图像预处理一些方法的原理步骤说明

真的是盛

已于 2024-01-27 14:21:18 修改

阅读量2.5k

点赞数 37

文章标签：计算机视觉人工智能图像处理

于 2024-01-20 23:18:25 首次发布

本文链接：https://blog.csdn.net/m0_55815959/article/details/135718272

版权

本文详细介绍了图像处理中的关键技术，如直方图均衡化、自适应直方图均衡化（CLAHE）、伽马校正、对数变换、高斯模糊、锐化滤波（包括拉普拉斯算子和UnsharpMasking）、频率域滤波、白平衡调整以及颜色矫正，涵盖了从基本原理到实际应用的过程。

摘要由CSDN通过智能技术生成

Unsharp Masking（USM）：

1.直方图均衡化

直方图均衡化是一种常用于图像处理的方法，它可以改善图像的对比度，尤其是在图像的局部区域的对比度不足时。此方法通常通过调整图像的直方图分布来实现，使得最终图像的直方图分布更加均匀，从而增强图像的整体对比度。

直方图均衡化的步骤：

1. **计算原始直方图**：首先计算原始图像的直方图，这是反映图像亮度分布的基础。直方图H是一个函数，其中H(i)代表图像中亮度值为i的像素的数量。

2. **计算累积直方图**：根据原始直方图，计算累积直方图（Cumulative Histogram, CH）。累积直方图的每一个位置是原始直方图对应该位置以及之前所有位置的总和。

3. **归一化累积直方图**：将累积直方图归一化到图像的亮度范围内。这通常是通过除以像素的总数并乘以亮度级别的最大数值来完成的。这样可以将累积直方图的值映射到新的亮度级别。

4. **映射原始图像**：使用归一化的累积直方图映射原始图像的每个像素值到新的亮度值。换言之，原始图像中每个像素的亮度值将根据归一化后的累积直方图进行调整。

5. **生成新图像**：最终的图像是通过将每个像素的亮度值替换为累积直方图映射后得到的新值生成的。

这个过程实质上是通过扩展图像中的亮度范围来提高图像的对比度。在直方图均衡化之后，图像原本可能聚集在某个亮度范围的像素值被重新分布，从而使整个亮度范围得到充分利用。

在实际应用中，直方图均衡化可能会导致某些区域的对比度过高。为了解决这个问题，有一种叫做自适应直方图均衡化（Adaptive Histogram Equalization, AHE）的方法，而它的一个常用变体是对比度限制的自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization, CLAHE）。CLAHE 的基本思想是对图像进行分块处理，对每一块独立进行直方图均衡化，并通过限制对比度来避免过度增强噪声。然后使用双线性插值等技术平滑邻近块之间的过渡，这样可以得到在局部区域自适应提高对比度的效果，同时不会在整个图像中引入不自然的对比度变化。

2.自适应直方图均衡化

自适应直方图均衡化（Adaptive Histogram Equalization, AHE）是一种图像对比度改善的技术，特别适用于在不同区域具有不同亮度的图像。与传统直方图均衡化相比，自适应直方图均衡化不会应用一个全局的转换，相反，它会根据图像的局部区域来调整对比度，因而能够在保持图像局部细节的同时，提升图像对比度。

CLAHE（Contrast Limited Adaptive Histogram Equalization）是AHE的一个改进版本，添加了对比度限制，以避免放大噪声。

CLAHE 算法步骤：

1. **分块处理**：将图像分成许多小块（称为“tile”）。这些小块通常是8x8、16x16或更大，具体取决于图像大小和需求。

2. **对每一块应用直方图均衡化**：在每个小块上分别进行直方图均衡化。这意味着图像中每个小块的对比度都会被增强。

3. **对比度限制**：为了防止在每一块中由于直方图均衡化造成太高的对比度（这可能会导致噪音放大），CLAHE 方法限制了直方图的"bin"到一个指定的限制值。超过这个限制的像素会被均匀分配给其他bins。

（直方图的"bin"（或称为"桶"）是用于统计数据分布的间隔。在图像处理的上下文中，一个直方图表示了图像中像素强度的分布。每个bin包含了特定范围的像素值，并且记录了落入这个范围的像素数量。

例如，考虑一个8位灰度图像，其像素值范围从0到255。如果我们创建一个具有256个bins的直方图，那么每个bin就对应于一个特定的像素强度值，bin的计数指的是图像中拥有那个强度值的像素的数量。如果使用更少的bins，例如只使用16个bins，那么每个bin将包含一段像素值范围（在这个例子中，每个bin将包含16个连续的像素强度值），并且每个bin的计数将是落入该范围的所有像素的数量总和。）

4. **双线性插值**：经过均衡化的图块之间的边界会在直方图应用之后出现不连续，为了消除块与块之间边界的“伪影”，使用双线性插值根据相邻块的均衡化结果来调整边界像素的值。

5. **合并小块**：最后，将调整后的小块重新组合成最终的图像。

通过CLAHE可以得到在局部区域细节更加清晰但又不会过度增强噪声的图像。它非常适用于医学成像或其他需要细节增强的场合。在OpenCV中，CLAHE可以通过`cv::createCLAHE()`函数来创建一个CLAHE对象，然后使用该对象的`apply()`方法应用到具体的图像上。

3.伽马校正

伽马校正是图像处理中的一项常用技术，用于校正图像亮度的非线性响应问题，它依据人眼对亮度的非线性感知调整图像的色调映射。伽马校正主要针对的是显示设备的伽马特性，使得图像在显示设备上的显示效果更为真实和自然。

伽马校正的概念：

伽马校正的步骤：

在编程实现时，通常遵循以下步骤进行伽马校正：

1. **归一化**：将图像像素值归一化到0到1之间，因为伽马公式上述是在0到1范围内定义的。

2. **应用伽马校正公式**：对归一化后的每一个像素值应用 $O = I^\gamma$，进行伽马校正。

3. **反归一化**：完成伽马校正后，将每个像素值反归一化，即乘以可能的像素值的最大值（通常是255），以便能在显示设备上正常显示。

4. **转换数据类型**：反归一化后一般得到的是浮点数，需要将其转换回图像通常使用的整数类型，如8位无符号整数格式。

5. **显示或保存**：将处理完成的图像显示或保存。

伽马校正通常用在图像预处理中，以使得图像更适合观看或进一步处理。

4.对数变换

对数变换是一种图像处理技术，通常用于增强图像中的暗区域的细节，同时抑制高亮区域的对比度，因为其输出值不是线性的，而是对数的。

对数变换原理：

对数变换能够将图像中宽范围的像素值压缩到较小的范围中。输入像素值中较低的值（暗区域）在经过变换后得到相对较大的输出值，从而使暗区域得到伸展，而较高的像素值（亮区域）的输出值则不会相差太大，从而使亮度较强的区域得到压缩。

对数变换概念应用：

由于对数变换可以显著增强暗区域而不过度拉伸亮区域，它广泛用于医学成像、天文成像以及其它需要提高动态范围以突出显示的应用场景。当图像的直方图是偏向低亮度值时，使用对数变换能够增强暗部细节，使图像更加清晰。

在实现时，通常需要对输入图像的像素值进行规范化，以防止超出像素值允许的范围。例如，在8位图像处理中，像素值范围通常在0至255之间。对数变换之后，需要将像素值重新缩放回有效范围以显示或进一步处理。

5.高斯模糊

高斯模糊（Gaussian Blur）是图像处理中常用的一种模糊效果，主要用于去除图像噪声和细节，以达到平滑图像的效果。它得名于高斯函数（Gaussian function），该函数在统计学中用于表示正态分布。

高斯模糊的原理：

高斯模糊的原理基于高斯函数，这是一个在数学、物理和工程领域都有广泛应用的平滑函数。高斯函数在二维空间中的形式可以表示为：

在图像处理中，高斯模糊是通过将每个像素点与其邻域像素点按照高斯函数的权重进行加权平均来实现的。权重由像素点之间的距离决定，距离中心像素点越远的像素点权重越小。这样，中心像素点附近的像素点对其影响较大，而较远的像素点影响较小。

高斯模糊的步骤：

确定高斯核大小：首先，需要确定高斯核（也称为高斯滤波器或高斯矩阵）的大小，常见的有3x3、5x5、7x7等。核的大小决定了模糊的范围。

计算高斯核：根据高斯函数和核的大小，计算出高斯核中每个元素的值。核中心对应原始图像中的像素点，其余元素对应该像素点周围的邻域像素点。

归一化高斯核：将计算出的高斯核所有值相加，得到的和通常不等于1。为了保持图像亮度，需要将核中的所有值除以这个和，进行归一化处理。

卷积运算：将归一化后的高斯核与原始图像进行卷积运算。具体来说，就是将高斯核覆盖到图像的每个像素上，核内的每个值与对应的像素值相乘，然后将这些乘积相加，得到的结果作为新图像中该位置的像素值。

处理边界：在图像的边界处，高斯核可能会超出图像范围。这时候可以采用多种方法处理，如扩展边界、镜像边界或忽略边界。

输出结果：重复上述卷积过程，直至整个图像的每个像素都被处理过。最终得到的图像就是经过高斯模糊后的结果。

高斯模糊是一种线性滤波器，它对于去除高斯噪声非常有效。它在计算机视觉、图像处理、图形学等领域有着广泛的应用。

6.锐化滤波

锐化滤波是数字图像处理中的一种技术，它主要用于增强图像的边缘，提高图像的清晰度和对比度。锐化处理可以让图像的边缘、轮廓线以及图像内的细节更加清晰。

锐化滤波的基本原理是增强图像中的高频分量，因为图像的边缘和细节部分通常对应于高频信息。常见的锐化滤波方法包括使用拉普拉斯算子、高通滤波器和Unsharp Masking（USM）技术。

拉普拉斯算子：

拉普拉斯算子是一个二阶微分算子，它可以用来测量图像亮度的突变程度，因此可以用来检测边缘。拉普拉斯锐化滤波的基本思想是将原始图像与拉普拉斯算子卷积后的图像相加，从而达到增强边缘的效果。

高通滤波器：

高通滤波器是另一种锐化滤波器，它通过去除图像中的低频分量（如平滑区域）来保留高频分量（如边缘和细节）。

Unsharp Masking（USM）：

Unsharp Masking（USM）是一种常用的锐化技术，它通过以下步骤来实现：

首先，从原始图像中生成一个模糊版本，通常使用高斯模糊。
然后，将模糊图像从原始图像中减去，得到一个包含高频细节的“掩模”图像。
接着，调整这个掩模图像的强度（通过一个称为“量度”的参数）。
最后，将调整后的掩模图像加回到原始图像中，从而增强图像的细节。

锐化滤波通常需要小心使用，过度锐化会导致图像出现不自然的边缘效应和噪点。正确的锐化程度很大程度上取决于图像的内容和所需的视觉效果。

7.频率域滤波

频率域滤波是信号处理中的一种技术，它涉及到在频率域（而不是时间域）对信号进行操作。这种方法特别适用于去除噪声、锐化信号特征以及执行其他各种滤波操作。在图像处理中，这种技术也被用来增强或者平滑图像。

在频率域滤波中，首先需要将信号从时间域转换到频率域。这通常通过快速傅里叶变换（Fast Fourier Transform, FFT）来实现。一旦信号转换到频率域，就可以应用不同的滤波器来改变信号的频谱。

频率域滤波的基本步骤：

傅里叶变换：使用傅里叶变换（通常是FFT）将信号从时间域转换到频率域。

应用滤波器：在频率域中，可以应用不同类型的滤波器，如低通滤波器（去除高频噪声）、高通滤波器（去除低频噪声）、带通滤波器（只允许特定频率范围的信号通过）和带阻滤波器（阻止特定频率范围的信号通过）。

逆傅里叶变换：应用完滤波器后，使用逆傅里叶变换（IFFT）将信号从频率域转换回时间域。

结果分析：在时间域中分析或使用滤波后的信号。

频率域滤波的用法：

在图像处理中，频率域滤波通常用于：

噪声去除：去除图像中的随机噪声。
边缘检测：通过高通滤波器增强图像中的边缘。
图像模糊：通过低通滤波器来平滑图像。

频率域滤波的一个重要优点是可以直观地看到信号的频率成分，并且可以精确地控制哪些频率成分被去除或强化。然而，这种方法也有缺点，比如在处理大型图像时，FFT计算可能会很耗时。此外，不当的滤波器设计可能导致图像的不自然伪影。

8.白平衡调整

白平衡调整是摄影和视频制作中的一个重要过程，它确保图像中的颜色在不同的照明条件下都能保持真实。白平衡调整的目的是让图像中的白色或中性灰色看起来是真正的白色或中性灰色，没有色彩偏差。

在不同的光照条件下，相同的物体可能会呈现出不同的颜色。例如，在日光下拍摄的照片可能会呈现出暖色调，而在荧光灯下则可能偏向冷色调。白平衡的调整就是为了纠正这种色彩偏差。

白平衡调整可以在拍摄时或后期处理时进行：

拍摄时调整白平衡：

手动设置：在相机上手动选择与当前照明条件相匹配的白平衡预设，如日光、阴天、荧光灯或钨丝灯等。
自动白平衡（AWB）：现代相机通常都有自动白平衡功能，可以自动检测环境光的色温并进行调整。
自定义白平衡：使用白色或中性灰色卡片作为参考，按照相机的说明书进行自定义白平衡设置。

后期处理调整白平衡：

使用图像编辑软件，如Adobe Photoshop、Lightroom等，可以在后期调整照片的白平衡。通常，这些软件提供滑块来调整色温（蓝色/黄色）和色调（绿色/紫色）。
RAW格式的图片在后期处理时提供了更大的灵活性和更高的质量，因为它们包含了更多的原始数据。

正确的白平衡设置取决于主观和客观因素。有时，为了传达特定的氛围或风格，摄影师可能会故意偏离真实的白平衡，创造出冷暖色调的艺术效果。

9.颜色矫正

颜色校正是指在图像处理、视频制作、印刷和其他领域中调整图像或视频中的颜色以达到更准确或令人满意的效果的过程。在不同的情境下，颜色校正的目的可能不同。在电影制作中，颜色校正用于创建特定的视觉风格或情感氛围；在印刷中，它确保印刷品的颜色与原始设计尽可能一致；在摄影中，颜色校正可以帮助修正由于照明条件不佳或相机设置不当而产生的颜色偏差。

颜色校正涉及方面：

白平衡调整：确保图像中的白色或中性色彩正确，没有色偏。

色彩平衡：调整图像中的红色、绿色和蓝色通道，以便颜色看起来更自然或符合特定的视觉风格。

对比度和亮度调整：改变图像的亮暗范围，以增强视觉冲击力或改善细节。

饱和度调整：增加或减少颜色的饱和度，使图像看起来更生动或更柔和。

色调映射：在高动态范围（HDR）成像中，将宽范围的颜色和亮度值映射到设备可以显示的范围内。

色彩分级：在电影和视频制作中，通过调整颜色和对比度来创造特定的情感或氛围。

颜色校正可以手动进行，也可以使用软件中的自动工具来实现。例如，Adobe Photoshop、Lightroom、Davinci Resolve等专业软件都提供了强大的颜色校正工具。在进行颜色校正时，重要的是要考虑最终输出媒介的颜色特性，比如打印机、显示器和投影仪等，因为不同设备显示颜色的方式可能不同。