图像处理中的---名词总结

图像处理的基本步骤：获取图像数据—— 平滑处理 —— 边缘检测/阈值分析 —— 形态学操作 —— 获取某些特征点 —— 分析数据

二值化变换(binary transformation)：图像分割的一种方法。在二值化图象的时候把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，实现二值化。根据阈值选取的不同，二值化的算法分为固定阈值和自适应阈值。 常用的二值化方法：双峰法、P参数法、迭代法和OTSU法等。
阈值变换(threshold transformation):灰度的阈值变换是指将一幅灰度图像变为黑白二值图像，首先指定一个阈值，如果图像中的某像素值小于这个阈值，则将该像素的灰度值设置为0，否则，将该像素的灰度值设置为255。阈值的选取同二值化一样。
傅立叶变换(Fourier transform):图像处理中傅里叶变换理解为：将一个复杂无规律的图像拆分成多个简单有规律的子图像来表示。由于图像中表达距离的单位是像素大小，所以频率可理解为N个像素内灰度值完成周期性变化的次数。傅里叶变换以前，图像是由对在连续空间上的采样得到一系列点的集合，由z=f(x,y)来表示。从物理效果看，傅里叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。即将图像的灰度分布函数变换为图像的频率分布函数，傅里叶逆变换是将图像的频率分布函数变换为灰度分布函数。傅里叶中由三个分量编码：频率、幅值、相位描述正弦图像中的所有信息。在频域中，图像的幅值表示了图像中最明和最暗的峰值之间的差，相位表示了相对于原始波形，这个波形的偏移量。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。频率越大说明原始信号变化速度越快，频率越小说明原始信号越平缓。当频率为0时，表示直流信号，没有变化。因此，频率的大小反应了信号的变化快慢。高频分量解释信号的突变部分，而低频分量决定信号的整体形象。在图像处理中，频域反应了图像在空域灰度变化剧烈程度，也就是图像灰度的变化速度，或图像的梯度大小。对图像而言，图像的边缘部分是突变部分，变化较快，因此反应在频域上是高频分量；图像的噪声大部分情况下是高频部分；图像平缓变化部分则为低频分量。也就是说，傅立叶变换提供一条从空域到频率自由转换的途径来观察图像，可以将图像从灰度分布转化到频率分布上来观察图像的特征。  
图像平滑(image smoothing)： 压制、弱化或消除图像中的细节、突变、边缘和噪声,就是图像平滑化。图像平滑是对图像作低通滤波,可在空间域或频率域实现。空间域图像平滑方法主要用低通卷积滤波、中值滤波等；频率域图像平滑常用的低通滤波器有低通梯形滤波器、低通高斯滤波器、低通指数滤波器、巴特沃思低通滤波器等。
高斯滤波(Gaussion filter):高斯滤波是一种线性平滑滤波，即低通滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由本身和邻域内的其他像素值经过加权平均后得到。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。
均值滤波(mean filter)：均值滤波是典型的线性滤波算法，是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素,构成一个滤波模板，即去掉目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。
中值滤波(median filter):中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 这些包括1)深度上的不连续、2)表面方向不连续、3)物质属性变化和4)场景照明变化。在OpenCV中，边缘检测的方法有以下几种：Sobel,Scharr,Laplace,Canny.其中前三种的边缘检测是带方向的。
-Sobel算子(Sobel operator):图像处理中的算子之一，主要用作边缘检测，结合了高斯平滑和微分求导。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。具体计算将图像矩阵分别与内核[-1 0 1, -2 0 2, -1 0 1]和内核[-1 -2 1, 0 0 0, -1 2 1](ksize=3)进行卷积得到Gx,Gy,在图像每一点求出近似梯度或。
-Scharr滤波器:当内核大小为3时, Sobel内核可能产生比较明显的误差，使用[-3 0 3,-10 0 10,-3 0 3]代替原来内核结果更加精确。
-Laplacian算子:Laplace利用Sobel算子的运算，它通过Sobel算子运算出图像在x方向和y方向的导数，来得到载入图像的拉普拉斯变换结果，Laplace的轮廓更为清晰。
-Canny边缘检测:是一个多阶段的算法，即由多个步骤构成。1.图像降噪;2.计算图像梯度;3.非极大值抑制;4.阈值筛选。
形态学操作：形态学操作就是改变物体的形状。基本的运算包括：二值腐蚀和膨胀、二值开闭运算、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。膨胀就是求局部最大值的操作，膨胀或者腐蚀操作就是将图像（或图像的一部分区域）与核进行卷积。
图像金字塔：是图像多尺度表达的一种，是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。
霍夫变换：Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把检测整体特性转化为检测局部特性。比如直线、椭圆、圆、弧线等。
 
————————————————
版权声明：本文为CSDN博主「xran」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/xranmail/article/details/103254507