图像增强的点运算

最新推荐文章于 2022-11-14 00:59:13 发布

ChengyuanM.

最新推荐文章于 2022-11-14 00:59:13 发布

阅读量585

点赞数

文章标签：图像处理计算机视觉 python

本文链接：https://blog.csdn.net/buxiangspeaking/article/details/124701619

版权

图像处理中的点运算涉及灰度级校正和变换，如线性、分段线性和非线性变换（对数、指数），以及直方图修正法，包括直方图均衡化和规范化，用于提升图像对比度和细节清晰度。

摘要由CSDN通过智能技术生成

在图像处理中,点运算是一种简单而又很重要的技术。对于一幅输入图像,经过点运算将产生一幅输出图像,后者的每个像素的灰度值仅由相应输入像素的值决定。对比度增强、对比度拉伸或灰度变换都属于点运算。它是图像数字化软件和图像显示软件的重要组成部分。

灰度级校正

在成像过程中,扫描系统、光电转换系统中的很多因素,如光照强弱、感光部件灵敏度、光学系统不均匀性,元器件特性不稳定等均可造成图像亮度分布的不均匀,导致某些部分亮,某些部分暗。灰度级校正就是在图像采集系统中对图像像素进行修正,使整幅图像成像均匀。

令理想输入系统输出的图像为 $f (i, j)$ ,实际获得的降质图像为 $g (i, j)$ ,则有:
$g (i, j) = e (i, j) f (i, j)$
$e (i, j)$ 为降质函数或观测系统的灰度失真系数。显然只要知道了 $e (i, j)$ ,就可求出不失真图像 $f (i, j)$ 。

标定系统失真系数的方法之﹒是采用一幅灰度级为常数C的图像成像,若经成像系统的实际输出为 $g_c(i,j)$ ,则有:
$g_{c}(i, j)=e(i, j) C$
从而可得降质函数：
$e(i, j)=g_{c}(i, j) C^{-1}$
从而就可得降质图像 $g (i, j)$ 经校正后所恢复的原始图像 $f (i, j)$ 。
$\frac{g(i, j)}{g_{c}(i, j)}$
值得注意的是经灰度级校正后的图像为连续图像,由于乘了一个系数 $C / g_c(i,j)$ ,所以校正后的 $f (i, j)$ 有可能出现“溢出”现象,即灰度级值可能超过某些记录器件或显示器的灰度输入许可范围,因此需再作适当修正。最后对修正后的图像进行量化。