![75a19c88b9cf97003def9d0334c7cceb.png](https://i-blog.csdnimg.cn/blog_migrate/ab0071eb57e65065d25f38c6642d383a.jpeg)
在素材中看到了这张刀了,还是灰色的。 ----By lowkeyway
本章主要介绍的是空间域的图像处理。何为空间域,我们可以理解成就是组成图像的各个像素它本身,它是相对于变换域而言的。
空间域的处理主要就是分为灰度变换和空间滤波。
1.1 灰度变换和空间滤波基础
我们知道,空间域的动作就是直接对图像像素本身直接操作。相对于变换域的复杂操作,空间变换更直观,容易理解,而且需要更少的处理资源。画说得多了,还是公式简洁:
f(x, y)就是输入图像,g(x, y)就是处理后的图像,T就是在(x, y)该点及其邻域上的一个算子。我们在第二章 邻域操作一小节中有提到一种滤波算法,也可以参考我的另外一个OpenCv的专栏介绍过的均值滤波:lowkeyway:(十五)初识滤波之均值滤波
![ca6138780de858e12c5936807508efc1.png](https://i-blog.csdnimg.cn/blog_migrate/35369fd5b0fca6590c82beeb04d7e2d1.png)
他们通称为空间滤波, 其中邻域和预定义的操作(算子)通称为空间滤波器(也称为空间掩膜、核、模板或窗口)。如果我们取极限,另最小邻域的大小为1x1, 那么g仅仅取决于点(x, y)的f值,我们套用刚才的T的公式形成如下的灰度(也称为灰度级或映射)变换函数:
![3daa7b539d51b2aa639c882602331577.png](https://i-blog.csdnimg.cn/blog_migrate/20fb4497d614e6a33bdb68486329f9e5.png)
1.2 关于本章中的例子
本章主要讨论的方向是图像增强,需要提前指出的是,图像增强的方法非常多,但是几乎没有一种方法是普世的,所以对于不同的图片,要根据需求和图像特点选择最合适的图像增强的方法,这才能达到灵活运用的目的。
传统图像处理路且长,祝君好运。