图像处理
时行居正
拙则勤,行则易
展开
-
[转]噪声简述
0 概述 对噪声的理解其实也是一种信号,干扰了我们原想要看到的信号(每个像素可以认为是种信号),我们关注的可能不是如何避免,因为避免不了,而应该是如何识别,并且去除尽可能的还原,去除的前提是要识别,要识别就需要知道它分为几类。1 产生原因 原因有两类,外部原因和内部原因。 外部噪声即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设转载 2016-11-03 12:40:49 · 3188 阅读 · 0 评论 -
图像阈值
0 引图像阈值,即图像的分割基准,基于此可完成图像的二值化。图像二值化可用于OCR成图像的分割(也是最为简单的一种)。这种分割是基于图像像素值级别的差异,且一般的对象是灰度图像。1 图像二值化如上所述,图像阈值的进一步处理就是二值化,二值化包含但不限于“大于阈值为255,小于阈值为0”的处理模式。具体如下所示。其实个人理解这些方法只是提供了一种在处理图像时的思路,并不一定要死记住方法的原创 2017-09-24 16:52:38 · 13166 阅读 · 0 评论 -
图像增强之03锐化
之前讲述的是通过做直方图均衡化的方法达到增强图像的方法。除此之外,锐化也是常用的一种手段。通过锐化处理之后的图像,可以使得边缘清晰,颜色更鲜明,可以用于进一步提取图像的边缘进行图像分割,区域形状提取等。0 锐化方法 图像锐化的方法,通常分为基于空间域的微分法和基于频域的高通滤波法,本文暂时只讲述微分法,之后会补充高通滤波法。 微分法的原理其实就是数学的逆运算,通原创 2017-09-16 11:59:35 · 1621 阅读 · 0 评论 -
线性与非线性
叠加性当多输入系统共同作用于系统时产生的效果,与各个输入作用于系统产生的效果和,相同。用方程刻画如下。例如,物理学中,物体的加速度等于作用于该物体的合力产生的加速度,但是也等于各个分力产生的加速度和。f(x)+ f(y) = f(x+y)齐次性 即满足如下方程。f(ax) = a*f(x)线性系统与非线性系统所谓线性系统即指满足叠加性与齐次性的系统,反之即为原创 2017-09-17 16:46:07 · 1366 阅读 · 0 评论 -
[转]图像梯度:图像频率
0 定义图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。如:大面积的沙漠在图像中是一片灰度变化缓慢的区域,对应的频率值很低;而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域,对应的频率值较高。1 高中低频意义不同频率信息在图像结构中有不同的作用。图像的主要成分是低频信息,它形成了图像的基本灰度等级,对图像结构的决定作用较小;中频信息决定了图像的基转载 2017-09-10 13:54:27 · 1969 阅读 · 0 评论 -
[转]图像梯度:算子
0 定义本质上是用于卷积运算的模板,最终效果上是求得梯度。Roberts 算子,Sobel算子、Prewitt算子以及Laplace算子等。按功能分,上述算子都是求边缘检测的算子。如果按求导的阶数分类,Roboert、Sobel、Prewitt都是一阶算子,而Laplace属于二阶算子。1 推导1.1 Robert算子利用局部差分算子寻找边缘的算子,采用对角线相邻两像素之差(正常梯转载 2017-09-01 15:51:53 · 21646 阅读 · 0 评论 -
图像金字塔
0 序 图像金字塔实际上是一张图片在不同尺度下的集合,即原图的上采样和下采样。常见的金字塔包括高斯金字塔和拉普拉斯金字塔,但是也有一些其它算法衍生的金字塔,并不一定要高斯模糊。需根据自身应用而定,参考文献0中所述的理由我并不认同。 图像金字塔更多的是一种构建不同尺度空间的思想,网络上搜索较多的可能是在SIFT算法中的应用了,除此之外,还可以应用在光流中,slam的姿转载 2017-09-26 23:56:40 · 12677 阅读 · 1 评论 -
[转]图像边缘提取-Canny算法
[转自http://blog.csdn.net/likezhaobin/article/details/6892176]图象的边缘是指图象局部区域亮度变化显著的部分,该区域的灰度剖面一般可以看作是一个阶跃,既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息,图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的,同时也是图象分割所依转载 2017-09-27 22:50:35 · 14956 阅读 · 0 评论 -
双边滤波
0 序 均值滤波是基于模板内像素值取均值的一种滤波方式,显然没有考虑距离的因素,所以效果不好,边缘不突出。因此,高斯滤波是基于此以距离为权重作为模板值的参考,所以边缘得到了改善,但也不是特别明显。另外,高斯滤波作为线性滤波,对噪声也是比较敏感的。所以,又在高斯基础上,做了进一步优化,叠加了像素值的考虑,因此也就引出了双边滤波,一种非线性滤波,一种对保留边缘更有效的滤波。1原创 2017-09-19 22:05:40 · 1765 阅读 · 1 评论 -
[转]图像梯度:概述
0 定义 图像梯度是描述图像像素之间差异的一种方法,可以作为图像的一种特征表征图像(用于模式匹配)。从数学角度而言,图像梯度是指像素的一阶导数。1 计算 其计算的一般方法,可以从X和Y两个方向描述。把图像看成二维离散函数,则在数字图像中就可以把图像表示成一个M*N的二维数字阵列,如下图。图像梯度其实就是这个二维离散函数的求导: 图像梯度: G(x,y)转载 2017-08-29 15:04:59 · 2370 阅读 · 0 评论 -
最大值、最小值、中值、均值滤波
0 定义及用途 均值滤波,即以模板内算术平均数的值代替中心像素值,可以降低高斯噪声。 中值滤波,即以模板内进行有序排列后位于中间的像素值代替中心像素值,可以降低椒盐噪声。 最大值滤波,即以模板内进行有序排列后最大像素值代替中心像素值,可以去除图像中的暗斑,使亮斑增大。最小值滤波,即以模板内进行有序排列后最小像素值代替中心像素值,可以去除图像中的亮原创 2017-08-29 12:34:22 · 7764 阅读 · 0 评论 -
高斯噪声和椒盐噪声
0 定义 高斯噪声,顾名思义是指服从高斯分布(正态分布)的一类噪声,通常是因为不良照明和高温引起的传感器噪声。通常在RGB图像中,显现比较明显。如下图。 椒盐噪声,通常是由图像传感器,传输信道,解压处理等产生的黑白相间的亮暗点噪声(椒-黑,盐-白)。通常出现在灰度图中。如下图所示1 噪声生成方法 在原有像素值加上噪声分量,原创 2017-08-29 11:04:47 · 56536 阅读 · 2 评论 -
图像增强之01概述
因项目需要,需要普及图像处理相关知识,可惜《数字图像处理》这种高大尚经典的教材对于小白的我总是很费劲的事儿,所以拿出典型工科思想去学习,即根据数字图像处理中提出的梗概有针对性地去整理资料消化,一个个知识点的攻破,再求整体上的提高。0 概念及意义 图像增强,简单说就是为了满足图像后期处理的需求,对原始图像做的一系列修正操作。因此只要是为了后期算法处理都可以认为是图像增强操作。图像原创 2016-11-04 15:55:23 · 1156 阅读 · 0 评论 -
图像增强之02直方图均衡化
根据上一章内容可以知道,直方图均衡化算法是基于空间域对像素点运算处理的图像增强算法。0 图像直方图 在讲述算法之前,先简单介绍下直方图。图像中直方图横坐标是表示灰度值,左边暗右边亮,纵坐标表示像素分布的数量。根据图像形态,可以初步判断照片的暴光情况,直方图是照片曝光情况最好的反馈。从理论上说,一张曝光良好的照片,各亮度值上都有像素分布。把直方图划分为5个区:每个区代表一转载 2016-11-05 15:22:27 · 5697 阅读 · 0 评论 -
BT656简介
转自http://www.cnblogs.com/s_agapo/archive/2012/04/08/2437775.html凡是做模拟信号采集的,很少不涉及BT.656标准的,因为常见的模拟视频信号采集芯片都支持输出BT.656的数字信号,那么,BT.656到底是何种格式呢? 本文将主要介绍 标准的 8bitBT656(4:2:2)YCbCr SDTV(标清) 数字视频信号格转载 2016-12-06 15:18:05 · 1992 阅读 · 0 评论 -
OpenCV之imread解析
近日,开始学习图像处理,思前想后决定以opencv作为实验基础。遂完成图片读取和显示功能。Imread作为常用的图像读取函数,虽然简单,但是参数的选择非常重要,直接影响到后期处理。同时在调试学习过程中也可以学习到图像处理的知识。0 函数原型 Mat imread(const String& filename,int flags = IMREAD_COLOR);原创 2017-04-28 07:43:41 · 78314 阅读 · 0 评论 -
色彩空间
0 概述 颜色通常用三个相对独立的属性来描述,三个独立变量综合作用,自然就构成一个空间坐标,这就是颜色空间(颜色模型)。而颜色可以由不同的角度,用三个一组的不同属性加以描述,就产生了不同的颜色空间。但被描述的颜色对象本身是客观的,不同颜色空间只是从不同的角度去衡量同一个对象。主要包括: RGB 用于扫描仪、显示设备、计算机系统; CMKY转载 2017-05-03 15:01:21 · 928 阅读 · 0 评论 -
[转] 图像灰度化
0 分量法将彩色图像中的三分量的亮度作为三个灰度图像的灰度值,可根据应用需要选取一种灰度图像。f1(i,j)=R(i,j) f2(i,j)=G(i,j) f3(i,j)=B(i,j)其中fk(i,j)(k=1,2,3)为转换后的灰度图像在(i,j)处的灰度值。1 最大值法将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。f(i,j)=max(R(i,j),G(i,j),B转载 2017-06-12 16:27:56 · 903 阅读 · 0 评论 -
[转] 卷积
0 定义 简单定义:卷积是分析数学中一种重要的运算。 设:f(x),g(x)是R1上的两个可积函数,作积分: 可以证明,关于几乎所有的实数x,上述积分是存在的。这样,随着x的不同取值,这个积分就定义了一个新函数h(x),称为函数f与g的卷积,记为h(x)=(f*g)(x)。 由卷积得到的函数f*g一般要比f和g都光滑。特别转载 2017-06-25 22:50:33 · 734 阅读 · 0 评论 -
[转]拉伸插值算法
0 概述 本文主要讲解的是针对平面图像在拉伸过程中,常常使用两种插值算法:最近邻元插值和双线性插值。另外也列举了其它场景中用的算法,但是没有深入研究就不阐述,待有时间再一一补上。1 最邻近元法 这是最简单的一种插值方法,不需要计算,在待求象素的四邻象素中,将距离待求象素最近的邻象素灰度赋给待求象素。设i+u, j+v(i, j为正整数, u, v为大于零小于1的小数,下同转载 2017-08-26 22:56:21 · 1919 阅读 · 0 评论 -
[转] 凸包求解算法
转自http://blog.csdn.net/bone_ace/article/details/462391870 引 所谓凸包即选定点的连线组成的多边形能够将其它所有的点都包进来,这些点的连线组成的多边形即称之为凸包,如下图所示。凸包的作用可以是求解目标区域的轮廓,图像分割等图像高级形态学的操作。1 数学基础如何判断一个点 p3 是在直线 p1p2 的左边转载 2017-10-09 21:29:11 · 1590 阅读 · 0 评论