图像预处理

最新推荐文章于 2024-03-16 21:25:18 发布

zhouyutie2789

最新推荐文章于 2024-03-16 21:25:18 发布

阅读量155

点赞数

分类专栏：图像拼接文章标签：计算机视觉图像处理

本文链接：https://blog.csdn.net/zhouyutie2789/article/details/127377651

版权

图像拼接专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文探讨了两种关键技术：一是基于统计特征的图像增强方法，旨在保持图像方差的同时，确保均值接近128以优化视觉效果；二是针对相机运动未知的视频图像序列，提出了一种自动快速排序算法，通过计算图像间的互功率谱峰值和平移参数来确定图像的相关性和排序。这种方法首先找到每幅图像的最大相关峰值，然后通过平移参数进行排序，最终得到有序的图像序列。

摘要由CSDN通过智能技术生成

1、图像增强

方法一：基于统计特征的图像处理

统计特征：方差（反映图像各像素点的灰度相对于灰度均值的离散程度），公式如下：

均值（表示图像所有像素的平均值，反映图像的平均亮度）

图像增强准则：保证方差较大（包含的信息越多）；均值保持在128左右（视觉效果较好）

2、图像序列的自动快速排序方法——对由于相机运动未知/不规则的视频图像序列排序

具体步骤：（1）对于给定N幅图像序列，计算任意两幅图的互功率谱峰值大小（反映图之间的相关性，相关性越强，峰值越大，重叠部分越多）和平移参数。

========================================================================

假设图像 $f_{1}(x,y)$ 和 $f_{2}(x,y)$ 之间存在简单的平移

$f_{1}(x,y)=f_{2}(x-x_{0},y-y_{0})$

定义它们的归一化互功率谱：

其中 $F_{1}(u,v)$ 和 $F_{2}(u,v)$ 分别为 $f_{1}(x,y)$ 和 $f_{2}(x,y)$ 对应的傅里叶变换， $F_{2}^{*}$ 为 $F_{2}$ 的复数共轭。对上式进行傅里叶逆变换，在（x,y）空间的 $(x_{0},y_{0})$ 处将形成一个脉冲函数 $\delta (x-x_{0},y-y_{0})$ ，脉冲峰值所在的位置就是两幅图之间的平移量 $x_{0},y_{0}$ ，相位相关峰值的大小反应了两幅图像的相关性大小，两图完全相似时，其值为 1，反之为 0

=========================================================================

（2）因为两图像相关峰值越大相关性越高，重叠部分越大，故寻找与每幅图像具
有最大峰值的图像，根据水平平移参数 $x_{0}$ 的正负来对两图排序，这样会得到 N 个排序结果（部分可能一样），然后将该结果串行连接，即可得到最后的排序结果，如果不行则对串连结果计算可能的连接顺序，根据相关峰值的大小关系即可得到最终结果。（通过实例，相关峰值可从小到大（大到小）排列， $x_{0}$ 从正到负排列）