图像处理相关基础

图像增强

增强方法分为两类，空间域法和频域法

空间域法包括主要在原图像上对像素的灰度值进行处理，包括点运算和局部运算，点运算直接修改单个像素点，局部运算是要看相邻像素之间的关系

频域法在图像的变换域上进行处理，然后进行反变换，得到增强的图像

图像存储

1. 黑白图像-单值矩阵
2. 灰度图像-索引矩阵-图像矩阵-索引号对应的R G B值相同，RGB值不相同假彩色
3. 真彩色-矩阵里就是RGB值，真彩色24位 ，假彩色8位
4. 真彩色一个像素由三个分量组成，（8,8,8）分别表示红绿蓝RGB值

图像灰度变换

线性变换 分段线性变化 非线性变换

二值化--提取物品，去除背景

二值化0-1，像素小于阈值置黑，大于阈值置白，图像转换为黑白图像

选取阈值，进行阈值分割--难点

固定阈值法，双固定阈值法设置两个阈值，分成三个区间，分别设置置黑和置白

图像直方图

直方图均衡化-

​ 有些图像对比度弱，灰度比较集中，经过均衡化，对比度会增强，像素点的灰度分布范围变多

图像平滑处理

平滑处理-去掉干扰图像信息的噪声

图像去噪是一种信号滤波的方法，保留有用的信号，去掉噪音信号

图像的平滑处理有两个目的

1. 模糊，在提取较大目标前，去除太小的细节，或将目标内的小间断连接起来
2. 消除噪声，平滑滤波对图像的低频分量增强，同时消弱高频分量，用于消除图像中的随机噪声，起到平滑作用

空间域的滤波增强技术有两种

1. 基于像素的点处理---线性变换之类
2. 基于模版的空间域滤波
   1. 图像平滑-去噪声
   2. 图像锐化-突出轮廓

平滑处理属于使用模版的方法，使用模版的方法和邻域有关，具体方法是使用模版和每一个像素点和其周围像素点进行计算得到新的灰度值，这样一来灰度值不仅和本身像素灰度值有关，也和周围相关

平滑处理有三类方法

1. 线性平滑，每一个像素灰度值用它邻域值代替，邻域为N*N，N为奇数
2. 非线性平滑，是对线性平滑的改进，取一个阈值，当像素值与其邻域平均值，当像素值与其邻域平均值之间的差大于阈值时，使用均值，反之使用本身值
3. 自适应平滑，自适应平滑保留了一定的边缘信息，物体边缘在不同方向上有不同的统计特征，即不同的均值和方差，为保留一定的边缘信息，采用自适应法

邻域使用

1. 邻域平均法，邻域减少平均法减少噪音的同时，损失了高频信息，边缘模糊-线性平滑
2. 邻域加权平均法-非线性平滑
3. 选择式掩模平滑-自适应平滑
4. 中值滤波：既消除噪声，又保持图像的细节，可以消除孤立的噪声点

模版

1. 模版也叫滤波器，掩模，核或窗，与邻域有相同维数
2. 邻域平均模版所有系数和为1

卷积就是加权求和，卷积核就是模版，大小和邻域相同，卷积核的中心元素和每个像素点对应进行加权求和，算出来的值就是像素平滑处理后的灰度值