數字影象處理筆記——直方圖和點操作(Histograms and point operations)
直方圖
我們根據灰度值的大小可以將灰度值相同的畫素分到同一組,將每個灰度值所含的畫素點數目畫出來得到的圖就是直方圖。
點操作
我們可以對每個畫素點的值進行改變,這種操作叫做點操作。
對比度增強
對比度增強就是將灰度值的範圍拉到已達到顏色差別更明顯的目的,在matlab中有image tool可供直接調整對比度,紅色框之間的畫素值將會被對映到0-255,而處在紅框左側之外的值都會變為0,紅框右側以外的值都會變成255
直方圖均衡
有的時候當我們需要得到影象的一些細節的時候,對比度均衡並不能很好地幫我們完成這項工作,我們需要對影象的畫素值進行重分配來獲得理想的畫素分配,也就是各個畫素值所含的數目都是相同的。
我們可以證明為了獲得理想的畫素分佈,畫素的變換函式就是原影象畫素值的累計分佈(CDF)。
在matlab中提供了一個函式histeq來完成這項工作,可以看出結果是影象的直方圖並不是均勻分佈的,而還是參差不齊的,原因是直方圖分佈是離散的,而不是連續的,因此當畫素重分配的時候,對於同一個值,它的對映函式是相同的,不能將其一分為二變成兩個新的值,所以就會出現直方圖不均勻的狀況。
相關推薦
數字影象處理筆記——直方圖和點操作(Histograms and point operations)
直方圖 我們根據灰度值的大小可以將灰度值相同的畫素分到同一組,將每個灰度值所含的畫素點數目畫出來得到的圖就是直方圖。 點操作 我們可以對每個畫素點的值進行改變,這種操作叫做點操作。 對比度增強 對比度增強就是將灰度值的範圍拉到已達到顏色差別更明顯的目的,
數字影象處理筆記(十三):影象特徵表示和描述
1 - 引言 在我們進行影象識別的時候,往往是將圖片中的特徵來表示整張圖片讓計算機進行識別,基本上表示一個區域涉及兩種選擇: 外部特徵 內部特徵 下一步就是基於所選擇的表示來描述區域 當我們關注的重點是形狀特徵時,可選擇一種外部表示;而當關注的重點是內部屬
數字影象處理筆記——邊緣連線和直線檢測(Edge linking and line detection)
邊緣連線 我們得到邊緣圖以後會出現是一個問題,就是由於有的畫素偏暗,會出現邊緣不連續的現象,這種情況我們就要採用邊緣連線演算法。我們對每一個邊緣上的點進行遍歷,以這個畫素為中心看一個矩形窗內的其他畫素,如果存在邊緣幅度響應M與邊緣相角響應α都與中心畫素差別不太大的畫素,那麼把這個畫素也納為邊界內
數字影象處理筆記——頻域濾波、取樣和頻譜混疊( Frequency domain filtering; sampling and aliasing)
頻域濾波 頻域濾波就是將訊號先做傅立葉變換再與濾波器頻域響應相乘,最後再做傅立葉反變換得到 低通濾波器 讓我們先來看看理想低通濾波器,理想低通濾波器的頻率響應是一箇中間是1,周圍是0的正方形或圓形,而在時域上是sinc函式,,我們看經過低通濾波器後的影象變得模糊了,但是會發現圖中多
數字影象處理筆記——幾何操作(Geometric operations)
幾何操作 所謂的幾何變換就是對影象進行平移、縮放、翻轉等操作。我們將幾何操作與之前提到的點操作進行一個對比,我們可以知道點操作是對畫素的值進行變換,即點還是原來的點T(x,y),在這個基礎上對灰度值進行T()變換;而幾何操作是對座標進行變換,新的座標由舊的座標經過計算得到,二者的灰度值相同
數字影象處理之直方圖均衡化(Octave)
直方圖的均衡化是什麼呢? 舉個簡單的例子:在一個圓中有很多石頭,都集中在圓心附近,對其均衡化就是讓這些石頭儘可能的均勻分佈在圓這個區域內。 並且還有一個原則:如果石頭A在原來狀態下距離圓心的距離在所有石頭是第4位,那麼均衡化後仍然是第4位,相對順序不能變。(大概就是一個拉的更寬了)
數字影象處理筆記(四):灰度變換
1 - 引言 影象處理分為空間域和變換域(在影象的傅立葉變換上進行處理),空間域是指影象平面本身,主要是直接以影象中的畫素操作為基礎進行影象處理,空間域的處理主要分為灰度變換和空間濾波兩類,本文主要介紹灰度變換和空間濾波在影象增強方面的應用,使得輸出的影象比原始影象更適合特定需求的一種處
數字影象處理筆記(三):使用OpenCV檢測影象特徵
1 - 引言 在數字影象處理中還提供了許多檢測影象簡單特徵的方法,例如邊緣檢測、輪廓檢測、直線檢測、圓檢測等。讓我們用OpenCV實現以下這些演算法吧 2 - Canny邊緣檢測 OpenCV提供了一個非常方便的Canny函式(以演算法的發明者命名) import cv2 i
數字影象處理筆記(二):使用OpenCV處理影象
1 - 傅立葉變換 傅立葉變換是影象處理的基礎,Joseph Fourier(約瑟夫 ⋅ \cdot ⋅
數字影象處理筆記(一):利用OpenCV的Cameo框架搭建實驗環境
1 - 引言 Python的應用程式可以通過面向物件的方法來實現,OpenCV提供了一個Cameo框架可以捕捉電腦的攝像頭。我們可以通過編寫新增框架裡的類和方法來對攝像頭捕捉到的畫面進行影象處理和實驗,是一個很好的學習方法,下面讓我們來搭建一下這個Cameo框架 2 - 使用mana
數字影象處理筆記——影象處理綜述與相關知識介紹
影象獲取方式 伽馬光 伽馬光成像原理是給人體注入同位素,然後用檢測器來檢測同位素的放射量來成像 X光 X光成像原理是利用人體不同部位密度不同,X光透過性不同,使得成像的灰度值不同 CT CT成像是一組X光不停旋轉以後得到不同角度的成像,從而可以實現
數字影象處理筆記(十二):影象分割演算法
1 - 引言 在影象識別中,如果可以將影象感興趣的物體或區別分割出來,無疑可以增加我們影象識別的準確率,傳統的數字影象處理中的分割方法多數基於灰度值的兩個基本性質 不連續性 以灰度突變為基礎分割一副影象,比如影象的邊緣 相似性 根據一組預定義的準則將一副影象分割為相似的
數字影象處理筆記(十一):邊緣檢測演算法
1 - 引言 在影象識別中,如果可以將影象感興趣的物體或區別分割出來,無疑可以增加我們影象識別的準確率,傳統的數字影象處理中的分割方法多數基於灰度值的兩個基本性質 不連續性、 以灰度突變為基礎分割一副影象,比如影象的邊緣 相似性 根據一組預定義的準則將一副影象分割為相似
數字影象處理筆記(十):形態學影象處理
1 - 引言 數學形態學的語言是集合論,利用集合論知識我們可以實現影象 腐蝕、膨脹 開操作、筆操作 下面就讓我們學習一下這些基於形態學的影象處理 2 - 腐蝕和膨脹 膨脹與腐蝕能實現多種多樣的功能,主要如下: 消除噪聲 分割(isolat
數字影象處理筆記(九):選擇性濾波
1 - 引言 在前面我們討論了高通和低通濾波器對影象進行處理,它們都是在整個影象的頻率矩陣上操作,但是在很多應用中,我們感興趣是處理指定的頻段或頻率矩形的小區域,因此需要使用選擇性濾波,選擇性濾波主要有兩類 帶阻濾波器或帶通濾波器 陷波濾波器 下面就讓我們來介紹一下這兩
數字影象處理筆記(八):頻域高通濾波銳化影象
1 - 引言 在筆記(七)中,我們通過衰減影象的傅立葉變換的高頻成分來平滑物件,因為邊緣和其他灰度的急劇變化與高頻分量有關,所以影象的銳化可在頻域通過高通濾波來實現。 一個高通濾波器是從給定的低通濾波器用下式得到:
數字影象處理筆記(七):頻域低通濾波平滑影象
1 - 傅立葉變換 在前面我們對空間濾波做了重點的研究,現在我們來介紹一下涉及頻率域中的各種濾波技術。影象從空間域轉換到頻率域使用的是二維傅立葉變換,一個畫素為M*N的影象f(x,y)進行傅立葉變換得到F(u,v),那麼一般的公式為:
數字影象處理筆記(六):空間濾波基礎
1 - 引言 空間濾波是影象處理領域應用廣泛的主要工具之一。這裡我們主要討論怎樣使用空間濾波來增強影象。 2 - 平滑空間濾波器 平滑濾波器用於模糊處理和降低噪聲。模糊處理經常用於預處理任務中,例如在目標提取之前去除影象中的一些瑣碎細節。 2.1 - 平滑線性濾波器 平滑
數字影象處理筆記——Snakes演算法、活動輪廓以及水平集(Snakes, active contours, and level sets)
Snakes演算法 上一講我們講的影象分割演算法主要是基於畫素的,這一講主要是基於曲線的。我們希望能得到一個能夠包圍住影象輪廓的平滑的曲線,snakes演算法就是一個很有用的演算法。首先我們將曲線的座標x、y同一用引數s表示,s範圍從0-1代表從起點繞曲線一週再回到原點 我們假定初始化
數字影象處理筆記——影象分割(Image Segmentation)
影象分割 區域生長 影象第一種演算法我們稱為區域生長(region growing) 其主要思路就是從原始影象中選取幾個重要的點,然後從這些點分別往外擴充套件,如果周圍的畫素與其的畫素差小於某個閾值,那麼將其置1(白色),並繼續從這個點向外延展,直到不滿足條件,其他點置0(黑色)。