lee-romantic 's Blog
Everything is OK!
Toggle navigation
lee-romantic 's Blog
主页
About Me
归档
标签
图像处理第一次课
2018-10-05 15:07:35
85
0
0
lee-romantic
##1.对数变换和幂律变换中的C该如何取值,才能得到图3.3和3.6的曲线? 对数变换: c>1增强对比度,反之降低对比度 幂律变换: c>1增强对比度,反之降低对比度 ##2.比特面分层应该如何实现? 对于灰度图而言,一个像素点由8个比特组成。代替突出灰度级范围,我们可以突出特定比特来为整个图像外观作出贡献(理解这一点很重要)一副8比特灰度图可考虑分层1到8个比特平面。很容易理解的是,4个高阶比特平面,特别是最后两个比特平面,包含了在视觉上很重要的大多数数据。而低阶比特平面则在图像上贡献了更精细的灰度细节。 比特平面分层最重要的是它的分层算法,算法依据就是上段的黑体字,突出该层的比特,如何突出则是每一层分层算法需要考虑的。 例如第一层,值不是0就是1,这样的色值显示出来就是纯黑,根本显现不了第一层比特的贡献。突出分层的最好做法就是二值化,因为每个像素点每层比特的值只有1(有贡献)和0(无贡献),我们要做的就是突出1值,将1值扩大为255,然后显示即可。 其它层级的分层算法如上依次类推,如果该层级的比特值为1,则二值化为255,如果为0,则二值化为0。 参考资料: http://www.cnblogs.com/fordreamxin/p/4621119.html ##3.什么是图像的直方图?如何用程序实现直方图统计? 一幅图像由不同灰度值的像素组成,图像中灰度的分布情况是该图像的一个重要特征。图像的灰度直方图就描述了图像中灰度分布情况,能够很直观的展示出图像中各个灰度级所占的多少。 图像的灰度直方图是灰度级的函数,描述的是图像中具有该灰度级的像素的个数:其中,横坐标是灰度级,纵坐标是该灰度级出现的频率。 如何计算: ``` int grysm=0;//假设为像素总和 int hist[255]={0};//统计结果的数组 void calhist(Mat& input){ Mat mat=input.clones(); grysm=mat.cols*mat.rows; for(int i=0;i<mat.rows;i++) { for(int j=0;j<mat.cols;j++) { hist[mat[i][j]]++; } } for(int k=0;k<256;k++) { hist[k]=(double)hist[k]/grysm;#统计频率 } } ``` 参考:http://www.cnblogs.com/skyfsm/p/7767043.html ##4.图像均衡化及规格化的概念 **均衡化算法** 直方图的均衡化实际也是一种灰度的变换过程,将当前的灰度分布通过一个变换函数,变换为范围更宽、灰度分布更均匀的图像。也就是将原图像的直方图修改为在整个灰度区间内大致均匀分布,因此扩大了图像的动态范围,增强图像的对比度。通常均衡化选择的变换函数是灰度的累积概率. **直方图规定化** 也叫做直方图匹配,用于将图像变换为某一特定的灰度分布,也就是其目的的灰度直方图是已知的。这其实和均衡化很类似,均衡化后的灰度直方图也是已知的,是一个均匀分布的直方图;而规定化后的直方图可以随意的指定,也就是在执行规定化操作时,首先要知道变换后的灰度直方图,这样才能确定变换函数。规定化操作能够有目的的增强某个灰度区间,相比于,均衡化操作,规定化多了一个输入,但是其变换后的结果也更灵活。 参考:https://www.cnblogs.com/wangguchangqing/p/7098213.html ##5.图像空间滤波的概念 空间滤波,就是直接在灰度值上,做一些滤波操作。滤波一词,其实来源于频域,将某个频率成分滤除的意思。大部分线性的空间滤波器(比如均值滤波器),是在空间上进行一些灰度值上的操作,这个线性空间滤波器与频域滤波器有一一对应的关系(比如均值滤波器其本质就是低通滤波器),这样会有助于理解这个滤波器的特性。然而,对于非线性的滤波器(比如最大值,最小值和中央值滤波器)的话,则没有这样一个一一对应的关系。 线性空间滤波所使用的运算是卷积,其计算如下所示。 在执行空间滤波的时候,我们都会使用到这个操作。 这个式子可能会出现两个问题。这次是在空间域进行操作的,所以上式应该没什么问题。但是,如果换到频域,我们会发现,我们使用的滤波器是非因果的,按照我之前在数字信号处理的那一节,非因果具有零相位特性,但是是不可实现的,因为需要未来的输入。而在这,我们在图像处理的时候,都是一帧一帧的处理,所以,这里非因果性不是问题。而最重要的是,零相位特性不会使得图像变形,这是很重要的。 还有一个问题就是边界问题,当滤波器的中心靠近图像边缘时候,滤波器的一部分会位于图像外,那么此时,我们通常会采用填0的操作来解决。但是,一些场合,直接填0操作会使得操作后的图像出现黑边。所以,常用的操作还有,①选择距离最近的点填充,②填充的点为圆图像的镜像,③将原图像当做周期信号来填充。 --------------------- 本文来自 zhoufan900428 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/zhoufan900428/article/details/12884981?utm_source=copy
上一篇:
matplotlib基础使用
下一篇:
第二次上课课后延伸
0
赞
85 人读过
新浪微博
微信
腾讯微博
QQ空间
人人网
提交评论
立即登录
, 发表评论.
没有帐号?
立即注册
0
条评论
More...
文档导航
没有帐号? 立即注册