从源代码安装gcc

Lunix
发布日期:   2019-11-12
更新日期:   2023-07-10
文章字数:   1.5k

图像处理基本方式

目录：

  1. 基础知识。

  2. 图像增强

  3. 直方图均衡化

基础知识

  1. 图像处理的过程

    1627264029870

  2. 对比度：是指一幅图像中灰度反差的大小。对比度=最大亮度/最小亮度

  3. 图像处理两大类：空间域、变化域

图像增强

反转变换

对数变换

  1. 应用场景

    • 有时原图的动态范围太大，超出某些显示设备的允许 动态范围，如直接使用原图，则一部分细节可能丢失

    • 解决办法是对原图进行灰度压缩，如对数变换

幂次变换

  1. 应用场景

    • c和 g 是正常数

    • g < 1 提高灰度级，在正比函数上方，使图像变亮

    • g > 1 降低灰度级，在正比函数下方，使图像变暗

    • 在尽量不破坏高亮的情况下，显露出暗部细节（个人认为直方图变换更好用，此方法适用于亮的地方较多的图片），变暗同理

分段线性变换

灰度级切片

位平面切片

代数运算

  1. 加法

    • 去除叠加性噪声
    • 生成图像叠加效果

  2. 减法

    • 显示两幅图像的差异，检测同一场景两 幅图像之间的变化
    • 去除不需要的叠加性图案
    • 图像分割：如分割运动的车辆，减法去 掉静止部分，剩余的是运动元素和噪声

  3. 乘法

    • 图像的局部显示

  4. 非

    • 获得一个阴图像

    • 获得一个子图像的补图像

  5. 与

    • 求两个子图像的相交子图

  6. 或

    • 合并子图像

  7. 异或

    • 获得相交子图像

直方图运算

直方图均衡化

  1. 应用场景：基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态
    范围，从而达到增强图像整体对比度的效果

  2. 使用举例

    1
    img = sensor.snapshot().histeq()

空间域图像增强

平滑空间滤波器

  1. 作用：

    1. 模糊处理，去除图像中一些不重要的细节
    2. 减小噪声

  2. 分类

    1. 线性滤波器
      • 均值滤波器
    2. 非线性滤波器
      • 最大值滤波器
      • 中值滤波器
      • 最小值滤波器
均值滤波器

  1. 作用场景

    • 减小图像灰度的“尖锐”变化，减小噪声
    • 由于图像边缘是由图像灰度尖锐变化 引起的，所以也存在边缘模糊的问题

  2. 使用举例

    1
    img.mean(1) #1为核的大小3*3
中值滤波器
最大值滤波器
最小值滤波器

  1. 作用场景

    • 用像素领域内的中间值/最大值/最小值代替该像素
    • 去除噪声/寻找最亮点 /寻找最暗点

  2. 使用举例

    1
    img.median(1, percentile=0.5) #percenttile是说取数在排序后的位置

锐化空间滤波器

  1. 作用

    1. 突出图像中的细节，增强被模糊了的细节
    2. 印刷中的细微层次强调。弥补扫描对图像的 钝化
    3. 超声探测成像，分辨率低，边缘模糊，通过 锐化来改善
    4. 图像识别中，分割前的边缘提取
    5. 锐化处理恢复过度钝化、暴光不足的图像
    6. 尖端武器的目标识别、定位

  2. 分类

    1. 二阶微分滤波器－拉普拉斯算子

    2. 一阶微分滤波器－梯度算子

图像复原

  1. 引起图像退化的原因：成像系统的散焦、成像设备与物体的相对运动、成像器材的固有缺陷、外部干扰等

  2. 而图像复原技术追求恢 复原始图像的最优估值

  3. 一些重要的噪声：

    • 高斯噪声

    • 瑞利噪声

    • 伽马（爱尔兰）噪声

    • 指数分布噪声

    • 均匀分布噪声

    • 脉冲噪声（椒盐噪声）

    瑞利噪声对于表征远距离成像噪声有用

    伽马分布和指数分布用于表征激光成像噪声

    脉冲噪声用于成像中的短暂停留中，如错误的开关操作

    • 周期噪声：周期噪声是在图像获取中从电力或机 电干扰中产生，周期噪声可以通过频率域滤波显著减 少

  4. 自适应滤波器

  5. 图像复原的频率域滤波器

    1. 带阻滤波器

    2. 带通滤波器

    3. 陷波滤波器

    4. 最佳陷波滤波器

形态学图像处理：膨胀和腐蚀

产生滤波器作用。

腐蚀就是将图像的边缘缩小些。目的是将目标的边缘的“毛刺”踢除掉。作用是消除物体边界点，目标缩小，可以消除小于结构元素的噪声点；

膨胀就是将图像的边缘扩大些。目的是将目标的边缘或者是内部的坑填掉。作用是将与物体接触的所有背景点合并到物体中，使目标增大，可添补目标中的空洞。

开操作：使图像的轮廓变得光滑，断开狭窄 的间断和消除细的突出物

闭操作：同样使图像的轮廓变得光滑，但与 开操作相反，它能消除狭窄的间断和长细的鸿
沟，消除小的孔洞，并填补轮廓线中的裂痕

图像分割

  1. 三大类方法

    1. 根据区域间灰度不连续搜寻区域之间的边 界，在间断检测、边缘连接和边界检测介绍
    2. 以像素性质的分布进行阈值处理，在阈值处理介绍
    3. 直接搜寻区域进行分割，在基于区域的分割中介绍

  2. 间断检测

    1. 点检测
    2. 线检测
    3. 边缘检测

  3. 边缘连接和边界检测：通过Hough变换进行整体处理

  4. 图像分割

    1. 基础

    2. 基本全局阈值

    3. 基本自适应阈值

    4. 最佳全局和自适应阈值

    5. 通过边界特性选择阈值

    6. 基于不同变量的阈值

文章作者: V.Ming
文章链接: http://V-HuangChunMing.github.io/2019/11/12/Article/UndergraduateCourse/2021-07-26-%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86%E6%B1%87%E6%80%BB/
版权声明: 本博客所有文章除特別声明外，均采用 CC BY 4.0 许可协议。转载请注明来源 V.Ming !
Lunix
  目录