图像处理
ShaneHolmes
研究生
展开
-
图像处理(2)--二值图像
1.定义二值图像(Binary Image) 是指将图像上的每一个像素只有两种可能的取值或灰度等级状态,人们经常用黑白、B&W、单色图像表示二值图像。二值图像是指在图像中,灰度等级只有两种,也就是说,图像中的任何像素灰度值不是0就是255,再无其他过渡的灰度值。2. 应用二值图像一般用来描述文字或者图形,其优点是占用空间少,缺点是,当表示人物,风景的图像时,二值图像只能描述其轮廓,...原创 2019-07-13 11:55:57 · 9323 阅读 · 0 评论 -
图像处理(14)–图像压缩(编码冗余,像素间冗余和心理视觉冗余)
文章结构图像处理系列笔记: https://blog.csdn.net/qq_33208851/article/details/95335809【前言】原创 2019-07-28 13:35:08 · 19755 阅读 · 0 评论 -
图像处理(11)--SIFT尺度不变特征变换
文章目录结构1. SIFT简介1.1 空间尺度的极值点1.2 SIFT算法的特点1.3 SIFT算法描述2. 尺度空间极值检测3. 关键点定位4. 方向确定5. 关键点描述1. SIFT简介SIFTS(cale-invariant feature transform)尺度不变特征变换:一种用来侦测与描述影像中的局部性特征的算法,它在空间尺度中寻找极值点。1.1 空间尺度的极值点什么是空...原创 2019-07-22 17:12:13 · 2922 阅读 · 0 评论 -
图像处理(13)–频率域滤波
文章结构1. 频率域的滤波器1.1 频率域滤波公式1.2 滤波步骤1.3 低通滤波器与高通滤波器2. 低通滤波器2.1 理想低通滤波器图像处理系列笔记: https://blog.csdn.net/qq_33208851/article/details/95335809【前言】为了消除图像噪声,可以使用在空间域的滤波的方法,还可以使用在频率域的滤波器。本文将介绍在频率域的滤波方法。频率域...原创 2019-07-26 11:17:32 · 12785 阅读 · 2 评论 -
图像处理(10)–空间滤波
文章结构1. 基础介绍1.1 滤波器(卷积模)1.2 定义式1.3 边缘处理2. 线性滤波2.1 均值滤波(平滑线性滤波)图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。滤波有两类,一类是线性滤波,包括 方框滤波(boxFilter)、均值滤波(blur)、高斯滤波(Gaussi...原创 2019-07-21 00:16:30 · 8407 阅读 · 0 评论 -
图像处理(9)–算术/逻辑操作增强空间域图像
文章结构1. 减法处理图像2. &、|| 处理图像图像中的算术/逻辑操作主要以像素对像素为基础在两幅或多幅图像间进行(其中不包含逻辑 “非”操作,它在单一影像中进行)。1. 减法处理图像两幅图像的减法表示为:a:原始图像,256个灰度级别,28=256,8位的图像b:从原始图像中去除最后4个有效比特面(置0)的结果。(比特面:图像中每个像素点的同一位作为一个比特面,共...原创 2019-07-20 20:06:56 · 1967 阅读 · 0 评论 -
图像处理(8)–灰度变换函数增强空间域图像
文章目录1. 空间域处理1.1 灰度级变换(强度映射)1.2 二值图像变换1. 空间域处理空间域方法是对图像的像素操作的过程.“空间域” 一词是指图像平面自身, 这类方法是以对图像的像素直接处理为基础.空间域处理可由下式定义:g(x,y)=T[f(x,y)]T是对f的一种操作,定义在(x,y)的邻域,另 外,T能对输入图像集进行操作.1.1 灰度级变换(强度映射)IT操作最简单的...原创 2019-07-19 23:57:54 · 3429 阅读 · 1 评论 -
图像处理(12)--图像各种噪声及消除方法
文章目录结构1.什么是图像噪声2. 图像噪声来源3. 噪声分类及其消除方法3.1 高斯噪声及其消除方式3.1.1 如何确定一种噪声是高斯噪声3.1.2 高斯滤波消除高斯噪声3.1.3 高斯函数的重要性质3.2 瑞利噪声及其消除方式3.3 伽马(爱尔兰)噪声及其消除方式3.4 指数分布噪声及其消除方式3.5 均匀噪声及其消除方式3.6 脉冲(椒盐)噪声及其消除方式1.什么是图像噪声图像噪声是指...原创 2019-07-24 16:49:10 · 108096 阅读 · 12 评论 -
图像处理(3)--像素间的关系
文章结构1. 相邻像素1.1 p的4邻域1.2 p的D邻域1.3 p的8邻域2. 邻接性2.1 4邻接2.2 8邻接2.3 m邻接(混合邻接)2.4 像素邻接1. 相邻像素1.1 p的4邻域对于坐标(x,y)的一个像素p有四个水平和垂直的相邻像素:p的4邻域记作:N4( p )1.2 p的D邻域p的四个对角邻像素:p的D邻域记作:ND( p )1.3 p的8邻域p的4邻域和...原创 2019-07-19 21:13:14 · 3457 阅读 · 0 评论 -
数字图像处理--前言
文章结构1. 基本概念2. 关于视觉感知本文章系列是学习电子科技大学视频教程整理的笔记,由李庆嵘主讲,视频链接地址为:https://www.bilibili.com/video/av22153795/?p=11. 基本概念图像是一个二维亮度函数f(x,y),(x,y)定义了空间坐标,f(x,y)该点的亮度或灰度数字图像是指图像f(x,y)在空间坐标和亮度的数字化。数字图像是由有有限的元...原创 2019-07-18 19:16:31 · 4257 阅读 · 0 评论 -
图像处理(5)--图像的傅里叶变换
文章目录结构1. 傅里叶变换及其反变换1.1 为什么要在频率域研究图像增强?1.2 傅里叶变换1. 傅里叶变换及其反变换1.1 为什么要在频率域研究图像增强?可以利用频率成分和图像外表之间的对应关系。一些在空间域表述困难的增强任务,在频率域中变得非常普通滤波在频率域更为直观,它可以解释空间域滤波的某些性质可以在频率域指定滤波器,做反变换,然后在空间域使用结果滤波器作为空间域滤波器的指...原创 2019-07-06 10:42:52 · 94068 阅读 · 14 评论 -
图像处理(4)--基于内容的图像检索
目录1. 为什么需要基于内容的图像检索(CBIR)2. 查询方式和现有系统3. 具体内容3.1 特征提取3.2 颜色特征3.3 纹理特征3.4 形状特征3.5 相关反馈3.6 索引结构3.7 MPEG-71. 为什么需要基于内容的图像检索(CBIR)当前图像内容的特征:海量的图像内容的出现图像内容的特征:没有索引、目录和摘要基于文字描述的图像检索:丰富的图像内容很难用文字来全面...原创 2019-07-05 20:59:34 · 23347 阅读 · 3 评论 -
图像处理(7)--高斯模糊原理
文章目录结构1. 高斯模糊介绍2. 高斯模糊原理2.1 矩阵范围的像素平均值2.2 正态分布的权重3. 计算高斯模糊1. 高斯模糊介绍高斯模糊(英语:Gaussian Blur),也叫高斯平滑,是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果,通常用它来减少图像噪声以及降低细节层次。这种模糊技术生成的图像,其视觉效果就像是经过一个半透明屏幕...原创 2019-07-10 17:04:33 · 15641 阅读 · 1 评论 -
图像处理系列学习笔记
关于我的GitHub以下是在图像处理部分整理的学习笔记,原创 2019-07-10 14:43:04 · 21650 阅读 · 5 评论 -
图像处理(6)--图像深度
图像深度是指存储每个像素所用的位数,也用于量度图像的色彩分辨率。图像深度确定彩色图像的每个像素可能有的颜色 [1] 数,或者确定灰度图像的每个像素可能有的灰度级数.它决定了彩色图像中可出现的最多颜色数,或灰度图像中的最大灰度等级。比如一幅单色图像,若每个像素有8位 [2] ,则最大灰度数目为2的8次方,即256。一幅彩色图像RGB3个分量的像素位数分别为4,4,2,则最大颜色数目为2的4+4+...原创 2019-07-10 14:36:55 · 5250 阅读 · 0 评论 -
图像处理(1)--数字图像及彩色空间
目录1. 数字图像像素:数字图像由二维的元素组成,每一个元素具有一个特定的位置(x,y)和幅值f(x,y),这些元素就称为像素。它是数字图像的基本单位。1. 数字图像单色(灰度)图像:每个像素的亮度用一个数值来表示,取值范围0-255,0表示黑、255表示白,其他值表示处于黑白之间的灰度彩色图像:用红、绿、蓝三元组的二维矩阵来表示。三元组的每个数值也是在0-255之间,0表示相应的基...原创 2019-07-04 21:02:49 · 11557 阅读 · 0 评论 -
图像处理(15)–图像编码
文章结构1. B编码2. B2编码3. Huffman编码图像处理系列笔记: https://blog.csdn.net/qq_33208851/article/details/95335809【前言】图像的每个像素用不同的灰度级来表示,在计算机中进行编码,然后使用0和1的01串来进行存储和传输等。本文将介绍数字图像中的各种编码格式。1. B编码B编码中每个码字由延伸比特C和信息比特...原创 2019-07-28 17:06:00 · 8996 阅读 · 0 评论