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，c 和 γ 是正常数。

当 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

当 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

原文地址：https://blog.csdn.net/weixin_74923758/article/details/145272067

免责声明：本站文章内容转载自网络资源，如侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！