-
Notifications
You must be signed in to change notification settings - Fork 2
/
文字3.txt
40 lines (40 loc) · 3.18 KB
/
文字3.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
第三讲 图像基本运算与灰度变换
主要内容:
图像运算:代数运算、几何运算
基本灰度变换:图像翻转、灰度切割、位图切割
直方图处理:直方图规定化及均衡化
图像增强:根据指定需要突出某些信息并削弱/去除某些不需要的信息。目的:使处理后的图像对某些特定应用更适用
图像的运算:
点运算:比如改变亮度,对比度等
代数运算:是图像之间点对点的运算
几何运算:涉及到空间位置变化,和灰度插值
点运算是点对点的对灰度值进行计算
代数运算指图像点对点的代数运算,不是矩阵的运算
点运算、代数运算都是针对点的运算,运算结果都不会改变图像各部分之间的几何关系。图像转动、扭曲、倾斜、拉伸是几何运算的结果
点运算、代数运算只涉及到特定点的灰度值的变化,而几何变换到空间点位置的变化、灰度值的变化等
几何运算—最临近插值算法
最简单的插值方法是所谓零阶插值或称为最近邻插值,即令输出像素的灰度值等于离它所映射到的位置最近的输入像素的灰度值
最近邻插值方法的计算十分简单,在许多情况下,其结果也可令人接受
然而,当图像中包含像素之间灰度级有变化的细微结构时,最近邻插值法会在图像中产生人为的痕迹。
用最近邻插值法旋转图像带有锯齿边
几何运算—双线性插值算法:
一阶插值(或称双线性插值法)和零阶插值法相比可产生更令人满意的效果。只是程序稍复杂一些,运行时间稍长一些。由于通过四点确定一个平面是一个过约束问题,所以在一个矩形栅格上进行的一阶插值就需要用到双线性函数
基于点操作的增强变换,常见的有几类方法:
将f(.)中的象素按EH操作直接变换以得到g(.)
借助f(.)的直方图进行变换
借助对一系列图像间的操作进行变换
灰度变换:将一个灰度区间映射到另一个灰度区间的变换称为灰度变换
灰度变换的目的:灰度变换可使图像动态范围加大,图像对比度扩展,图像清晰,特征明显,是图像增强的重要手段
基本直接灰度变换:图像反转、增强对比度、压缩动态范围压缩、灰度切片
对数变换:主要用于将图像的低灰度值部分扩展,将其高灰度值部分压缩,以达到强调图像低灰度部分的目的。s=c·log(v+1)(1+v·r),r∈[0,1]
幂次变换:y=cx的r次方+b,其中c、r均为正数。与对数变换相同,幂次变换将部分灰度区域映射到更宽的区域中。当r=1时,幂次变换转变为线性变换。(1) 当r<1时,变换函数曲线在正比函数上方。此时扩展低灰度级,压缩高灰度级,使图像变亮。这一点与对数变换十分相似。(2) 当r>1时,变换函数曲线在正比函数下方。此时扩展高灰度级,压缩低灰度级,使图像变暗
伽马校正:在幂次变换中,习惯上,幂次等式中的指数是指伽马值。用于修正幂次响应现象的过程称作伽马校正。对于光线的辉度或是三色刺激值所进行非线性的运算或反运算。伽马变换主要用于图像的校正,将漂白的图片或者是过黑的图片,进行修正。s=c·r的y次方,r∈[0,1]
灰度拉伸也用于强调图像的某个部分,与伽马变换与对数变换不同的是,灰度拉升可以改善图像的动态范围。可以将原来低对比度的图像拉伸为高对比度图像。s=1/[1+(m/r)的E次方],r∈[0,1]
灰度切割:主要用于强调图像的某一部份,将这个部分赋为一个较高的灰度值
位图切割:按照图像的位,将图像分层处理。若图像的某个像素,其bit7为1,则在位面7这个像素值为1,反之则为0,主要用于图像压缩。较高位(如前4位)包含大多数视觉重要数据,较低位(如后4位)对图像中的微小细节有作用
直方图/灰度直方图:横坐标为灰度级的值,纵坐标为某个灰度级出现的次数。为了便于表示,往往将纵坐标用出现概率表示
累计直方图:代表图像组成成分在灰度级的累计概率分布情况,每一个概率值代表小于等于此灰度值的概率,P(rk)=n1+n2+n3+...Nk
直方图均衡化的基本思想:对在图像中像素个数多的灰度级进行展宽,而对像素个数少的灰度级进行缩减,从而达到清晰图像的目的
直方图均衡化的缺点:图像的部分区域会显得过暗或者过亮
直方图的映射变换:可改变图像的概率密度函数,改善图像的外貌
直方图规定化:调整原始图像的直方图使之符合某一规定直方图的要求