一、圖像處理技術(shù)概述

1.定義

對(duì)原始獲取圖像進(jìn)行一系列的運(yùn)算處理，稱為圖像處理。圖像處理是機(jī)器視覺(jué)技術(shù)的方法基礎(chǔ)，包括圖像增強(qiáng)、邊緣提取、圖像分割、形態(tài)學(xué)處理、圖像投影、配準(zhǔn)定位和圖像特征提取等方法。

2.顏色的基本定義

GB 5698－85，顏色定義為：色是“光作用于人眼引起除形象以外的視覺(jué)特性”。

3.三原色（tricolor）

二、圖像增強(qiáng)概述

1.改善圖像質(zhì)量?jī)深惙椒?/p>

?不考慮圖像降質(zhì)原因——圖像增強(qiáng)技術(shù)

?針對(duì)圖像降質(zhì)原因——圖像還原技術(shù)

2.圖像增強(qiáng)技術(shù)兩類方法：

（1）空間域法: 在空間域中對(duì)圖像的各個(gè)像素灰度值直接進(jìn)行計(jì)算處理；

（2）頻率域法: 在圖像的頻率變化域中對(duì)圖像的變換值進(jìn)行某種運(yùn)算處理，然后再變回空間域中。

三、空域圖像增強(qiáng)

1.定義

空域法是直接對(duì)圖像中的像素進(jìn)行處理，以圖像的灰度映射變換為基礎(chǔ)。

點(diǎn)對(duì)點(diǎn)變換 直方圖修正

2.空域變換增強(qiáng)

直接灰度變換：

圖像求反：

用這種方式倒轉(zhuǎn)圖像的強(qiáng)度產(chǎn)生圖像反轉(zhuǎn)的對(duì)等圖像。該方式適用于增強(qiáng)嵌入于圖像暗色區(qū)域的白色或灰色細(xì)節(jié)，特別是當(dāng)黑色面積占主導(dǎo)地位時(shí)。

線性灰度增強(qiáng)：

線性最大增強(qiáng)：

3.空域變換增強(qiáng)的MATLAB實(shí)現(xiàn)

rgb=imread(‘ic.png’);%讀取圖像gray=rgb2gray(rgb); % 色彩轉(zhuǎn)換成灰度gray2=a* gray+b; % 灰度線性變換gray3=255-gray;求反操作subplot(141),imshow(rgb),title(‘原圖’);%顯示原圖像subplot(142),imshow(gray),title(‘灰度圖’);%顯示灰度圖像subplot(143),imshow(gray2),title(‘灰度圖2’);%顯示變換灰度圖subplot(144),imshow(gray3),title(‘灰度圖3’);%顯示求反灰度圖函數(shù)說(shuō)明：圖像增強(qiáng)函數(shù)調(diào)用格式： ImageEnhance ( image_origin ， image_edge ， kind)參數(shù)說(shuō)明：image_origin：輸入圖像（灰度圖）image_edge：輸出圖像kind：算法類型（包括POINTLINER，POINTSHARP）4.圖像代數(shù)運(yùn)算

包括加、減、乘、除運(yùn)算。

5.椒鹽噪聲(salt-and-pepper noise)

椒鹽噪聲又稱脈沖噪聲，它隨機(jī)改變一些像素值，在二值圖像上表現(xiàn)為使一些像素點(diǎn)變白，一些像素點(diǎn)變黑。是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。

椒鹽噪聲往往由圖像切割引起，去除脈沖干擾及椒鹽噪聲最常用的算法是中值濾波。

6.空域?yàn)V波增強(qiáng)

主要有兩類：

（1）平滑（低通）濾波器

（2）銳化（高通）濾波器

7.平滑濾波器

（1）均值濾波

（2）帶有閾值的均值濾波

（3）中值濾波

中值濾波的基本原理是將像素鄰域內(nèi)灰度的中值代替該像素的值。

中值濾波的步驟：

1.將模板在圖中漫游，并將模板中心與圖中某個(gè)像素位置重合；

2.讀取模板下各對(duì)應(yīng)像素的灰度值；

3.將這些灰度值從小到大排成1列；

4.找出這些值里排在中間的1個(gè)；

5.將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素。

中值濾波特點(diǎn)：

1.非線性濾波。

2.可克服圖像的邊緣模糊。

3.對(duì)濾除脈沖干擾及圖像掃描噪聲最為有效。

4.不需要圖像的統(tǒng)計(jì)特性。

5.對(duì)一些細(xì)節(jié)多，特別是點(diǎn)、線、尖頂細(xì)節(jié)多的圖像不宜采用。

（4） 高斯濾波

高斯濾波器是一類根據(jù)高斯函數(shù)的形狀來(lái)選擇權(quán)值的線性平滑濾波器，其對(duì)于抑制服從正態(tài)分布的噪聲非常有效。

二維零均值高斯函數(shù)

gausFilter = fspecial('gaussian',[m,n],sigma)blur=imfilter(grayImg,gausFilter,'replicate')

版權(quán)聲明：本文為CSDN博主「liutangplease」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。

原文鏈接：

https://blog.csdn.net/m0_53966219/article/details/127803603

聲明：部分內(nèi)容來(lái)源于網(wǎng)絡(luò)，僅供讀者學(xué)習(xí)、交流之目的。文章版權(quán)歸原作者所有。如有不妥，請(qǐng)聯(lián)系刪除。