数字图像处理 3图像增强;4图像分割2

近来复习《数字图像处理与机器视觉》网课。在这里分享一下学习笔记:

一 图像增强

特点: 有选择的增强,并衰减不需要的部分 可能和原图像不同

目的: 提升可理解性,提升可区分性

方法:空间域:灰度处理, 频域:滤波器

1 空间增强:

由已知推导未知:

1) 灰度变换:

阈值法 :分离前景和背景

反色法 :最大值-r;可以增强暗色区域的白色或灰色的细节

对数变换:拉高低灰度值的差异,压缩高灰度值的差异;

gamma变换:与对数变换相似,但变换形式更丰富;

2) 直方图均衡化与拉普拉斯锐化

直方图:横轴是灰度值,纵轴是灰度级

直方图均衡化:为了得到均匀分布的直方图

单调递增,变换后值域还是0,L-1

优点:提升对比度,速度快

缺点:过增强,不可逆

累计直方图中,概率相近的值会被处理为相同的值;且原始的概率密度分布不是线性递增分布.

拉普拉斯算子:图像的二阶微分,

拉普拉斯算子 会锐化

细节和边缘会更清晰

2 基于频域变换的图像增强:

通用步骤:

  1. 傅里叶变换; 2)与一个转移函数相乘; 3)傅里叶反变换 ;

(1)低通:平滑,高通:锐化;

(2)同态滤波:平滑+锐化

  • 压缩低频部分,增强高频部分
  • 消除不均匀光照,增强不均匀处细节
  • 将图像分为:照射分量与反射分量分开处理

3)高通滤波器:

  • 理想滤波器- 无法通过硬件实现;

转移函数:>D0 为1,小于等于D0为0

  • 巴特沃斯滤波器

转移函数比理想~平滑

  • 高斯滤波器

转移函数更陡峭,边缘保留效果更好

  • 梯形滤波器

转移函数0与1之间是斜线

二 图像分割:

分割是标记的特例,找出某一区域的共同特征.标记

边界(连续性 或区域(相似性

并行策略,串行策略

常用特征: 亮度\ 直方图,变换系数\边缘\纹理\关键点\

  • 基于阈值的分割:适用于直方图上有两个峰
  • 全局阈值: 迭代法,大津法(OTSU, 最优~ 最大熵,众数法,矩不变法
  • 自适应阈值
  • 带阈值法

1 基于区域的分割

区域生长法

区域分裂与合并

2 基于聚类的分割

空间相邻性

特征相似性

mean-shift 聚类分割算法

SLIC超像素聚类分割算法

这一章节没看懂

3 基于边界

关键是边界的提取, 技术包括边缘检测 边界跟踪,霍夫变换

不连续性是基础

一阶导数和二阶导数能检测斜率和曲率

一阶导数是 梯度

  • Robert算子, Prewitt &Sobel算子
  • 拉普拉斯算子
  • marr边缘检测算子 -高斯平滑加拉普拉斯算子
  • 抗噪声能力强,各向同性,图像模糊化
  • canny边缘检测算子:2D高斯模版滤波\求梯度\非极大值抑制\双阈值判别
  • 边界跟踪技术:探测法 梯度图法:边界法-边缘连接-霍夫变换-判断哪些点在一个直线上
相关推荐
硅谷秋水5 小时前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
jay神6 小时前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
楚山之石2 天前
【Nat Biomed Eng】Connectome 2.0 超高梯度扫描仪:500 mT/m 与 600 T/m/s 把活体人脑微观结构分辨推进到亚微米级
图像处理·学习·数据分析·mri
Martina_03212 天前
AI生成的3D白模单帧没问题,镜头一移动就被挡?用6步检查遮挡与构图
图像处理·人工智能·数学建模·3d·ai·自然语言处理·游戏策划
jay神3 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
wangxiaoxuan2173 天前
TF2 的原理与使用:把坐标、运动和观测时间一起算清楚
计算机视觉·机器人·科沃斯八界
硅谷秋水3 天前
EgoHumanoid‑V2 方法分析
人工智能·机器学习·计算机视觉·语言模型·机器人
BYSJMG3 天前
计算机毕业设计选题推荐:【基于深度学习的车辆损坏严重程度评估方法研究】ResNet50 图像分类
人工智能·深度学习·目标检测·机器学习·计算机视觉·分类·课程设计
BYSJMG3 天前
计算机毕业设计选题推荐|【基于深度学习的电梯电动车违规进入检测研究】YOLO26m+可视化大屏
人工智能·深度学习·神经网络·目标检测·机器学习·计算机视觉·课程设计
硅谷秋水4 天前
将闲科技(LiberAI)提出世界动作模型Liber-0
机器学习·计算机视觉·语言模型·机器人