图像处理与机器学习

  • Post author:
  • Post category:其他

人类视觉具有多异性和错觉的特点,并会产生调变,在观察颜色变化附近会有暗区更暗,亮区更亮的感觉,形成mach带.图像是具有视觉效果的画面,是信息的重要的载体。
机器视觉是通过电子设备感知数字图像来进行模拟人类视觉。任何图像是从场景元的反射感知,是照射元的可见光打到场景元的反射感知,不同的照射元形成不同的图像,例如红外线,紫外线,x光图像,可见光图像。能够生成不同的图像。

图像的分类

1、模拟图像

通过连续的物理量,光的强弱变化,记录图像亮度信息。模拟信号的采样和量化来转化数字图像。是一维的。

2、数字图像

采用数字表示方式,记录图像亮度信息,计算机储存和处理。对模拟图像进行空间采样和亮度量化,转化成一个个像素点,等间隔采样。也可以表示以像素为元素的矩阵。上面每一个像素点储存着灰度值,分辨率越高,越清晰,处理起来越麻烦,衡量图像亮度的量化精度,灰度级越少颜色对比度越大,如果灰度级只有两个,只有黑白两个颜色。

对图像的储存计算

高m,宽n,灰度级是二的k次方
数字储存比特数b=mnk

bmp格式

位映射的储存,除色彩分辨率可选,不含任何压缩,顺序从左到右、从下到上的顺序

jpeg格式

会对图像进行压缩,利于传输

gif格式

无损储存

是以数学与概率论为基础,来进行机器图像处理

直方图

具有该图像字块中灰度值对应的像素点数,太亮分布靠右,太暗分布靠左,要细节分布均匀,一幅图像只有特定的直方图,直方图克对应多幅图像
图像增强,能看到更多细节。
图像分割,可以分割阈值。做一个二值化。
图像分类,直方图对比。

图像增强

图像增强可以增强视觉效果,消除噪声,更易处理,可以改善视觉效果,能更方便得到图片的信息,按照特定的需要突出和去除图像的某些信息,只是去除一些信息来更加清晰。通过灰度变换放到人类肉眼敏感区。通过滤波的设计对图像进行增强,通过傅里叶变换可得到频域的表达,便可频域滤波,去除信号中的噪声,可以通过平均直方图来进行增强。

空间域增强
直接对构成图像像素的灰度级进行操作,通过设置函数改变每一个像素点的灰度值,如果暗的图像可通过对数变换来进行亮度的增强。
在这里插入图片描述
幂次变换对灰度级比较高的地方,进行拉伸 ,幂次变换对低灰度映射的图像,能让低灰度的图像更加鲜艳,

直方图均衡和处理

因为直方图是离散的,经过积分求和来。可控制不同光照对同一物体的提取。去噪可通过多个图像相加求平均,减法能判断视野新加的物体,相乘是通过掩模得到扣图。空间域滤波,低通滤波使图像变得平滑。三点中值滤波器可以不模糊边缘,能干净抹去噪声。
图像锐化,可以突出边缘,利用的高通滤波,将灰度值积分,求差分,如果是在平坦区差分值为0,如果是在边缘差分值非0.便可以得到图像边缘,将与原来的图像相加,则能实现图像的锐化。

傅里叶变换

傅里叶变换即为一系列不同频率的正弦波的线性叠加,能无线靠近方波信号。


版权声明:本文为weixin_54536165原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。