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
静心问道1 分钟前
大型语言模型中的自动化思维链提示
人工智能·语言模型·大模型
众链网络28 分钟前
你的Prompt还有很大提升
人工智能·prompt·ai写作·ai工具·ai智能体
汀沿河30 分钟前
2 大模型高效参数微调;prompt tunning
人工智能·深度学习·prompt
路溪非溪37 分钟前
机器学习之线性回归
人工智能·机器学习·线性回归
搞笑的秀儿2 小时前
信息新技术
大数据·人工智能·物联网·云计算·区块链
阿里云大数据AI技术2 小时前
OpenSearch 视频 RAG 实践
数据库·人工智能·llm
XMAIPC_Robot2 小时前
基于ARM+FPGA的光栅尺精密位移加速度测试解决方案
arm开发·人工智能·fpga开发·自动化·边缘计算
加油吧zkf2 小时前
YOLO目标检测数据集类别:分类与应用
人工智能·计算机视觉·目标跟踪
Blossom.1183 小时前
机器学习在智能制造业中的应用:质量检测与设备故障预测
人工智能·深度学习·神经网络·机器学习·机器人·tensorflow·sklearn
天天扭码3 小时前
AI时代,前端如何处理大模型返回的多模态数据?
前端·人工智能·面试