《数字图像处理》- 灰度变换和空间滤波概述

空间域:图像平面本身,以图像像素直接进行处理为基础

本章重点讨论灰度变换空间滤波

空间域处理的表达式:g(x,y) = T[f(x,y)]
其中f(x,y)是输入图像,g(x,y) 是输出(处理后的)图像,T 是对图像 f 进行处理的操作符,
定义在点(x,y)的指定邻域内,称为算子

在这里插入图片描述
定义点(x,y)的空间领域方法:
使用中心位于(x,y)的正方形或长方形区域,这个区域的中心由起点开始逐像素移动,在它移动的同时,会包含不同的邻域。
算子T 作用于每个位置(x,y),从而得到相应的位置的输出图像g。
只有中心点在(x,y)的邻域内的像素才被用来计算点(x,y)的g值

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
opencv中的灰度变换主要是对图像进行灰度级的转换,常见的灰度变换有线性变换和非线性变换。 线性变换是通过线性公式来改变图像的灰度级,常见的线性变换包括亮度调整、对比度调整等。亮度调整可以通过调整图像中每个像素点的灰度级来实现,可以通过增加或减少每个像素点的灰度值来调整图像的亮度。而对比度调整则是通过扩展或压缩图像的灰度级范围,以增加或减小图像的对比度。 非线性变换是通过非线性的函数关系来改变图像的灰度级,常见的非线性变换包括伽马变换、直方图均衡化等。伽马变换是通过使用非线性的指数函数来调整图像的灰度级,可以进行对比度的增强或压缩。直方图均衡化则是通过均衡化图像的灰度直方图来增强图像的对比度,可以使图像的亮度分布更加均匀。 空间滤波是指在图像处理中,对图像的每个像素点进行像素值的重新计算,以达到图像去噪、图像平滑等目的。常见的空间滤波包括均值滤波、中值滤波等。均值滤波是指对图像中的每个像素点,计算周围邻域像素的平均值来代替当前像素值,从而达到平滑图像的效果。中值滤波则是计算周围邻域像素的中值来代替当前像素值,可以有效地去除图像中的椒盐噪声等。 总之,opencv中的灰度变换空间滤波可以通过调整图像的灰度级和计算像素值来实现图像亮度、对比度的调整以及图像的去噪等效果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

南淮北安

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值