提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
图像预处理的目的:消除声音中无关信息,恢复有用的真实信息,增强有关信息的可检测性,最大限度地简化数据,从而改进特征提取、图像分割、匹配和识别的可靠性。
预处理流程主要包括三部分:灰度化——几何变换——图像增强
提示:以下是本篇文章正文内容,下面案例可供参考
一、灰度化
在RGB中,若R=G=B,则彩色表示一种灰度颜色,其中R=G=B的值叫做灰度值。灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值),灰度范围为0-255。灰度化方法主要包括4种:分量法、最大值法、平均值法、加权平均法。
1、分量法
将RGB图像中三分量的亮度作为三个灰度图像的灰度值,可根据应用需要选择一种灰度图像。
2、最大值法
将彩色图像中的三分量亮度的最大值作为灰度图的最大值
3、平均值法
将彩色图像中的三分量亮度求平均得到一个灰度值
4、加权平均法
将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感度最高,对蓝色敏感度最低,因此将绿色权重设置为最大0.578,蓝色权重设置为最小0.114。
二、几何变换
几何变换又称图像空间变换,通过平移、转置、镜像、旋转、缩放等几何变换对采集的图像进行处理,用于改正图像采集系统的系统误差和仪器位置(成像角度、透视关系乃至镜头自身原因)的随机误差。
需要使用灰度插值算法,因为按照这种变换关系进行计算,输出图像的像素可能被映射到输入图像的非整数坐标上。图像插值方法主要分为两类:
1、线性插值:包括最近邻插值、双线性插值、双三次插值
2、非线性插值:分为两类——基于小波系数、基于边缘信息(分为显示方法、隐式方法,其中隐式方法包括:NEDI、LMMSE、SAI、CGI)
注:NEDI——边缘导向插值; LMMSE——最小均方误差估计插值; SAI——软判决自适应插值; CGI——边缘对比度引导图像插值
2、https://blog.csdn.net/macunshi/article/details/94489508)
三、图像增强
增强图像中的有用信息,可以是一个失真的过程,目的是改善图像的视觉效果。针对给定图像的应用场合,有目的强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣特征,改善图像质量,丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。
图像增强主要分为两类:频率域法、空间域法
1、频率域法
首先,介绍一下高频图像和低频图像:
高频图像:指图像强度变化很多,亮度水平从一个像素到另一个像素变化很快。
低频图像:亮度比较均匀或变化很慢的图像。
其次,介绍频率域法:
频率域法是一种间接图像增强算法,把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。
频域增强方法主要分为两类:
(1) 低通滤波器:包括理想低通滤波器、巴特沃斯低通滤波器、高斯低通滤波器、指数滤波器
低通滤波器只让低频信号通过,可以去掉图像中的噪声。
(2) 高通滤波器:包括理想高通滤波器、巴特沃斯高通滤波器、高斯高通滤波器、指数滤波器
高通滤波器可以增强图像边缘等高频信号,使模糊图像变清晰。
2、空间域法
空间域法是一种直接图像增强算法,直接对图像灰度级做运算。主要分为两类:
(1) 点运算:灰度变换(包括 伽马变换、对数增强)、灰度级校正、直方图修正
点运算使图像成像均匀,或扩大图像动态范围,扩展对比度。
(2) 邻域增强:主要分为两类:
I:图像平滑:包括 均值滤波、中值滤波
图像平滑处理可以消除噪声,但同时边缘易模糊
II:锐化:包括 梯度法(Roberts梯度法)、算子法(Sobel、拉普拉斯算子)、掩膜匹配法、统计差值法
锐化处理可以突出物体边缘轮廓,便于目标识别
总结
这是之前看图像预处理自己总结的,希望共勉。