1.空间域:简单的包含图像像素的平面。空间域技术直接在图像像素上进行操作。
2.邻域的平均灰度:中心点和它8个邻点的和然后除以9。
3.灰度处理函数:对比度拉伸函数和阈值处理函数。
4.图像反转:r和s分别代表处理前后的像素值,灰度级为
[
0
,
L
−
1
]
[0,L-1]
[0,L−1],
s
=
L
−
1
−
r
s=L-1-r
s=L−1−r。适用于增强嵌在一幅图像的暗区域中的白色或灰色细节,特别是当黑色面积在尺寸上占主导地位时。
5.对数变换:
s
=
c
l
o
g
(
1
+
r
)
s=clog(1+r)
s=clog(1+r),c为常数,r>=0;该变换将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值。该变换可以用来扩展图像中暗像素的值,同时压缩更高灰度级的值,压缩像素值变化较大图像的动态范围。
6.幂律变换:
s
=
c
r
γ
s=cr^γ
s=crγ,
γ
>
1
γ>1
γ>1与
γ
<
1
γ<1
γ<1所生成的曲线效果完全相反。
7.伽马校正:用于校正幂律响应现象的处理,不恰当的校正图像看起来不是太亮就是太暗。伽马值不仅会改变亮度,而且会改变图像中红蓝绿的比率。
8.对比度拉伸:扩展图像灰度级动态范围的处理。
9.灰度级分层使感兴趣范围的灰度变亮(或变暗),而保持图像中其他灰度级不变。
9.比特像素分层:一幅8比特图像可以考虑为由8个1比特平面组成,存储4个高阶比特平面将允许我们以可接受的细节来重建原图像。可减少一半的存储量。
10.直方图:
h
(
r
k
)
=
n
k
h(r_k)=n_k
h(rk)=nk,
r
k
r_k
rk为第k级灰度值,
n
k
n_k
nk为图像中灰度为
r
k
r_k
rk的像素个数。可用于图像增强。
11.直方图归一化:
p
(
r
k
)
=
n
k
M
N
p(r_k)=\frac{n_k}{MN}
p(rk)=MNnk,
p
(
r
k
)
p(r_k)
p(rk)相当于一个概率估计。
12.四个基本灰度级图像:暗图像、亮图像、低对比度图像、高对比度图像。直方图特征。
13.直方图均衡化:
s
=
T
(
r
)
,
0
<
=
r
<
=
L
−
1
s=T(r),0<=r<=L-1
s=T(r),0<=r<=L−1,假设
a
:
a:
a:
T
(
r
)
T(r)
T(r)在r属于区间[0,L-1]上单调递增;
b
:
b:
b:当r为
[
0
,
L
−
1
]
[0,L-1]
[0,L−1]时,
T
(
r
)
为
[
0
,
L
−
1
]
T(r)为[0,L-1]
T(r)为[0,L−1]。
14.直方图匹配:用于产生处理后有特殊直方图的方法。
15.空间滤波器:由一个邻域和对该邻域包含的图像像素执行的预定义操作组成。操作的结果为像素的值。
16.平滑空间滤波器:用于模糊处理和降低噪声。分为线性滤波和非线性滤波模糊处理。
17.均值滤波器它使用滤波器模板确定的邻域内像素的平均灰度值代替图像中每个像素的值,降低图像灰度的尖锐变化。
18.统计排序滤波器:是一种非线性空间滤波器,使用统计排序结果决定的值代替中心像素的值。中值滤波器使用像素邻域内灰度的中值代替该像素的值。
19.锐化空间滤波器:锐化处理的主要目的是突出灰度的过渡部分。
20.拉普拉斯变换:可以使图像中各灰度得到复原,还能增强图像灰度突变处的对比度,最终使图像中的细节部分得到增强,并良好的保留了图像的背景色调。
数字图像处理概念梳理(二)
最新推荐文章于 2023-08-06 23:08:18 发布