【数字图像处理】5.1:灰度图像-图像增强 综合介绍

Abstract: 数字图像处理:第27天
Keywords: 灰度拉伸

本文最初发表于csdn,于2018年2月17日迁移至此

开篇废话

昨天前天写了两天代码,写代码久了就不会写博客了,昨天前天把高斯滤波,中值滤波,中值滤波快速算法,双边滤波,均值滤波实现了一下,并且进行了测试,学到了不少调试的技巧,其中中值滤波快速算法调了好久,不过还不错的是,结果都正确了,并且和OpenCV的结果进行了比较,验证了算法实现的正确性,至于代码速度,感觉追求速度是每个程序设计人员都追求的,但目前我们属于学习算法阶段,所以我们应该先把功能实现,观察算法结果,当把大部分算法实现完成后,根据需要进行优化,和改进。我觉得这是一个正确的道路。

知识结构

接下来几天的任务是图像增强,图像增强并没有严格数学上的定义,也就是没有说明处理后达到什么样的指标后算是完成,同样,增强是针对人的,如果你觉得处理后观察结果更显然了,那就是达到了增强的目的,增强分好多方法,大方向可以分为,灰度拉伸和空间滤波,灰度拉伸是简单的像素灰度到像素灰度的变换,(1)比如灰度值a经过f(a)(f个人给出)后得到了b,这样处理整幅图后看起来更能满足目的了,这也就算是增强了。(2)空间滤波利用的则是所处理像素周围像素的灰度,按照一定方法计算出该处的值,得到平滑或锐化的效果,这算是区域算法。(3)再有就是利用整幅图像的信息,如直方图,生成(1)中的f,然后对灰度进行计算。
大体知识结构给出:

Center

解释下图像增强和去噪的区别,增强属于无先验知识的处理,也就是说,拿来一幅图,我就可以通过增强算法进行处理,不需要知道噪声模型等其他信息,也就是说,系统输入就是一张图,按照相关参数和算法,给出一副更能满足观察者需求的图片。图像去噪则属于图像复原一类的知识,需要知道噪声模型,根据相关的先验知识进行针对性的处理,增强也有去噪的效果,但增强的目的并不是为了去噪,而是改善图像,降低观察者观察相关信息的难度,当然对于平滑图像来说,高频噪声被处理掉了,达到了一部分去噪的目的,这只是衍生的一种效果,根本目的不是降噪或修复图片,因为干掉噪声的同时,高频细节也被干掉了,而去噪只要求去除噪声修复图片,当然,增强也有降低噪声并保留边缘的需求,但增强和去噪是不同的,最好不要混淆。
因为平滑和锐化对应于频域就是低通和高通操作,所以频域相关的增强后面就不再描述,具体可参见前面的博客。

总结

因为是综述性的介绍,所以本文较短,只想记录下路线,并解释下去噪和增强的关系。具体理论基础和相关代码实现请关注后续文章。

0%