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
logstash mysql 准实时同步到 elasticsearch
查看>>
Luogu2973:[USACO10HOL]赶小猪
查看>>
mabatis 中出现< 以及> 代表什么意思?
查看>>
Mac book pro打开docker出现The data couldn’t be read because it is missing
查看>>
MAC M1大数据0-1成神篇-25 hadoop高可用搭建
查看>>
mac mysql 进程_Mac平台下启动MySQL到完全终止MySQL----终端八步走
查看>>
Mac OS 12.0.1 如何安装柯美287打印机驱动,刷卡打印
查看>>
MangoDB4.0版本的安装与配置
查看>>
Manjaro 24.1 “Xahea” 发布!具有 KDE Plasma 6.1.5、GNOME 46 和最新的内核增强功能
查看>>
mapping文件目录生成修改
查看>>
MapReduce程序依赖的jar包
查看>>
mariadb multi-source replication(mariadb多主复制)
查看>>
MariaDB的简单使用
查看>>
MaterialForm对tab页进行隐藏
查看>>
Member var and Static var.
查看>>
memcached高速缓存学习笔记001---memcached介绍和安装以及基本使用
查看>>
memcached高速缓存学习笔记003---利用JAVA程序操作memcached crud操作
查看>>
Memcached:Node.js 高性能缓存解决方案
查看>>
memcache、redis原理对比
查看>>
memset初始化高维数组为-1/0
查看>>