digital image processing

ZacharyGz

已于 2024-09-26 17:16:23 修改

阅读量555

点赞数 19

文章标签：计算机视觉图像处理人工智能

于 2024-09-26 17:02:55 首次发布

本文链接：https://blog.csdn.net/ZacharyGz/article/details/142550470

版权

gray-scale linear transformation

$g(x, y) = k \cdot f(x, y) + b$
该公式中g(x,y)表示灰度线性变换后的灰度值，f(x,y)表示变换前输入图像的灰度值，k和b为线性变换方程f(x,y)的参数，分别表示斜率和截距。

当k=1，b=0时，保持原始图像；
当k=1，b≠0时，图像所有的灰度值增加或降低（通过调整b，实现对图像亮度的调整）；
当k=-1，b=255时，原始图像的灰度值反转；
当k>1时，输出图像的对比度增强，图像的像素值在变换后全部增大，差异值变大导致整体效果被增强；
当0<k<1时，输出图像的对比度被削弱；
当k<0时，原始图像暗区域变亮，亮区域变暗，图像求补。

non-linear transformation

Logarithmic transformation

$g(x,y) = c \cdot \log(1 + f(x,y))$
对数曲线在像素值较低的区域斜率大，在像素值高的区域斜率较小，所以图像经过对数变换后，较暗区域的对比度将有所提升。这种变换可用于增强图像的暗部细节，从而用来扩展被压缩图像中的较暗像素。

其中 c 为尺度比较常数，f(x,y)为原始图像灰度值，g(x,y)为变换后的目标灰度值。

gamma transformation

$g(x,y) = c \cdot f(x,y)^{\gamma}$

用于调节图像对比度、减少图像光照不均和局部阴影
gamma变换又称为指数变换或幂次变换，是另外一种常用的灰度非线性变换。

当γ>1时，会拉伸图像中灰度级较高的区域，压缩灰度级较低的部分。
当γ<1时，会拉伸图像中灰度级较低的区域，压缩灰度级较高的部分。
当γ=1时，该灰度变换是线性的，此时通过线性方式改变原图像。

histogram

图像直方图（Image Histogram）是用以表示数字图像中亮度分布的图形，标绘了图像中每个亮度值的像素数。在直方图中，横坐标的左侧为纯黑、较暗的区域，而右侧为较亮、纯白的区域。因此，如果是一张较暗图像，它的直方图中的数据多集中于左侧和中间部分；而整体明亮、只有少量阴影的图像则相反，多集中在中间和右侧部分。

histogram equalization

直方图均衡化是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，从而加大图像对比度。它是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同，也就是把给定图像的直方图分布改变成“均匀”分布直方图分布。

function: 1. image enhancement

histogram matching (specification)

直方图匹配（规定化）指调整一幅图像的直方图，使其与另一幅图像或指定的直方图相匹配。通过一个灰度映射函数，将原灰度直方图改造成所希望的直方图。通过改变图像的像素值分布，从而使两幅图像在视觉上更接近或符合特定的直方图分布。直方图修改的关键就是灰度映射函数。

function: 1. image enhancement 2. color correction 3. feature matching 4. style transferring

histogram back projection

直方图反向投影的基本思想是首先计算一个参考图像（或感兴趣区域）的直方图，这个直方图描述了图像中像素值的分布情况。然后，将该直方图归一化并使用这个归一化直方图作为模板，去另一个图像中寻找具有相似像素值分布的区域。在反向投影过程中，会为输入图像中的每个像素计算一个值，这个值表示该像素值在归一化直方图模板中的分布情况，从而生成一个新的图像，即反向投影图。在这个新图像中，亮点通常表示与原始归一化直方图模板匹配度高的区域，这些区域可能是我们感兴趣的对象。

function: 1. image segmentation 2. object detection 3. feature extraction