比较而言，图像校正是一个相对复杂的过程。从数字图像数据处理的观点来考察图像校正，实际上是一个图像恢复的过程，是对一幅退化了的图像进行恢复。图像的几何畸变失真主要是表现在图像中像素点发生位移，从而使图像中物体扭曲变形。
　　造成这类图像退化的原因是多方面的，而成像系统的非线性，例如光学系统畸变像差是其中一个主要的因素兼职录入。
　　图像校正可分为两步，第一步空间变换，即对理想图像所在的坐标空间进行几何变换，这样做的目的是使理想图像上的像素与实际图像上的像素点对应起来；第二步是根据实际图像上对应点邻近像素的灰度值，估计该点的灰度值，从而得到与之相对应的理想图像上像素的灰度值，称为灰度插值。
　　3．2图像分割在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分常称为目标或者前景(其它部分称为背景)。为了辨识和分析图像中特定的、具有独特性质的区域(目标)，需要将有关区域分离提取出来，在此基础上才能对目标进一步分析利用，以使得更高层次的分析和理解成为可能。
　　图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。这里的特性可以是灰度、颜色、纹理等，目标可以对应单个区域也可以对应多个区域。图像分割是图像处理到图像分析的关键步骤，也是一‘种基本的计算机视觉技术。图像分割的优劣直接影响着目标识别、目标判断等后续研究工作的进行，而通过提取目标完整外部轮廓的方法来实现目标与背景的有效分离不仅是提高图像分割质量的一个很好的方式，而且在某些特定的应用领域有着重要的意义。

　　多年来人们对图像分割提出了不同的解释，借助集合的概念可以给出如下比较正式的定义。
　　设集合R代表整个图像区域，对R的分割可看作将R分成Ⅳ个满足以下五个条件的非空子集(子区域)其中：P(R，)是对所有在集合 中元素的逻辑谓词， 为空集。
　　条件①指分割后的所有子区域的总和包括图像中所有的像素；条件②指任何两个子区域都不重叠：条件③指分割后的每个子区域都有其自己独特的属性；条件④指任两个子区域里面的像素没有共同的属性：条件⑤要求分割结果中同一个子区域的像素应当是连通的，即分割得到的区域是一个连通组元。
　　图像分割是机器视觉中重要而困难的任务，同时也被认为是图像处理的～个瓶颈。因此，多年以来图像分割一直受到人们的高度重视，至今为止已经提出了近千种图像分割算法。由于现有的图像分割算法非常多，所以将它们进行分类的方法也提出了不少。例如，根据分割过程中处理策略的不同JAVA，分割算法可分为并行算法和串行算法：根据分割过程中利用像素灰度值的不连续性还是相似性，分割算法可分为利用区域间灰度不连续性的基于边界的算法和利用区域内灰度相似性的基于区域的算法。http://www.fsailing.com/mediareport_38.htm

部分文字转自：调查问卷录入