:A?B是B在A內完全匹配的平移的並集。形態學開運算完全刪除了不能包含結構元素的對象區域,平滑了對象的輪廓,斷開了狹窄的連線,去掉了細小的突出部分。
開運算開運算

閉合

A被B形態學閉運算記做A·B,它是先膨脹後腐蝕的結果:
從幾何學上講,A·B是所有不與A重疊的B的平移的並集。想開運算一樣,形態學閉運算會平滑對象的輪廓。然後,與開運算不同的是,閉運算一般會將狹窄的缺口連線起來形成細長的彎口,並填充比結構元素小的洞。
閉運算閉運算
基於這些基本運算可以推導和組合成各種數學形態學實用算法,用它們可以進行圖像形狀和結構的分析及處理,包括圖像分割、特徵提取、邊界檢測、圖像降噪、圖像增強和恢復等。

圖像分析

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、人工智慧的研究領域有交叉,但圖像分析與典型的模式識別有所區別。圖像分析不限於把圖像中的特定區域按固定數目的類別加以分類,它主要是提供關於被分析圖像的一種描述。為此,既要利用模式識別技術,又要利用關於圖像內容的知識庫,即人工智慧中關於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徵,然後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繫的。一個實用的圖像處理系統往往結合套用幾種圖像處理技術才能得到所需要的結果。圖像數位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後目的,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徵可以作為最後結果,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徵及相互關係,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係,度量其類似或不同的程度。匹配用於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。
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係,最後把得到的圖像關係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徵空間中的距離來定義。另一種基於像素值的相似度量是圖像函式的相關性。最後一種定義在關係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、描述和識別將用於各種自動化的系統,如字元和圖形識別、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。在這類套用中,往往需綜合套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。
多媒體套用的掀起,對圖像壓縮技術的套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,並和文字、聲音、圖形一起存儲在計算機內,顯示在計算機的螢幕上。它的套用將擴展到教育、培訓和娛樂等新的領域。

套用

攝影及印刷
衛星圖像處理(Satellite image processing)
醫學圖像處理(Medical image processing)
面孔識別,特徵識別(Face detection, feature detection, face identification)
顯微圖像處理(Microscope image processing)
汽車障礙識別(Car barrier detection)

常見軟體

Adobe Photoshop
軟體特點:知名度以及使用率最高的圖像處理軟體
軟體優勢:使用業界標準的Adobe PhotoshopCS軟體更加快速地獲取更好效果,同時為圖形和Web設計、攝影及視頻提供必不可少的新功能。
與同行軟體的比較:這回Adobe的確給設計師們帶來了很大的驚喜,Photoshop CS新增了許多強有力的功能,特別是對於攝影師來講,這次它大大突破了以往Photoshop系列產品更注重平面設計的局限性,對數碼暗房的支持功能有了極大的加強和突破。
近期版本:2016年11月2日,Adobe 公司更新了旗下 Photoshop CC 2017最新版。
Adobe Illustrator
軟體特點:專業矢量繪圖工具,功能強大,界面友好。
軟體優勢:無論您是生產印刷出版線稿的設計者和專業插畫家、生產多媒體圖像的藝術家、還是網際網路頁或線上內容的製作者,都會發現Illustrator不僅僅是一個藝術產品工具,能適合大部分小型設計到大型的複雜項目。
與同行軟體的比較:功能極其強大,操作相當專業。與Adobe公司其它軟體如Photoshop、Primiere及Indesign等軟體可以良好的兼容,在專業領域優勢比較明顯。
CorelDRAW
軟體特點:界面設計友好,空間廣闊,操作精微細緻。兼容性佳。
軟體優勢:非凡的設計能力廣泛地套用於商標設計、標誌製作、模型繪製、插圖描畫、排版及分色輸出等等諸多領域。市場領先的檔案兼容性以及高質量的內容可幫助您將創意變為專業作品。從與眾不同的徽標和標誌到引人注目的行銷材料以及令人賞心悅目的Web圖形,應有盡有。
與同行軟體的比較:功能強大,兼容性極好,可生成各種與其它軟體相兼容的格式,操作較Illustrator簡單,在國內中小型廣告設計公司套用率極高。
可牛影像
軟體特點:可牛影像是新一代的圖片處理軟體,獨有美白祛痘、瘦臉瘦身、明星場景、多照片疊加等功能,更有50餘種照片特效,數秒即可製作出影樓級的專業照片。
軟體優勢:圖片編輯、人像美容、場景日曆、添加水印飾品、添加各種藝術字型、製作動感閃圖、搖頭娃娃、多圖拼接,使人能想到的功能,應有盡有,而且簡單易用。
與同行軟體的比較:場景日曆、動感閃圖、搖頭娃娃等都是傳統圖像處理軟體所沒有的。有了可牛影像,不需要再像photoshop那樣,需要專業的技能才能處理照片。
光影魔術手
軟體特點:“nEO iMAGING”〖光影魔術手〗是一個對數碼照片畫質進行改善及效果處理的軟體。簡單、易用,不需要任何專業的圖像技術,就可以製作出專業膠片攝影的色彩效果。
軟體優勢:模擬反轉片的效果,令照片反差更鮮明,色彩更亮麗,模擬反轉負沖的效果,色彩詭異而新奇,模擬多類黑白膠片的效果,在反差、對比方面,和數碼相片完全不同。
與同行軟體的比較:是一個照片畫質改善和個性化處理的軟體。簡單、易用,每個人都能製作精美相框、藝術照、專業膠片效果,而且完全免費。
ACDSee
軟體特點:不論您拍攝的相片是什麼類型-家人與朋友的,或是作為業餘愛好而拍攝的藝術照-您都需要相片管理軟體來輕鬆快捷地整理以及查看、修正和共享這些相片。
軟體優勢:ACDSee 9可以從任何存儲設備快速“獲取相片”,還可以使用受密碼保護的“隱私資料夾”這項新功能來存儲機密信息。
與同行軟體的比較:強大的電子郵件選項、幻燈放映、CD/DVD刻錄,還有讓共享相片變得輕而易舉的網路相冊工具。使用紅眼消除、色偏消除、曝光調整以及“相片修復”工具等快速修正功能來改善相片。
Macromedia Flash
軟體特點:一個可視化的網頁設計和網站管理工具,支持最新的Web技術,包含HTML檢查、HTML格式控制、HTML格式化選項等。
軟體優勢:除了新的視頻和動畫特性,還提供了新的繪圖效果和更好的腳本支持,同時也集成了流行的視頻輯和編碼工具,還提供軟體允許用戶測試移動手機中的Flash內容等新功能。
與同行軟體的比較:在編輯上你可以選擇可視化方式或者你喜歡的源碼編輯方式。
Ulead GIF Animator
軟體特點:友立公司出版的動畫GIF製作軟體,內建的Plugin有許多現成的特效可以立即套用,可將AVI檔案轉成動畫GIF檔案,而且還能將動畫GIF圖片最佳化,能將你放在網頁上的動畫GIF圖檔減肥,以便讓人能夠更快速的瀏覽網頁。
軟體優勢:這是一個很方便的GIF 動畫製作軟體,由Ulead Systems.Inc 創作。Ulead GIF Animator 不但可以把一系列圖片保存為GIF 動畫格式,還能產生二十多種2D 或3D 的動態效果,足以滿足您製作網頁動畫的要求。
與同行軟體的比較:與其它圖形檔案格式不同的是, 一個GIF檔案中可以儲存多幅圖片,這時, GIF 將其中存儲的圖片像播放幻燈片一樣輪流顯示, 這樣就形成了一段動畫。

相關詞條

熱門詞條

聯絡我們