图像对比度计算公式_图像的一些小处理（不定期更新）

• 灰度图像的对数变换

因为对数曲线在像素值较低的区域斜率较大，像素值较高的区域斜率比较低，所以图像经过对数变换之后，在较暗的区域对比度将得到提升，因而能增强图像暗部的细节。

图像的傅里叶频谱其动态范围可能宽达0~10^6。直接显示频谱的话显示设备的动态范围往往不能满足要求，这个时候就需要使用对数变换，使得傅里叶频谱的动态范围被合理地非线性压缩。

• 图像白化处理

1.去除输入数据的冗余信息。

假设训练数据时图像，由于图像中相邻像素之间具有很强的相关性，所以用于训练时输入时冗余的；

2.白化目的就是降低输入的冗余性。

输入数据集X：经过白化处理后，新的数据X’满足两个性质：

（1）特征之间相关性较低；

（2）所有特征具有相同的方差。

图像白化（whitening）可用于对过度曝光或低曝光的图片进行处理，处理的方式就是改变图像的平均像素值为 0 ，改变图像的方差为单位方差 1。我们需要先计算原图像的均值和方差，然后对原图像的每个像素值做变换。假设图像 P 有 I 行 J 列，每个像素的值为 pij, 均值和方差的计算公式如下。

变换后新图像的每个像素值 xij 为：

• canny算子,为什么使用高斯平滑而不是其他滤波器？

问题描述: canny算子的步骤中 ，平滑是使用的高斯，为什么选择是高斯？？

原因：高斯函数是唯一可分离的圆对称滤波器，所以大多数边缘检测算法都使用它。

解释：边缘一般出现在颜色，亮度，或者纹理不一样的区域。

一种方式是将边缘定义为亮度变化剧烈的区域，数学上定义一个表面的斜率和方向是通过梯度来实现的，而求取图像导数会强调高频率部分而放大了噪声。所以一般在计算梯度之前要进行低通滤波。要使边缘检测器的响应与方向无关，需要使用一个圆对称的平滑滤波器。高斯函数是唯一可分离的圆对称滤波器，所以大多数边缘检测算法都使用它。（可分离算子可加快运行速度。）

出处:《计算机视觉算法与应用，Richard Szeliski 》 P182-P183

原文链接：opencv 中canny边缘检测为什么用高斯平滑而不是其他?