图像cv常用操作原理和方法说明

图像cv常用操作原理和方法说明

灰度、平滑、滤波、仿射变化、形态学

BORDERTYPE 边填充

1. 边扩展时填充值的方式
2. cv.BORDER_DEFAULT 等同于BORDER_REFLECT_101
3. 可通过cv.copyMakeBorder查看效果

灰度变化

1. 作用
   1. 如果拍照时曝光不足或曝光过度，照片会灰蒙蒙的或者过白，这实际上是因为对比度太小、输入图像亮度分量的动态范围较小造成的
   2. 图像处理最基本的方法之一，灰度变换可使图像动态范围加大、图像对比度增强、图像清晰、特征明显，是图像增强的重要手段
   3. 改善图像的质量，使图像能够显示更多的细节，提高图像的对比度
   4. 有选择地突出图像感兴趣的特征，或者抑制图像中不需要的特征。
   5. 可以有效地改变图像的直方图分布，使像素的分布更为均匀
2. 方法
   1. 线性灰度变化
   2. 分段线性灰度变化
   3. 非线性灰度变化
      1. 对数函数变化
         1. 对数（函数）变换扩展图像中的低灰度区域、压缩图像中的高灰度区域，能够增强图像中暗色区域的细节
         2. 压缩图像灰度值的动态范围
      2. 幂律函数变换(伽马变换)
         1. 主要用于图像的校正，根据参数γ来修正图像中灰度过高(γ＞1)或者灰度过低(γ＜1)的内容。

灰度化

1. 方法
   1. 加权平均值法
      1. 经验公式 D=0.299×R+0.587×G+0.114×B 可用位运算加速
   2. 取最大值法
   3. 求平均值法

直方图均衡化 equalization

1. 直方图均衡化是一种常见的增强图像对比度的方法，可以增强局部图像的对比度，在数据较为相似的图像中的作用更加明显
2. cv.equalizeHist 灰度图全局均衡化
3. cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) 限制对比度自适应均衡化

全局均衡化

1. HE (Histogram Equalization)
2. 计算图像个灰度等级cdf累积分布概率函数
3. cdf乘以level做为映射后的等级
4. 原图形根据原像素值值在cdf中索引得到转换后的像素值

自适应均衡化(局部性质)

1. AHE (Adaptive Histogram Equalization)
2. 自适应–即根据图像的局部性质进行处理
3. 每个区域内在像素点最小最大之前均匀分布？
4. 划分多个窗口,每个窗口大小(W,W)和影响区域大小(A,A)每次移动步长A,例当W=64,A=32时，就是每次根据64
   64的窗口计算直方图CDF，对窗口中间3232的大小区域进行变化,然后再移动步长32继续进行计算
5. 问题
   1. 会出现块状不连续的现象，如32*32的块状区域
   2. 图内会出现马赛克现象,因为当W*W内像素点近似一样时,得到的CDF会是一种跳跃曲线,图像被过度增强，一些噪声被过度放大

限制对比度自适应均衡化(局部性质)

1. CLAHE (Contrast Limited Adaptive Hitogram Equalization)
2. 基于自适应改进，
   1. 限制直方图分布，当某个灰度级超过阈值进行裁剪，超过部分平均分配到各个灰度级，这样CDF不会有梯度出现剧烈变化情况
      1. 阈值可以使用像素点频数或者占总像素比例
   2. 使用双线性插值方法合并分块转换后的数据
      1. 非边界点每个会找到4个临近窗口分别计算cdf和映射后的像素值,使用双线性插值得到最终映射值
3. 可用代码
   1. cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))

自适应局部区域伸展均衡化

1. LRS (Adaptive Contrast Enhancement Using Local Region Stretching)
2. 根据灰度级别区域进行均衡化
3. 统计图像直方图，按照灰度级划分为三个灰度区间，使得三个区间内像素点数量近似相等，然后在这三个区间内分别进行直方图均衡化，最后合并