数字图像(二)

1、图像分辨率就是单位英寸内的像素点数,屏幕尺寸指的是对角线长度

2、通道: 把图像分解成一个或多个颜色成分:

        1 单通道:一个像素点只需一个数值表示,只能表示灰度,0为黑色; (二值图&灰度图)

        2 三通道:RGB模式,把图像分为红绿蓝三个通道,可以表示彩色,全0表示黑色;

3 四通道:RGBA模式,在RGB基础上加上alpha通道,表示透明度,alpha=0表示全透明

3、对比度:指不同颜色之间的差别。对比度=最大灰度值/最小灰度值

4、灰度表示图像像素明暗程度的数值,也就是黑白图像中点的颜色深度。范围一般为0-255。白色为 255,黑色为0

灰度化:gray=0.3*r+0.59*g+0.11b

        二值化:np.where(gray>0.5,1,0)

5、图像的取样和量化

计算机保存的图像都是一个一个的像素点,称为数字图像,图像数字化过程由图像的取样与量化来完成。

        取样:就是要用多少点来描述一幅图像,取样结果质量的高低就是用图像的分辨率来衡量的

        量化:是指要使用多大范围的数值来表示图像采样之后的一个点

6 上采样和下采样

        缩小图像(或称为下采样(subsampled)或降采样(downsampled))的主要目的有 两个:1、使得图像符合显示区域的大小;2、生成对应图像的缩略图。

        放大图像(或称为上采样(upsampling)或图像插值(interpolating))的主要目的 是放大原图像,从而可以显示在更高分辨率的显示设备上。

7、常用的插值方法

        重设图像的大小,逐像素计算像素值,按照比例从原图找像素值,按照比例采用最近的像素点的值是最近邻插值,按照最近的4个点的线性插值的方法叫

        7.1 最邻近插值

        7.2双线性插值

        7.3中心对齐的双线性插值

8、直方图

        在图像处理中,经常用到直方图,如颜色直方图、灰度直方图等。图像的灰度直方图就描述了图像中灰度分布情况,能够很直观的展示出图像中各个灰度级所 占的多少。 图像的灰度直方图是灰度级的函数,描述的是图像中具有该灰度级的像素的个数:其中,横 坐标是灰度级,纵坐标是该灰度级出现的频率。

直方图的性质

        直方图反映了图像中的灰度分布规律。它描述每个灰度级具有的像素个数,但不包含 这些像素在图像中的位置信息。图像直方图不关心像素所处的空间位置,因此不受图 像旋转和平移变化的影响,可以作为图像的特征。

        任何一幅特定的图像都有唯一的直方图与之对应,但不同的图像可以有相同的直方图。

        如果一幅图像有两个不相连的区域组成,并且每个区域的直方图已知,则整幅图像的

 直方图是该两个区域的直方图之和

 9 直方图均衡化

        直方图均衡化是将原图像的直方图通过变换函数变为均匀的直方图,然后按均匀直方图修改原 图像,从而获得一幅灰度分布均匀的新图像。直方图均衡化就是用一定的算法使直方图大致平 和的方法

直方图均衡化的作用是图像增强

为了将原图像的亮度范围进行扩展,需要一个映射函数,将原图像的像素值均衡映射到新直 方图中,这个映射函数有两个条件:

  1. 为了不打乱原有的顺序,映射后亮、暗的大小关系不能改变,

  2. 映射后必须在原有的范围内,比如(0-255)

步骤:

  1. 依次扫描原始灰度图像的每一个像素,计算出图像的灰度直方图H

  2. 计算灰度直方图的累加直方图

  3. 根据累加直方图和直方图均衡化原理得到输入与输出之间的映射关系。

  4. 最后根据映射关系得到结果:dst(x,y) = H'(src(x,y))进行图像变换

        做法:

        1. 对于输入图像的任意一个像素p, p∈[0,255], 总能在输出图像里有对应的像素q, q∈[0,255] 使得下面等式成 立(输入和输出的像素总量相等):

                                        \sum_{k=0}^{p}hist_{input}(k) = \sum_{k=0}^{q}hist_{iout}(k)

        2.其中,输出图像每个灰度级的个数:

                                    hist_{out}(k)\approx \frac{H*W}{256},k\epsilon [0,255]

        3. 代入累加直方图公式:

                                   \sum_{k=0}^{p}hist_{input}(k) \approx (q+1)\frac{H*W}{256} ==> q\approx \sum_{k=0}^p \frac{hist_{input(k)}}{H*W} - 1

10、卷积

        10.1 对于滤波器/卷积核,也有一定的规则要求: 1)滤波器的大小应该是奇数,这样它才有一个中心,例如3×3,5×5或者7×7。有中心了,也有了半径的称呼,例如5×5大小的核的半径就是2。

        10.2 滤波器矩阵所有的元素之和应该要等于1,这是为了保证滤波前后图像的亮度保持不变。但 这不是硬性要求。

        10.3 如果滤波器矩阵所有元素之和大于1,那么滤波后的图像就会比原图像更亮,反之,如果小 于1,那么得到的图像就会变暗。如果和为0,图像不会变黑,但也会非常暗。

        10.4 对于滤波后的结构,可能会出现负数或者大于255的数值。对这种情况,我们将他们直接截 断到0和255之间即可。对于负数,也可以取绝对值。

        10.5 常见卷积核

                10.5.1 Prewitt算子

                        G_x = \begin{bmatrix} 1&0 &-1 \\ 1& 0&-1 \\ 1& 0&-1 \end{bmatrix}      G_y = \begin{bmatrix} 1 &1 &1 \\ 0& 0 &0 \\ -1& -1 &-1 \end{bmatrix}

                10.5.2 一个没有任何效果的卷积核

                        \begin{bmatrix} 0 & 0 &0 \\ 0 & 1&0 \\ 0& 0 &0 \end{bmatrix}

                10.5.3 平均值滤波器,平滑图像

                        \begin{bmatrix} 1/9 &1/9 &1/9 \\ 1/9&1/9 &1/9 \\ 1/9&1/9 &1/9 \end{bmatrix}

                10.5.4 高斯平滑。高斯平滑水平和垂直方向呈现高斯分布,更突出了 中心点在像素平滑后的权重,相比于均值滤波而言, 有着更好的平滑效果

                        \begin{bmatrix} 1/16 & 2/16 &1/16 \\ 2/16& 4/16 &2/16 \\ 1/16& 2/16 & 1/16 \end{bmatrix}

                 10.5.5 图像锐化。图像锐化使用的是拉普拉斯变换核函数

                        \begin{bmatrix} -1 & -1 &-1 \\ -1& 9 &-1 \\ -1&-1 &-1 \end{bmatrix}                             \begin{bmatrix} 0 &-1 &0 \\ -1& 5& -1\\ 0& -1& 0 \end{bmatrix}

                10.5.6 sobel算子边缘检测

                        \begin{bmatrix} -1& 0 &1 \\ -2& 0 &2 \\ -1&0 & 1 \end{bmatrix}      \begin{bmatrix} -1& -2 & -1\\ 0& 0 &0 \\ 1& 2 & 1 \end{bmatrix}

        10.6 卷积padding(填充),striding(步长),三种模式full,same,valid

                3*3卷积核,padding = 2是full模式,padding = 1是same模式,padding = 0是valid模式

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
青葱年少的头像青葱年少普通用户
上一篇 2022年5月20日
下一篇 2022年5月20日

相关推荐