学习OpenCV-图像处理

图像处理

使用高层方法完成图形和视觉范畴的任务。

平滑处理(模糊处理)

常用于减少图像上的噪声或失真，降低图像分辨率时，平滑处理很重要。
类型包括：

• 简单模糊：对像素邻域求平均值，对噪声图像(镜头噪声或者说大的孤立点)敏感，受极值影响大。
• 简单无缩放模糊：对像素邻域求和，比简单模糊速度快，可能需要变换位深避免溢出。
• 中值模糊：中值滤波，使用像素邻域内的中值像素进行替换，避免极值的影响。
• 高斯模糊：高斯卷积，在保留信号的条件下减少噪声，边缘被模糊。
• 双边滤波：两部分加权，第一部分高斯平滑，第二部分根据像素与中心像素亮度差值加权。尽可能保留边缘。

图像形态学

进行图像的形态学变换。

膨胀与腐蚀

膨胀是将一些图像(A)与形态核(B)进行卷积。核B与图像卷积，即计算核B覆盖的区域的像素点最大值，并把这个最大值赋值给参考点指定的像素。这样使图像中的高亮区域逐渐增长，这就是“膨胀操作”的初衷。
腐蚀是膨胀的反操作。计算核区域像素最小值，并将其放在参考点上。
一般来说，膨胀扩展了区域A，而腐蚀缩小了区域A。此外，膨胀可以填补凹洞，膨胀可以消除细的凸起。
腐蚀操作通常用于消除斑点噪声，在将半点腐蚀掉的同时保证图像内的较大区域依然存在。寻找连通分支时常使用膨胀操作。

更通用的形态学

处理布尔图像核图像掩码时，基本的腐蚀和膨胀操作通常足够，但在处理灰度或彩色图像时，往往需要一些额外的操作。

形态开运算与闭运算

开运算中，进行先腐蚀再膨胀。闭运算中，进行先膨胀再腐蚀。开运算用来消除小物体、在纤细点处分离物体、平滑较大物体的边界；去除小颗粒噪声，断开目标物黏连。闭运算用来填充物体内细小黑洞、链接临近物体、平滑其边界。
都是“保留区域”式：闭运算消除低于临近点的孤立点，开运算消除高于其临近点的孤立点。
都是“面积保持”式：闭运算消除向下孤立点，开运算消除向上孤立点。

形态学梯度

能描述图像亮度变化的剧烈程度，突出团块的边缘。

礼帽和黑帽

礼帽从A中减去开运算，突出比周围区域更明亮的区域；黑帽突出比周围黑的区域。

漫水填充算法

常用于标记或分离图像的一部分来对其进行进一步处理或分析。也可以用来获取掩码区域。
其过程为首先在图像上选择一个种子点，然后把临近区域所有相似点填充上同样的颜色。

尺寸调整

将某种尺寸的图像转换为其他尺寸的图像，如放大或缩小。为保持平滑，需要使用插值方法，如最近邻插值、线性插值、区域插值、三次样条插值。

图像金字塔

通过对原始图像连续降采样直至达到某个终止条件获得的一个图像集合。高斯金字塔和拉普拉斯金字塔是常见的两种图像金字塔。
高斯金字塔向下降采样，从第i层(G_i)生成第i+1层(G_i+1)首先对G_i进行高斯卷积，再删除偶数行和列。从G₀循环操作即可得到整个金字塔。
拉普拉斯金字塔则首先扩大再在新增的行(偶数行)上填充0，再使用滤波器进行卷积来估算“丢失”像素近似值。
图像分割是图像金字塔的重要应用。在金字塔高层低分辨率图像上完成快速初始分割然后逐层对分割加以优化。

阈值化

对图像中的像素做出最后的决策，或直接剔除高于或低于一定值的像素。对源图像第i个像素与阈值进行比较，根据两者关系将目标图像像素值设为0/src/max_value。

自适应阈值

对像素点周围的区域进行加权平均再减去一个常数来得到自适应阈值。对有很强照明或反射梯度的图像，需要根据梯度进行阈值化时，自适应阈值技术非常有用。