我的尝试：在给定近平面和远平面的情况下，您可以将图像视为连续 3D 区域的透视投影的离散化。使用这种离散化，信号处理中使用的滤波器可用于修改信号（二维阵列）以用于各种目的。这些目的包括边缘检测、图像去噪、对象检测、实例/语义/一般分割以及各种其他任务。值得注意的是，信号处理产生的二维小波变换用于使用由正交函数的有限基跨越的函数空间将图像信号转换为另一个基，并在该空间中执行滤波，然后反转变换以获得修改后的图像。

实际上，信号处理与图像处理相关，然后与计算机视觉相关。但随着机器学习的进步，计算机视觉使用机器学习方法，这些方法从先进的统计信号处理和估计、检测和分类中汲取灵感。信号处理是广义的，比图像处理更是如此。虽然图像处理可能具有图像的 2D + 视频信号的时间维度，但在高级信号处理中存在应用，其中信号具有高 DOF，除了空间信息之外还包含高光谱信息。例如雷达应用和分布式传感器处理和诊断

目前还没有很多，基本过滤也适用于图像，但对象检测是一个复杂的问题，超出了 DSP 设置检测中常用的典型相关性测量。

很多 DSP 都是在相当基本的信号上完成的，我的意思是，对于同步之类的事情，传输的信号通常很简单，我们将对其进行定义。

我希望我能在网上找到一些漂亮的图片来说明。我可能会寻找一些稍后添加。

数字信号处理是一门非常广泛的学科，这意味着通过数字方式处理“模拟”信号（在某种意义上）。通常，信号是均匀采样的（即时间或空间等间隔的样本）。我最习惯于及时发出信号，但图像首先可以描述为位图，它是两个变量的函数$x$和$y$. （或者如果颜色和色调与强度一起包含，则为两个变量的向量函数。）

$$\begin{align} \text{intensity} \qquad & I(x,y) \\ \text{color saturation} \qquad & C_b(x,y) \\ \text{color hue} \qquad & C_r(x,y) \\ \end{align}$$

现在任何对该位图信号做任何事情的算法，比如处理它以创建一个在某种程度上看起来不同的新位图，这就是广义上的“数字信号处理” 。

在更具体的意义上，一个简单的、单变量函数上的 DSP 的一维示例。考虑位图的光栅扫描（仅强度）和强度$I(x.y)$固定为单个值$y$. 单变量的这个函数$I(x,y_0)$是对图像单条水平线的扫描。DSP 的一种应用是边缘检测，其中函数的突然变化可能表示边缘。这可以为您提供一种用于在二维图像中跟踪形状的算法。

二维 FFT 是一种应用于位图的信号处理算法。还有其他类似的算法应用于位图和图像的其他描述。从某种意义上说，所有这些都属于 DSP 学科。