图像一些简单增强

  • 灰度级变换自动对比度调整

    • 线性灰度级变换
    • 非线性灰度级变换
  • 直方图修正
    • 灰度直方图
    • 直方图性质
    • 直方图修正法理论
    • 直方图均衡化
    • 直方图规定化
  • 基于同态滤波的增强处理
  • 基于彩色处理的增强处理
  • Gamma校正

图像处理原彩图

为了改善图像的质量以及增强感兴趣部分。

如光线较暗的图像,需要增强图像的亮度;通过监测高速公路上的白线实现汽车自动驾驶时需要检测边线等。有针对单个像素点的点运算算法,也有针对像素局部领域的模板运算

灰度级变换(自动对比度调整)

灰度级变换借助函数变换将输入的像素灰度值映射成一个新的输出值,通过改变像素的亮度值来增强图像

g(x,y)=T[f(x,y)]

其中,f(x,y)是原图像,g(x,y)是处理后的图像,T是变换函数

线性灰度级变换

1)基本线性变换

g(x,y)=f(x,y)?tanα

I=im2double(rgb2gray(imread(‘099.jpg‘)));
figure;
imshow(I),title(‘原始图像‘);
figure,imshow(0.5*I),title(‘tan为0.5‘);
figure,imshow(2*I),title(‘tan为2‘);



2)窗口线性变换

一定范围内灰度值进行线性变换,范围外的灰度可以保持不变或者固定值



3)分段线性变换

灰度区间分成两段或多段分别进行线性变换




非线性灰度级变换

用某些非线性变换函数作为灰度变换的变换函数时,可实现图像灰度的非线性变换。对数变换时常见的非线性变换



对数变换表达式:

g(x,y)=a?ln[f(x,y)+1]lnc

%%非线性(对数)灰度级变换
I=double(imread(‘099.jpg‘));%读取图像并转换为double型(0~255)
NI=46*log(I+1);%对数变换、拉伸变换
figure,imshow(NI/256);


直方图修正

数字图像处理中,灰度直方图是最简单和常用的工具


灰度直方图

1)灰度直方图是灰度级的函数,表示是数字图像中每一灰度级与其出现频数(该灰度上出现像素的数目)间的统计关系

公式定义为:

P(rk)=nkN

N是一幅图的总像素数,nk是第k级灰度的像素数,rk表示第k个灰度级,P(rk)表示该灰度级出现的相对频数

这里写代码片

I=imread(‘099.jpg’);

figure,

subplot(1,2,1)

imshow(I);

title(‘Original Image’);

G=rgb2gray(I);

subplot(1,2,2);

imhist(G);

title(‘Histogram’);


直方图性质

1)直方图不具有空间特性

2)直方图反映图像的大致描述

3)一幅图像唯一对应相应的直方图,而不同图像可以有相同的直方图

4)若一幅图像可分为多个子区,则子区直方图之和等于全图直方图


直方图修正法理论

核心就是找到满足下述两个条件的变换函数 T(r)

1)T(r)在0?r?1区域内单值单调增加,以保证灰度级从黑到白次序不变

2)T(r)在0?r?1区域内满足0?s?1,以保证变换的像素灰度级仍在允许的灰度级范围内


直方图均衡化

采用灰度级r的累积分布函数作为变换函数的直方图修正法

s=T(r)=∫r0Pr(w)dw

均衡化处理的变换函数T(r)为:

sk=T(rk)=∑kj=0Pr(rj)=∑kj=0njN

算法步骤

1)统计原始图像直方图

2)计算新的灰度级

3)修正sk为合理的灰度级

4)计算新的直方图

5)用处理后的新会都代替处理前的灰度,生成新图像

%%直方图均衡化
I=imread(‘099.jpg‘);
G=rgb2gray(I);%二值化处理
N=histeq(G);%直方图均化
figure,
imshow(N);



直方图规定化

直方图均衡化能够自动增强整个图像的对比度,但具体增强效果不容易控制,处理的结果总是得到全局均匀化的直方图。实际中有时需要变换直方图,使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度。

正确地选择规定化的函数可以获得比直方图均衡化更好的效果

直方图规定化的实现

是通过直方图均衡化实现的,主要3个步骤

对原始图的直方图进行灰度均衡化处理,即把灰度r变换到灰度s

sk=T(rk)=∑kj=1Pr(rj)=∑kj=0njN

2)规定需要的直方图,并计算能使规定的直方图均衡化的变换

vl=G(zl)=∑li=0Pz(zi)

3)建立均衡化直方图的对应关系,这里采用单映射(SML)规则,找到使下式为最小值对应的k和l的值,然后将所有pr(ri)对应到pv(vi)去

|∑j=1kPr(rj)?∑ji=0Pz(zi)|

最后呈现均匀分布、指数分布等



基于同态滤波的增强处理

基于彩色处理的增强处理

Gamma校正

时间: 2024-10-02 21:10:00

图像一些简单增强的相关文章

安卓第十五天笔记-图形图像一些简单处理

安卓第十五天笔记-图形图像一些简单处理 多媒体编程简介--图形的一般处理 1.计算机中图形计算的大小 一般白色就是0,黑色就是1 单色位图: 8位表示一个字节, 大小:长*宽/8,表示大小,还有一些文件信息如创建时间,什么工具创建之类的 24位位图 一个像素表示24位 大小:长*宽*24/8 256色 1个像素可以表示256种颜色 一个字节它的长度刚好是256 ,那么一个像素点就是一个字节 大小:长*宽 安卓中默认使用32位的 位图的缺陷 放大到一定的比例会出会出现失真与锯齿形状 占用很大的存储

图像直方图均衡化增强opencv与C语言版

本文实现彩色图像的全局直方图均衡.分别对R/G/B三通道均衡,读写图片采用OpenCV.代码如下: #include <opencv2/opencv.hpp> //#include <cv.h> //#include <cxcore.h> //#include <highgui.h> #include <time.h> #include <stdio.h> #include <math.h> #include "

深度学习之图像的数据增强

在图像的深度学习中,为了丰富图像训练集,更好的提取图像特征,泛化模型(防止模型过拟合),一般都会对数据图像进行数据增强, 数据增强,常用的方式,就是旋转图像,剪切图像,改变图像色差,扭曲图像特征,改变图像尺寸大小,增强图像噪音(一般使用高斯噪音,盐椒噪音)等. 但是需要注意,不要加入其他图像轮廓的噪音. 对于常用的图像的数据增强的实现,如下: 1 # -*- coding:utf-8 -*- 2 """数据增强 3 1. 翻转变换 flip 4 2. 随机修剪 random

OpenCV对图像做简单处理——平滑滤波

首先必须知道几个关键函数--cvLoadImage,cvCreateImage和cvSmooth. 一.主要函数的简单介绍 1.1 cvLoadImage 函数功能:把图片加载到内存中 函数原型:IplImage* cvLoadImage( const char* filename, int flags=CV_LOAD_IMAGE_COLOR ); 函数说明: filename :要被读入的文件的文件名(包括后缀): flags :指定读入图像的颜色和深度: 指定的颜色可以将输入的图片转为3通道

解决问题1:可以从桌面显示到FORM MFC/HALCON混合编程系列一_打开图像_简单处理_

没法爱上新浪  转载:http://blog.sina.com.cn/s/blog_812e326f010110og.html 从图1到图2 图1(在桌面显示了) open_window(0,0, Width/2, Height/2,0,"visible","",&WindowHandle); 更改为: Hlong MainWndID =(Hlong) m_hWnd; open_window(0,0, Width/2, Height/2,MainWndID,

CRF图像切割简单介绍

这里主要是讲Conditional Random Fields(CRF)用于pixel-wise的图像标记(事实上就是图像切割).CRF经经常使用于 pixel-wise的label 预測.当把像素的label作为形成马尔科夫场随机变量且能够获得全局观測时,CRF便能够对这些label进行建模.这样的全局观測通常就是输入图像. 令随机变量Xi是像素i的标签. Xi∈L={l1,l2,...,lL} 令变量X是由X1,X2,...,XN组成的随机向量,N就是图像的像素个数. 如果图 G=(V,E)

Canvas合成图像 比较简单 看代码和demo

<!DOCTYPE html> <html lang="en"> <head> <meta charset="utf-8"> <style> *{ margin:0; padding:0; } .center{ text-align: center; } </style> </head> <body> <div class="center">

利用图像的直方图进行对比度增强的方法

一般情况下,二值图像的灰度值等级是21 =2(0\1),灰度图像的灰度值等级是28=256(0-255), 对于灰度图像来说,灰度值集中在较低的级别时,图像较暗,反之,则较亮,且灰度值分布较均匀时,图像的对比度也会比较明显. 1.图像直方图的计算方法 对于灰度图像,图像的灰度值等级为256,将从0到255的每一个灰度等级对应在图像中的像素点的个数统计出来,然后,通过计算统计个数与整幅图像对应像素点的总个数的比值得到每一个灰度值等级在图像中出现的概率密度值,将灰度等级作为自变量,在图像中出现的概率

中值滤波与图像锐化

本文主要包括以下内容 中值滤波及其改进算法 图像锐化, 包括梯度算子.拉普拉斯算子.高提升滤波和高斯-拉普拉斯变换 本章的典型囊例分析 对椒盐噪声的平滑效果比较 Laplacian与LoG算子的锐化效果比较 中值滤波 中值滤波本质上是一种统计排序滤波器. 对于原图像中某点(i,j), 中值滤波以该点为中 心的邻域内的所有像素的统计排序中值作为(i, j) 点的响应. 中值不同于均值, 是指排序队列中位于中间位置的元素的值,例如=采用3x3 中值滤披 器, 某点.(i,j) 的8 个邻域的一系列像