人总是有很多想象中的美好,各种憧憬,这挺好的,而且是不可或缺的。
但是,前提自己要强大,不仅需要内心强大,更要有能力支撑。
不管以后做什么,一旦铁了心选定了,就要朝着最强去做,或者局部最强,嘿嘿。
现在还没选定,谁知道以后会不会做图像呢,所以图像还是不想丢。
技多不压身。
努力,自律,热爱。
——2020年9月25日
有的时候总想把笔记写的工整写,往往会分散很多时间和注意力在那上面
所以,写乱点没关系,写在哪里都不是目的,最终是要写到脑子里
只要到了脑子里,再凌乱的东西,都是工整的。
这个主要是记录,给自己看,假如哪位朋友有缘看到,欢迎批评斧正,毕竟一个字,菜。
目录
点运算&群运算
图像处理基本算法操作从处理对象的多少可以有如下划分:
一)点运算:处理点单元信息的运算
二)群运算:处理群单元 (若干个相邻点的集合)的运算
操作类型 | 具体常用操作 |
点运算 | 二值化操作、直方图处理、亮度映射、加法运算、 翻转运 算 、尺度运算 、对数运算 、指数运算等 |
群运算 | 模板卷积运算、滤波运算(均值滤波、最大值滤波 、最小值滤波)、 各项异性扩散、形态学操作(膨胀和腐蚀)、力场变换等 |
二值化操作
图像二值化是图像处理中十分常见且重要的操作,它是将灰度图像转换为二值图像或灰度图像的过程。
将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中,二值图像占有非常重要的地位,首先,图像的二值化有利于图像的进一步处理,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓。其次,要进行二值图像的处理与分析,首先要把灰度图像二值化,得到二值化图像。
所有灰度大于或等于阈值的像素被判定为属于特定物体,其灰度值为255表示,否则这些像素点被排除在物体区域以外,灰度值为0,表示背景或者例外的物体区域。
图像的二值化处理就是将图像上的点的灰度值为0或255,也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中,二值图像占有非常重要的地位,特别是在实用的图像处理中,以二值图像处理实现而构成的系统是很多的,要进行二值图像的处理与分析,首先要把灰度图像二值化,得到二值化图像,这样子有利于在对图像做进一步处理时,图像的集合性质只与像素值为0或255的点的位置有关,不再涉及像素的多级值,使处理变得简单,而且数据的处理和压缩量小。为了得到理想的二值图像,一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阈值的像素被判定为属于特定物体,其灰度值为255表示,否则这些像素点被排除在物体区域以外,灰度值为0,表示背景或者例外的物体区域。
如果某特定物体在内部有均匀一致的灰度值,并且其处在一个具有其他等级灰度值的均匀背景下,使用阈值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上(比如纹理不同),可以将这个差别特征转换为灰度的差别,然后利用阈值选取技术来分割该图像。动态调节阈值实现图像的二值化可动态观察其分割图像的具体结果。
二值化操作有很多种,例如一般二值化、翻转二值化、截断二值化、置零二值化、置零翻转二值化。
【注:上面这句话是我转载的一位老铁的,二值化操作有这么多种吗?二值化处理的结果不就是两种像素值么,0或1。下面的这几个函数,也只有前面两种是二值化操作】
【注:下面这几个图是对应上面几个函数的,前面两种是二值化】
- 原灰度图像的像素值(其中红色的线表示阈值,折线表示像素值)
- THRESH_BINARY:超过阈值的值为最大值,其他值是0
- THRESH_BINARY_INV:超过阈值的值为0,其他值为最大值
- THRESH_TRUNC: 超过阈值的值等于阈值,其他值不变
- THRESH_TOZERO: 超过阈值的值不变,其他值为0
- THRESH_TOZERO_INV:超过阈值的值为0,其他值不变
在阈值二值化中,最主要的是选取合适的阈值,这也是二值化的难点所在。
常用的二值化阈值选取方法有双峰法、p参数法、大律法(Otsu法)、最大熵阈值法、迭代法等。
【注:上面这几种阈值选取方法后面有必要贴一下】
就先这些。
参考:
https://blog.csdn.net/yanghan742915081/article/details/82941140
https://blog.csdn.net/weixin_41722450/article/details/104258193