图像点运算

最新推荐文章于 2024-06-08 16:55:55 发布
最新推荐文章于 2024-06-08 16:55:55 发布
阅读量1.3k 收藏 2
点赞数 2


一、彩色图像转变为灰度图像

将彩色图像进行灰度处理的原理就是使每个像素的RGB分量值都是相等的，调整后的RGB分量值可以有原来的RGB分量值按约定的比例来计算，这里采用等分的比例才计算灰度值，公式：Gray(i,j)=1/3(R(i,j)+G(i,j)+B(i,j))，当然也可以调整RGB分量的比例如Gray(i,j)=0.11*R(i,j)+0.59*G(i,j)+0.3*B(i,j)，求出Gray值后，分别赋给对应像素的RGB分量，就能转变成灰度图像。

 

转变灰度图像代码 复制代码  收藏代码
  1. public int[] toGray(int[] pix, int iw, int ih)  
  2.     {      
  3.         ColorModel cm = ColorModel.getRGBdefault();  
  4.         int r, g, b, gray;  
  5.           
  6.         for(int i = 0; i < iw*ih; i++)     
  7.         {             
  8.             r = cm.getRed(pix[i]);  
  9.             g = cm.getGreen(pix[i]);  
  10.             b = cm.getBlue(pix[i]);   
  11.             gray =(int)((r + g + b) / 3);  
  12.             pix[i] = 255 << 24|gray << 16|gray << 8|gray;  
  13.         }         
  14.         return pix;  
  15.     }     

 

 实验效果如下：


二、灰度阀值变换

 

灰度的阀值变换可以将一幅灰度图像转换成黑白二值图像。操作过程如下：先由用户指定一个阀值，如果图像中某像素的灰度值小于该阀值，则将该像素的灰度值设置为0，否则灰度值设置为255。灰度阀值变换的变换函数表达式如下：f(i,j) =  0   , 当 f(i,j)< T     f(i,j)= 255, 当 f(x,j)>T; 其中T为指定的阀值。程序如下：

 

灰度阀值变换代码 复制代码  收藏代码
  1. public int[] thresh(int[] pix, int iw, int ih, int th)  
  2.     {      
  3.         ColorModel cm = ColorModel.getRGBdefault();  
  4.         int r, g, b, gray;  
  5.           
  6.         for(int i = 0; i < iw*ih; i++)     
  7.         {             
  8.             r = cm.getRed(pix[i]);  
  9.             g = cm.getGreen(pix[i]);  
  10.             b = cm.getBlue(pix[i]);   
  11.             gray =(int)((r + g + b) / 3);  
  12.                               
  13.             if(gray > th) gray = 255;  
  14.             else          gray = 0;                               
  15.             pix[i] = 255 << 24|gray << 16|gray << 8|gray;  
  16.         }  
  17.         return pix;  
  18.     }  

 

 实验效果如下：


三、灰度线性变换

 

假设原图像像素的灰度值为D = f(x,y), (x,y)为图像坐标，处理后图像像素的灰度值为D’ = g(x,y),则灰度变换函数可以表示为：g(x,y) = T[f(x,y)] 。要求D和D’都在图像的灰度范围之内。灰度变换函数描述了输入灰度值和输出灰度值之间的转换关系。一旦灰度转换关系确定，则图像中每一点的运算关系就被完全确定下来。

灰度图像主要针对独立的像素点进行处理，由输入像素点的灰度值来决定相应的输出像素点的灰度值，通过改变原始图像数据所占据的灰度范围而使图像在视觉上得到改观，由于灰度变换没有利用像素点之间的相互关系，因而这种处理方法也叫点运算。

灰度变换法又分为线性变换和非线性变换，是根据他们采用的算法来定义的。典型的非线性变换有：

1.负相变换

负相变换也叫做反相变换，即对每一个像素值求反。对图像求反就是讲原图的灰度值反转，简单的说就是黑的变成白的，白的变成黑的。

对于灰度图像或彩色图像的每个通道，其算法为：g(x,y) = 255 - f(x,y)

2.二值化和阈值处理

二值化是分段线性的一个特例，一副图像包括目标、背景和噪声，怎样从多值的灰度图像中提取出目标？最常用的方法就是设定一个阈值θ，用θ将图像的数据分成两部分：大于θ的像素群和小于θ的像素群。例如，输入图像为f(x,y)，输出图像为f'(x,y),则f'(x,y) = 255（f(x,y) >= θ）； f'(x,y) = 0（f(x,y) <= θ），这就是图像二值化处理，它的目标就是利用一个阈值θ将图像f(x,y)分成目标和背景两个领域。

3.分段线性变换

分段线性变换也叫做灰度线性拉伸，常用的是分三段分线性变换。如下图：

image 

图中对灰度区间[a,b]进行了扩展，而灰度区间[0, a]和[b, Mf]收到了压缩。通过细心调整折线拐点的位置及控制分段直线的斜率，可对任意灰度区间进行扩展和压缩。、

对于非线性灰度变化，只是算法实现和最终效果上有区别，与线性变换一样，都是为了改善图像的质量。下面附上线性变换g(x,y)=p*f(x,y)+q（其中f表示原来的像素灰度值，g表示变换之后的像素灰度值）的程序：public int[] linetrans(int[] pix, int iw, int ih, float p, int q)

灰度线性变换代码 复制代码  收藏代码
  1.    {  
  2.     ColorModel cm = ColorModel.getRGBdefault();  
  3.     int r, g, b;  
  4.       
  5.     for(int i = 0; i < iw*ih; i++)   
  6.     {  
  7.         r = cm.getRed(pix[i]);  
  8.         g = cm.getGreen(pix[i]);  
  9.         b = cm.getBlue(pix[i]);  
  10.           
  11.         //增加图像亮度  
  12.         r  = (int)(p * r + q);  
  13.         g  = (int)(p * g + q);  
  14.         b  = (int)(p * b + q);  
  15.           
  16.         if(r >= 255)   r = 255;  
  17.         if(g >= 255)   g = 255;  
  18.         if(b >= 255)   b = 255;  
  19.           
  20.         pix[i] = 255 << 24|r << 16|g << 8|b;  
  21.     }  
  22.     return pix;  
  23. }  

 

 实验效果如下：


四、伪彩色处理

伪彩色处理就是讲灰度图像的像素值经过变换计算出红，绿，蓝3种分量的数值，其实就是彩色图像转变灰度图像的逆过程，程序如下：

 

位彩色处理代码 复制代码  收藏代码
  1. //伪彩色处理  
  2.     public int[] falseColor(int[] pix, int iw, int ih, int p, int q)  
  3.     {         
  4.         ColorModel cm = ColorModel.getRGBdefault();  
  5.         int r, g, b;  
  6.           
  7.         for(int j = 0; j < ih; j++)  
  8.         {          
  9.             for(int i = 0; i < iw; i++)  
  10.             {  
  11.                 r = cm.getRed(pix[j*iw+i]);  
  12.                 g = cm.getGreen(pix[j*iw+i]);  
  13.                 b = cm.getBlue(pix[j*iw+i]);  
  14.                 //R变换  
  15.                 if (r < p) r = 0;  
  16.                 else if (r >= p && r < q) r = (int)((r - p) * 255 / (q - p));  
  17.                 else r = 255;  
  18.       
  19.                 //G变换  
  20.                 if (g < p) g = (int)(g * 255 / p);  
  21.                 else if (g >= p && g < q) g = 255;  
  22.                 else g = (int)((255 - g) * 255 / (255 - q));  
  23.       
  24.                 //B变换  
  25.                 if (b < p) b = 255;  
  26.                 else if (b >= p && b < q) b = (int)((q - b) * 255 / (q - p));  
  27.                 else b = 0;  
  28.                   
  29.                 pix[j*iw+i] = 255 << 24|r << 16|g << 8|b;  
  30.             }  
  31.         }  
  32.         return pix;  
  33.     }  
  34.       

 

 实验效果如下：


五、图像的融合

前面的处理运算都是针对一幅图像而言的，图像融合就是将两幅图像的像素值按一定的比例定义的方法合成得到新的像素，公式：F（i,j)=p*f(i,j)+q*g(i,j);公式使用的是线性融合，还可以是其他方法函数，参看程序：

 

图像融合代码 复制代码  收藏代码
  1. public int[] combine(int[] pix1,int[] pix2,int iw, int ih, float p1, float p2)  
  2.     {  
  3.         ColorModel cm = ColorModel.getRGBdefault();  
  4.         int[] mpix = new int[iw * ih];  
  5.         int r, g, b;  
  6.           
  7.         for(int i = 0; i < ih; i++)  
  8.         {  
  9.             for(int j = 0; j < iw; j++)  
  10.             {                            
  11.                r = (int)(p1*cm.getRed(pix1[i*iw+j])+  
  12.                          p2*cm.getRed(pix2[i*iw+j]));         
  13.                g = (int)(p1*cm.getGreen(pix1[i*iw+j])+  
  14.                          p2*cm.getGreen(pix2[i*iw+j]));  
  15.                b = (int)(p1*cm.getBlue(pix1[i*iw+j])+  
  16.                          p2*cm.getBlue(pix2[i*iw+j]));  
  17.                mpix[i*iw+j] = 255 << 24|r << 16|g << 8|b;  
  18.             }  
  19.         }  
  20.         return mpix;  
  21.     }  

 实验效果如下：


六、图像合成

不同于图像融合，图像合成是两幅图像“拼接”成的一幅图像，在局部区域的像素是完全属于同一幅图像的，也就是说合成后的图像的任意一个像素只属于原来一个图像，当需要显示背景的图像的像素时，就必须要将前景色去掉（透明度为0），效果如下：

将鲨鱼图片的原白色背景色去掉（透明度调为零）

 

要做内心强大的姑娘
关注
[Python从零到壹] 四十三.图像增强及运算篇之图像点运算和图像灰度化处理
杨秀璋的专栏
02-18 1万+
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。第二部分将讲解图像运算和图像增强，第一篇文章是图像点运算的灰度化处理知识，包括各种灰度算法的实现，以及灰度线性变换和灰度非线性变换。希望文章对您有所帮助，如果有不足之处，还请海涵。
图像的点运算(包括图像反色，灰度的线性变换，阀值变换，窗口变换，灰度拉伸，灰度均衡，直方图等)
03-20
图像的点运算(包括图像反色，灰度的线性变换，阀值变换，窗口变换，灰度拉伸，灰度均衡，直方图等)
图像的点运算
weixin_30879169的博客
07-27 291
1.线性点运算 原始图像的灰度值我们可以使用f(x,y)来表示在（x,y）处的图像灰度值，我们经过点运算输出的图像灰度值则为：g(x,y).为了表示的方便，我们通常使用r来表示原始图像的灰度值，s用来表示处理后图像的灰度值。 线性点运算的公式如下：s=ar+b,如下图所示： a和b取值的大小影响着我们输出灰度图像的性质，总结也在上图当中实现了。如果a为负值，那么图像当中...
数字图像处理（4）—— 图像点运算
热门推荐
m0_37763336的博客
10-01 1万+
目录 1、图像点运算概述 2.点运算的重要工具——灰度直方图 3、图像的变换 3.1、线性变换 3.2、对数变换 3.3 、伽马变换 3.4、灰度阈值变换（二值化） 3.5、分段线性变换 3.6、直方图的均衡化（灰度均衡化） 3.7、直方图规定化 对一个数字图像处理系统来说，一般的处理过程为三个步骤：图像预处理、特征抽取、图像识别和分析。图像的点运算就是预处理...
点运算_数字图像处理点运算_图像点运算_
10-02
点运算在数字图像处理中是一项基础且重要的技术，主要用于改变图像中每个像素的值，而不会改变像素的位置或数量。这种运算通常应用于增强图像、噪声去除、对比度调整等场景。MATLAB作为一款强大的数学计算软件，是...
关于几种图像点运算方法的探讨
07-06
图像点运算方法最终的成果形式是一个处于操作系统中间层的库,部分替代系统原本的OSD库,这个图像点运算方法里包含了最基础的简单图形算法和需要用到的数学函数,以及打包出来的用以实现绘制效果的图形效果函数库。...
第一章 图像的点运算.zip_FLB_KTVV_图像处理_图像点运算_对数变换
07-14
基本图像处理，图像点运算，几何变换，灰度变换，对数变换
数字图像处理图像点运算和代数运算的实现方法（matlab）
05-07
理解图像点运算和代数运算的基本定义和常见方法； 熟悉图像点运算和代数运算的实现方法； 掌握在图像中添加噪声的方法
图像的点运算1
风高秋月白，雨霁晚霞红
07-24 232
              图像的点运算MATLAB实例代码 %% 图像的点运算1 % 一：图像直方图 %灰度直方图描述了一副图像的灰度级统计信息,主要应用于图像分割和图像灰度变换等处理过程中。从数学角度来说,图像直方图描述图像各个灰度级的统计特性, %它是图像灰度值的函数,统计一幅图像中各个灰度级出现的次数或概率。归一化直方图可以直接反映不同灰度级出现的比率。横坐标为
图像操作之点运算
光荫的修炼之道
06-26 1744
图像点运算：只改变图像的像素值，不改变图像像素点之间的几何关系。 这就是与图像几何操作的区别了。 转回正题。点运算的理论公式是这样子的：Y=aX+b。Y：新像素值；X：旧像素值；a：变换比例常数；b：常数。 注意一个问题就是 不要让数据溢出。 讨论a，b的值得情况：                 a=1，b=0，像素值不变，即复制图像；b!=0,所以像素值整体上移或下移，表现的结
数字图像处理之图像点运算
g466868535的博客
08-08 1356
数字图像处理之图像点运算1、图像的点运算1）灰度直方图2）灰度的线性变换3）灰度对数变换4）伽马变换5）灰度阈值变换一般阈值二值化类间差二值化6）直方图均衡化7）直方图规定化 1、图像的点运算 1）灰度直方图 灰度直方图描述的是图像的各个灰度级的统计特性，统计一副图像各个灰度级出现的次数或者概率（归一化直方图）。像素总数N除以各个灰度值出现的次数NgN_gNg​即得到各个灰度级出现的概率。算法实现：循环遍历图像[^循环遍历的方法有很多，效率均不同]每一个元素，并按灰度值分类，以此作为依据累加灰度值计数器；
【计算机视觉】数字图像处理基础：以像素为单位的图像基本运算（点运算、代数运算、逻辑运算、几何运算、插值）
最新发布
Yaoyao2024的博客
06-08 3122
在上篇文章中，我们对什么是数字图像、以及数字图像的组成（离散的像素点）进行了讲解🔗。我们知道，数字图像其实就是像素点组成的二维矩阵。本节我们要讲的就是基于这个二维矩阵进行一些数学上的基本运算（本质就是就是矩阵的计算——线性代数），对图像进行处理，这些基本运算也是数字图像处理的基础和基本算法，本节我们将介绍这些基本算法。分别有以下几类Tips: 我们在进行下面的基本运算时，都是将像素值进行归一化到[0, 1]的取值范围的，方便变换和计算。在对应变换的时候也需要注意这点，避免产生误解。
Matlab图像处理：图像点运算与直方图分析
"这篇教程涵盖了Matlab中的图像处理方法，特别是图像的点运算。通过学习，你可以理解如何在Matlab中进行图像的读取、显示、格式转换以及图像的增强和处理。此外，图像直方图的概念和其在图像分析中的作用也被详细...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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