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
qq_314810812 分钟前
三重变革:数字革命、地缘重构与生态危机
人工智能
武子康4 分钟前
AI-调查研究-104-具身智能 从模型训练到机器人部署:ONNX、TensorRT、Triton全流程推理优化详解
人工智能·gpt·ai·性能优化·机器人·tensorflow·具身智能
灵犀物润29 分钟前
机器宠物建模的第一步:基础形体搭建(Blocking)
人工智能·机器人·宠物
人机与认知实验室30 分钟前
触摸大语言模型的边界
人工智能·深度学习·机器学习·语言模型·自然语言处理
神的孩子都在歌唱1 小时前
PostgreSQL 向量检索方式(pgvector)
数据库·人工智能·postgresql
ARM+FPGA+AI工业主板定制专家1 小时前
基于Jetson+GMSL AI相机的工业高动态视觉感知方案
人工智能·机器学习·fpga开发·自动驾驶
新智元1 小时前
刚刚,谷歌深夜上新 Veo 3.1!网友狂刷 2.75 亿条,Sora 2 要小心了
人工智能·openai
yuzhuanhei1 小时前
Segment Anything(SAM)
人工智能
做科研的周师兄1 小时前
【机器学习入门】7.4 随机森林:一文吃透随机森林——从原理到核心特点
人工智能·学习·算法·随机森林·机器学习·支持向量机·数据挖掘
lll上2 小时前
三步对接gpt-5-pro!地表强AI模型实测
人工智能·gpt