在学习图像处理这些算法之前,我认为能宏观的了解到这些处理方法的能实现的一个效果,以及常用在哪些场景有有必要的,这样可以带着问题,好奇心去学习
如图1所示,图像的运算和变换
图像的运算以图像的像素为运算对象,对两幅或多幅图像进行点运算,代数运算以及逻辑运算。
的图像变换主要的英文对图像像素空间关系的改变,从而改变图像的空间结构。
2,图像增强
为了提高图像的质量,比如对比度,获得图像中更多的有用细节。不过因为图像平直下降的原因不明,所以很难确定采取哪种方法是最好的,最后只能通过实现结果分析和误差分析来评价增强效果。图像增强常见的方法有灰度变换(线性变换,对数变化,伽马变换),直方图修正(直方图均衡,直方图规定化),图像平滑和图像锐化等。
3,图像复原
为了提高图像的质量,当图像平直下降的原因已知时,图像复原可以对图像进行校正。关键是根据图像平直下降过程建立一个合理的降质模型,然后再采用某种滤波方法,恢复或重建原来的图像。
4,图像的锐化处理及边缘检测
补偿图像的轮廓,增强图像的变换以及灰度跳变的部分,使图像变得清晰。处理方法分为空间域和频域处理两类
5,图像分割
将图像分成区域,将感兴趣的部分提取出来,为进一步进行图像识别,分析和理解提供方便现有的图像分割方法主要分为:基于阈值的分割方法,基于区域的分割方法,基于边缘的分割方法,基于特定理论的分割方法
6,图像编码压缩
在不影响质量的情况下,减少图像的数据量,分为可逆和不可逆