/Image-Processing

HFUT 2022spring Digital Image Processing and Application

Primary LanguagePython

Image-Processing

HFUT 2022spring Digital Image Processing and Application

第三章 空域增强技术

3.1 空域技术分类

  • 什么是图像的空域？
    • 就是像素组成的空间
  • 点操作：对每个像素进行操作
  • 模板操作（template）：使用template对图像进行卷积

3.2 直接灰度映射

  • 点操作
  • 本质就是将一个灰度值（根据公式）映射为另一个灰度值。公式根据实际需要随你编

3.3 直方图变换

  • 什么是直方图

    • 数字图像中每一灰度级与它出现的频数之间的统计

    • 提供了图像像素的灰度值分布情况

    • 一个$ 维度 = 灰度级$的向量

      image-20220526142834684

  • 直方图均衡化

    image-20220526143234802

  • 直方图规定化

    image-20220526144651167

    image-20220526144658284

3.4 线性滤波

3.4.1 线性平滑滤波器

  • 领域平均滤波器

    image-20220526151130872

  • 加权平均滤波器

    image-20220526151144263

  • template越大，噪声消除效果越好，但是图片越模糊

3.5 非线性滤波

3.5.1 非线性平滑滤波器

  • 作用既消除噪声又保持细节

  • 中值滤波器

    • 1D中值滤波器（width=3）

      image-20220528141437110

  • 百分比(percentile)滤波器

3.5.2非线性锐化滤波器

  • 利用微分可以锐化图像

    image-20220529140747872

image-20220529140828551

  • 最大-最小锐化变换

​ 是一种图像增强技术。将最大值滤波器和最小值滤波器结合使用，可以锐化模糊的边缘并让模糊的目标清晰起来

3.6 局部增强

第四章 图像分割

4.1 基于阈值的分割方法

4.1.1 P参数法

4.1.2 状态法（峰谷法）

4.1.3 全局门限处理法

4.1.4 最大类间方差法

4.2 基于边缘的分割方法

4.2.1 边缘的定义

图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合

4.2.2 边缘的分类

  • 阶跃状

    image-20220529141813510

  • 屋顶状

    image-20220529141832208

4.2.3 边缘检测算子

  • 梯度算子

  • Roberts算子

    • 一阶算子

  • Prewitt算子

    • 一阶算子
    • 模板image-20220530153016434

  • Sobel算子

    • 一阶算子

    • 公式

      image-20220529142446311

    • 模板

      image-20220529142508783

    • 特点

      对4邻域采用带权方法计算差分；能进一步抑止噪声；但检测的边缘较宽。

  • Kersch算子

  • Nevitia算子

  • 拉普拉斯算子

    • 离散形式image-20220529142902294

    • 模板：可以用多种方式被表示为数字形式。定义数字形式的拉普拉斯的基本要求是，作用于中心像素的系数是一个负数，而且其周围像素的系数为正数，系数之和必为0。对于一个3x3的区域，经验上被推荐最多的形式是：

      image-20220529142856433

      由于梯度算子和Laplace算子都对噪声敏感，因此一般在用它们检测边缘前要先对图像进行平滑。

4.3基于区域的分割方法