图像预处理

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

 

图像预处理

• 前言
• 一、灰度化
• 二、几何变换
• 三、图像增强
• 总结

 

---

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

具体介绍线性插值（参考1、https://blog.csdn.net/CFH1021/article/details/105361280?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2.control

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。