首页 > 其他分享> > 机器视觉基础笔记03

机器视觉基础笔记03

2021-09-15 16:59:40 作者：互联网

1.图像增强

图像增强基本知识框架：

1.1 图像增强分类：

频域增强：修改图像的傅里叶变换

空间域增强：对图像的像素直接处理

$g(x,y)=T[f(x,y)]$ ，

其中f(x,y)是原图像，g(x,y)是处理后的图像，T是作用于f的操作，定义在(x,y)的邻域。

其简化形式是：

$s=T(r)$

其中r是f(x,y)在任意点(x,y)的灰度级，s是g(x,y)在任意点(x,y)的灰度级

A.点运算

反转变换（线性的）

$s=L-1-r$

适用于处理增强嵌入于图像暗色区域的白色或灰色细节

对数变换

$s=c log(1+r)$

能够将窄带低灰度输入图像映射为宽带输出，可用于拓展图像中的暗像素

幂次变换

$s=c r^{\gamma }$ , (c,γ>0)

γ值决定了是将窄带暗值映射到宽带输出值还是将窄带亮值映射到宽带输出值 {γ<1时，将γ降低即将低灰度值（暗值）进行拉伸；γ>1时，γ增加即将高灰度值（亮值）进行拉伸}

幂次变换常用于γ校正，CCD的γ值常取0.4~0.8之间

case1.对比度增强

case2. 降低灰度级

对比度拉伸

扩展图像处理时灰度级的动态范围

a. 变换函数的形式 b.低对比度图像 c.对比度拉伸的结果 d. 门限化的结果

灰度级切片（灰度切割）

提高特定灰度范围的亮度

a. 加亮AB范围，其他灰度值变为恒定值 b. 加亮AB范围，其他灰度级不变 c.原图 d.应用a后图像

代数运算——加法

$C(x,y)=A(x,y)+B(x,y)$

用于去除叠加性噪声和生成图像叠加效果

代数运算——减法

$C(x,y)=A(x,y)- B(x,y)$

用于显示两幅图像的差异，检测同一场景两幅图像之间的变化；去除不需要的叠加性图案；检测两幅图像之间的差别，增强细节

代数运算——乘法

$C(x,y)=A(x,y) * B(x,y)$

用于图像的局部显示，用二值蒙版图像与图像做乘法

代数运算——非

$g(x,y)=255-f(x ,y )$

用于获得一个阴图像或者获得一个子图像的补图像

代数运算——与

$g(x,y)=f(x,y) \wedge h(x, y)$

用于求两个子图像的相交子图，提取需要的子图像

代数运算——或

$g(x,y)=f(x,y)\vee h(x,y)$

用于合并子图像，提取需要的子图像

代数运算——异或

$g(x,y)=f(x,y)⊕ h(x, y)$

用于获得相交子图像

1.2 图像处理的空间操作

单像素操作

邻域操作

几何空间变换

几何空间变换（橡皮模变换）要改变图像中像素的空间关系。

a. 坐标的空间变换

b. 灰度内插

前向映射：

（a）扫描输入图像的像素（v,w）;

（b）在每个位置（v,w）应用（x,y）=T{（v,w）}计算（x,y）;

反向映射：

（a）扫描输出图像的像素（x,y）;

（b）在每个位置（x,y）计算 $(v, w)=T^{-1} (x, y)$ ;

（c）内插方法决定输出图像（x,y）处的灰度值；

1.3 图像处理的概率论方法

将图像的灰度值看作随机变量

方差越大，对比度越高。

标签：03,运算,灰度级,变换,笔记,像素,灰度,图像,视觉
来源： https://blog.csdn.net/rasine_liu/article/details/120290673