图像预处理

图像预处理

一、颜色空间

1.RGB颜色空间
2.CMY(K)颜色空间
3.HSV颜色空间
4.CIE-XYZ颜色空间

二、图像处理方法

三、特征提取方法

直方图均衡化

直方图均衡化是指：利用图像直方图对对比度进行调整的方法
直方图均衡化通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。
直方图均衡化以后，亮度可以更改地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

四、自适应直方图均衡

直方图均衡的经典算法对整幅图像的像素使用相同的变换，如果图像中包括明显亮的或者暗的区域，则经典算法作用有限。
自适应直方图均衡（AHE）算法通过对局部区域进行直方图均衡，来解决上述问题。移动模板在原始图片上按特定步长滑动;
每次移动后，模板区域内做直方图均衡，映射后的结果赋值给模板区域内所有点，每个点会有多次赋值，最终的取值为这些赋值的均值。

五、CLAHE

AHE会过度放大图像中相对均匀区域的噪音，可采用限制对比度自适应直方图均衡（CLAHE）。与普通的自适应直方图均衡相比，CLAHE的不同地方在于直方图修剪过程，用修剪后的直方图均衡图像时，图像对比度会更自然。

六、形态学运算

开运算∶先腐蚀再膨胀，可以去掉目标外的孤立点。
闭运算∶先膨胀再腐蚀，可以去掉目标内的孔。
通常，当有噪声的图像用阈值二值化后，所到的边界是很不平滑的，物体区域具有一些错判的孔洞，背景区域散布着一些小的噪声物体，连续的开和闭运算可以显著的改善这种情况。

七、空间域处理及其变换

空间分析及变换

空间分析及变换-平滑中值滤波/卷积

空间分析及变换-平滑高斯滤波/卷积

空间分析及变换-梯度Prewitt滤波/卷积

空间分析及变换-梯度Sobel滤波/卷积

空间分析及变换-梯度Laplacian滤波/卷积

空间分析及变换-其他滤波/卷积

八、高斯金字塔

图像金字塔化：先进行图像平滑，再进行降采样，根据降采样率，得到一系列尺寸逐渐减小的图像。操作：n次（高斯卷积->2倍降采样）->n层金字塔
目的：捕捉不同尺寸的物体

图像缩放

九、拉普拉斯金字塔

高频细节信息在卷积和下采样中丢失
保留所有层所丢失的高频信息，用于图像恢复

十、频率域分析——傅里叶变换

欧拉公式描述的是一个随着时间变化，在复平面上做圆周运动的点；傅里叶变换描述的就是一系列这样的点的运动叠加的效应

离散傅里叶变换

十一、傅里叶变换的不足

关键问题——傅里叶变换假设前提为信号平稳，但实际中信号多数为非平稳信号
缺乏时间和频率的定位功能；对于非平稳信号的局限性；在时间和频率分辨率上的局限性

十二、短时傅里叶变换

STFT（短时傅里叶变换）添加时域信息的方法是设置窗格，认为窗格内的信号是平稳的；
然后对窗格内的信号分段进行傅里叶变换。
优点是可以获得频域信息的同时可以获得时域信息。
缺点是窗格大小很难设置。

短时傅里叶变换的特点
窄窗口时间分辨率高、频率分辨率低；宽窗口时间分辨率低，频率分辨率高。
对于时变的非稳态信号，高频适合小窗口，低频适合大窗口。可是STFT的窗口是固定的

十三、小波变换

小波变换与STFT思路接近，但小波变换直接把傅里叶变换的基给换了——将无限长的三角函数基换成了有限长的会衰减的小波基。
这样不仅能够获取频率，还可以定位到时间。

常用的小波函数包括：
Haar系列，Daubechies系列，Moret系列
Sym系列，Meyer系列，Coif系列