博客
关于我
图像预处理 && C实现
阅读量:362 次
发布时间:2019-03-04

本文共 794 字,大约阅读时间需要 2 分钟。

之前用到的一些预处理整理,主要是图像增强和滤波算法。

代码地址:

1、直方图均衡化

调整图像的灰度分布使其能在0-255范围内分布更均衡,可用于提高图像的对比度,适用于对比度较低的图片,能增加图片的细节。

处理对比:
这里写图片描述

2、伽马矫正

主要用于将图片中灰度过高或过低部分进行修正,既是增强低灰度和高灰度值部分的细节, 能增强对比度。

公式为: dst = ( src )^gamma
gamma值以1为界,值越小,对图像低灰度部分的扩展作用越强; 值越大,对图像高灰度部分的扩展作用越强。伽马矫正对图像对比度偏低并且整体亮度偏高(过曝)情况下的图片增强效果明显。
伽马曲线:
这里写图片描述
gamma= 1.8:
这里写图片描述

3、拉普拉斯锐化

强调图片的边缘和细节,但同时会把噪声也增强(改进为LOG算子 –> DOG算子)。

原理:当领域中心像素灰度低于它所在领域内的其他像素的平均灰度,此中心像素的灰度并进一步降低,当领域中心像素灰度高于他所在的领域内其它像素的平均灰度,此中心像素的灰度被进一步提高,由此实现图片锐化。
这里写图片描述

4、白平衡(灰度世界法)

不同色温光源下图片中物体会出现颜色的偏差,以白色物体为参考进行颜色校正,故有白平衡这一说。

这里写图片描述

5、高斯滤波

线性平滑滤波,适用于消除高斯噪声,相对于均值滤波它的平滑效果更柔和而且边缘能较好的保留下来。

高斯滤波后图像被平滑的程度取决于高斯和的标准差,标准差越小,平滑效果越不明显
这里写图片描述

6、盒式滤波(Opencv中的均值滤波就是盒式方法实现的)

一种线性滤波技术,它的实现借鉴了积分图的原理。其关键步骤是初始化保存领域内像素值之和的数组S,在求解某领域内的像素值和时,只要索引输出图片中对应区域的位置即可。

盒式滤波可以使复杂度为O(MN)的求和,求方差等运算降低到O(1)或接近O(1),缺点是不支持多尺度。
盒式滤波在去除噪点的同时会去除很多细节部分,将图像变得模糊。
这里写图片描述

你可能感兴趣的文章
MongoDB可视化客户端管理工具之NoSQLbooster4mongo
查看>>
Mongodb学习总结(1)——常用NoSql数据库比较
查看>>
MongoDB学习笔记(8)--索引及优化索引
查看>>
mongodb定时备份数据库
查看>>
mppt算法详解-ChatGPT4o作答
查看>>
mpvue的使用(一)必要的开发环境
查看>>
MQ 重复消费如何解决?
查看>>
mqtt broker服务端
查看>>
MQTT 保留消息
查看>>
MQTT 持久会话与 Clean Session 详解
查看>>
MQTT介绍及与其他协议的比较
查看>>
MQTT工作笔记0007---剩余长度
查看>>
MQTT工作笔记0008---服务质量
查看>>
MQTT工作笔记0009---订阅主题和订阅确认
查看>>
Mqtt搭建代理服务器进行通信-浅析
查看>>
MS COCO数据集介绍
查看>>
MS Edge浏览器“STATUS_INVALID_IMAGE_HASH“兼容性问题
查看>>
ms sql server 2008 sp2更新异常
查看>>
MS SQL查询库、表、列数据结构信息汇总
查看>>
MS UC 2013-0-Prepare Tool
查看>>