图像点处理

怎么理解灰度图?

RGB很明显有三个通道
**我们看红色通道,**因为天空中红色含量(R值)最少,因此红色通道中的天空最暗,而因为建筑红色含量(R值)最高,所以红色通道中的建筑最亮。

怎么理解灰度分布图

x轴为灰度值。表示0~255
y轴为像素数量(频率),表示图像中具有特定灰度值的像素数量。

灰度分布图常见典型特征:

(1)平坦分布:

如果灰度直方图在所有灰度值上分布比较均匀(即y轴值变化不大),说明对比度低。

(2)高峰集中在某一部分:

如果高峰集中在低灰度值区域(靠近0),说明图像偏暗。

如果高峰集中在高灰度值区域(靠近255),说明图像整体偏亮。

(3)双峰分布:

如果灰度直方图有两个明显的峰值,可能表示图像中存在两种主要的灰度区域(例如,背景和目标物体。

灰度分布图的应用:

图像增强:通过调整灰度分布(如直方图均衡化),可以改善图像的对比度和视觉效果。

图像分割:通过分析灰度分布的峰值和谷值,可以确定合适的阈值,用于分割图像中的不同区域。

图像校正:通过观察灰度分布,可以判断图像是否过暗或过亮,并采取相应的校正措施(如伽马变换)

图像点处理定义:

图像点处理是一种对每个像素单独进行操作的处理方式。点处理的核心在于直接对像素的灰度值或颜色值进行变换,而不依赖于像素周围的邻域信息。这种处理方式的特点是像素之间的处理相互独立,因此非常适合并行计算,例如利用GPU加速。

图像点处理可以分为线性点运算和非线性点运算:

线性点运算:

通过线性函数s=ar + b实现,其中r是输入像素值,s是输出像素值,a和b是常数。这种运算可以用于调整图像的亮度和对比度。

非线性点运算:

(1)指数点运算

作用:拓展图像的高灰度级,压缩图像的低灰度级。

(2)对数点运算

作用:扩展图像的低灰度级,压缩图像的高灰度级

(3)对数变换

常用于图像处理中以增强图像的暗部细节。

其基本公式为: s = c log(1 + r)

其中,r 是输入图像的灰度值,s 是输出图像的灰度值,c 是一个常数,用于调整变换后的灰度值范围。

(4)伽马变换

常用于调整图像的对比度和亮度。其基本公式为: s = c × r^γ

其中,r 是输入灰度值,s 是输出灰度值,cγ 是正常数。

γ < 1 时,伽马变换会拉伸低灰度值区域,压缩高灰度值区域,使图像的暗部更亮

γ > 1 时,伽马变换会拉伸高灰度值区域,压缩低灰度值区域,使图像的亮部更亮

相关推荐
Blossom.1188 分钟前
从“能写”到“能干活”:大模型工具调用(Function-Calling)的工程化落地指南
数据库·人工智能·python·深度学习·机器学习·计算机视觉·oracle
Memene摸鱼日报37 分钟前
「Memene 摸鱼日报 2025.9.12」前OpenAI CTO 公司发布首篇技术博客,Qwen-Next 80B 发布,Kimi 开源轻量级中间件
人工智能·agi
飞哥数智坊1 小时前
CodeBuddy CLI 实测:比 Claude Code 稚嫩,但我感觉值得期待
人工智能·ai编程
电商软件开发 小银1 小时前
本地生活服务平台创新模式观察:积分体系如何重塑消费生态?
大数据·人工智能·数字化转型·私域运营·消费者心理学
扬帆起航131 小时前
亚马逊新品推广破局指南:从手动试错到智能闭环的系统化路径
大数据·数据库·人工智能
小王爱学人工智能1 小时前
利用OpenCV进行指纹识别的案例
人工智能·opencv·计算机视觉
代码AI弗森1 小时前
DPO 深度解析:从公式到工程,从偏好数据到可复用训练管线
人工智能
Elastic 中国社区官方博客1 小时前
使用 LangExtract 和 Elasticsearch
大数据·人工智能·elasticsearch·搜索引擎·ai·信息可视化·全文检索
lifallen1 小时前
淘宝RecGPT:通过LLM增强推荐
人工智能·深度学习·ai·推荐算法
金井PRATHAMA2 小时前
认知语义学对人工智能自然语言处理的深层语义分析:理论启示与实践路径
人工智能·自然语言处理·知识图谱