图像处理与视觉感知---期末复习重点(4)

文章目录


一、图像复原与图像增强

1.1 概述

1. 图像增强技术一般要利用人的视觉系统特性,目的是取得较好的视觉效果,不需要考虑图像退化的真实物理过程,增强后的图像也不一定要逼近原始图像。

2. 图像复原技术需要针对图像的退化原因设法进行补偿,因此需要对图像的退化过程有一定的先验知识,利用图像退化的逆过程去恢复原始图像,使复原后的图像尽可能的接近原图像。

1.2 异同点

图像增强 图像复原
技术特点 ①不考虑图像降质的原因,只将图像中感兴趣的特征有选择地突出(增强),而不衰减其不需要的特征。 ②改善后的图像不一定要去逼近原图像。 ③主观过程。 ①要考虑图像降质的原因,建立 "降质模型"。 ②要建立评价复原好坏的客观标准。 ③客观过程。
主要目的 提高图像的可懂度 提高图像的逼真度
方法 空间域法和频率域法 线性复原法

二、图像复原/退化模型

2.1 模型图简介

2.2 线性复原法

1. 系统 H H H 是一个线性系统。 a a a 和 b b b 是比例常数, f 1 ( x , y ) f_1(x,y) f1(x,y) 和 f 2 ( x , y ) f_2(x,y) f2(x,y) 是任意两幅输入图像。假设噪声 η ( x , y ) = 0 η(x,y)=0 η(x,y)=0,则有下图中的式子成立。

2. 若 a = b = 1 a=b=1 a=b=1,则满足 "加性"。特性 "加性" 表明:如果 H H H 为线性算子,则两个输入之和的响应等于两个响应之和。

3. 若 f 2 ( x , y ) = 0 f_2(x,y)=0 f2(x,y)=0,则满足 "均匀性"。特性 "均匀性" 表明:任何与常数相乘的输入的响应等于该输入响应乘以相同的常数。

4. 对于任意的 f ( x , y ) f(x,y) f(x,y), α α α 和 β β β,若下式成立,则具有输入输出关系 g ( x , y ) = H [ f ( x , y ) ] g(x,y)=H[f(x,y)] g(x,y)=H[f(x,y)] 的系统称为位置不变系统(或空间不变系统)。这个定义说明图像中任意一点的响应只取决于在该点的输入值,而与该点的位置无关。

三、彩色基础

1. 三基色原理:自然界中的绝大多数的颜色都可看作是红、绿、蓝三种颜色组合而成;自然界中的绝大多数的颜色都可以分解成红、绿、蓝三种颜色。这即是色度学中的三基色原理。

一般就将红、绿、蓝这三种颜色称为三基色。

2. 三基色应用:(1) 相加混色:一般把三基色按不同的比例相加进行的混色。称为相加混色。 (2) 相加减色:就是从白光中滤去某种颜色而得到另一种颜色。

四、彩色模型

1. CIE(国际照明委员会)在进行大量色彩测试实验的基础上提出了一系列颜色模型:

(1) RGB模型:红®、绿(G)、蓝(B) 三基色混合。

(2) HSI模型:色调(H)、饱和度(S)、亮度(I)。用于开发图像处理软件。

(3) YUV模型:亮度(Y)、色度(UV)。可以使电视节目可用同时被黑白电视及彩色电视接收。电视信号在发射时,转换成YUV形式;接收时再还原成RGB三基色信号,由显像管显示。

(4) YCbCr模型:亮度(Y)、色度(CbCr)。

3. (1) CMY模型:利用三基色光叠加可产生光的三补色。蓝绿(C,即绿加蓝),品红(M,即红加蓝),黄(Y,即红加绿)。用于打印和印刷行业。 (2) CMYK模型:在CMY模型的基础上加了第四种颜色黑色。

2. RGB与HSI的转换关系式如下:

五、彩色图像处理

1. 颜色变换和彩色分层。

2. 补色:彩环上的补色对于增强嵌在彩色图像暗区的细节很有用。

3. 色调和彩色校正:照片增强和颜色再现(打印);试验性地调整图像亮度和对比度,以便在合适的灰度范围内提供更多的细节。

4. 彩色图像平滑:领域平均法。彩色图像锐化:用拉普拉斯进行图像尖锐化。

相关推荐
TY-20253 分钟前
【CV】OpenCV基本操作④——算术操作
人工智能·opencv·计算机视觉
聚客AI20 分钟前
🙈AI Agent的未来:工具调用将如何重塑智能应用?
人工智能·agent·mcp
幂简集成1 小时前
通义灵码 AI 程序员低代码 API 课程实战教程
android·人工智能·深度学习·神经网络·低代码·rxjava
Tadas-Gao1 小时前
阿里云通义MoE全局均衡技术:突破专家负载失衡的革新之道
人工智能·架构·大模型·llm·云计算
xiaozhazha_1 小时前
快鹭云业财一体化系统技术解析:低代码+AI如何破解数据孤岛难题
人工智能·低代码
pan0c231 小时前
集成学习(随机森林算法、Adaboost算法)
人工智能·机器学习·集成学习
pan0c231 小时前
集成学习 —— 梯度提升树GBDT、XGBoost
人工智能·机器学习·集成学习
Learn Beyond Limits1 小时前
Error metrics for skewed datasets|倾斜数据集的误差指标
大数据·人工智能·python·深度学习·机器学习·ai·吴恩达
我不是小upper1 小时前
一文详解深度学习中神经网络的各层结构与功能!
人工智能·pytorch·深度学习
kingmax542120082 小时前
概率与数理统计公式及结论汇总
人工智能·机器学习·概率论