携手创作,共同成长!这是我参与「掘金日新计划 · 8 月更文挑战」的第24天,点击查看活动详情
在上一篇文章中,我们介绍了人工智能与计算机视觉的概念。
今天,我们来介绍常见的图像处理概念,包括亮度、对比度、饱和度,图像平滑/降噪,图像锐化/增强,直方图均衡化,图像滤波,形态学运算和OpenCV及常用库函数。
-
1.2 常见的图像处理概念
-
1.2.1 亮度、对比度、饱和度
-
亮度:图像的明亮程度,在单色图像中,最高的值应该对应于白色,最低的值英高对应于黑色
-
对比度:图像暗和亮的落差值,即图像最大灰色级和最小灰度级之间的差值,差异范围越大代表对比越大,差异范围越小代表对比越小
-
饱和度:图像颜色种类的多少,饱和度越高,颜色种类越多,外观上看起来图像会更鲜艳
-
对于亮度和对比度,可以从RGB图上进行数据增强
-
对于饱和度,可以从HSV/HSI/HSL色彩空间上进行增强
-
1.2.2 图像平滑/降噪
-
图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分的图像处理方法,使图像亮度平缓渐变,减小突变梯度,改善图像质量
- 归一化块滤波器
- 高四滤波器
- 中值滤波器
- 双边滤波
图像平滑主要是抑制高频的部分,保留低频的部分
-
1.2.3 图像锐化/增强
-
图像锐化与图像平滑是相反的操作,锐化是通过增强高频分量来减少图像中的模糊,增强图像细节边缘和轮廓,增强灰度反差,便于后期对目标的识别和处理
-
锐化处理在增强图像边缘的同时也增强了图像的噪声
-
方法包括:微分法和高通滤波法
-
1.2.4 边缘提取算子
-
图像中的高频和低频的概念理解
-
通过微分的方式计算图像的边缘(色差/梯度)
- Roberts算子
- Prewitt算子
- sobel算子
- Canny算子
- Laplacian算子
- 等
-
1.2.5 直方图均衡化
-
直方图均衡化是将原图像通过某种变换,得到一副灰度直方图为均匀分布的新图像的方法
-
对在图像中像素个数多的灰度级进行展宽,而对像素个数少的灰度级进行所见。从而达到清洗图像的目的。
-
1.2.6 图像滤波
-
图像滤波可以更改或者增强图像
-
通过滤波,可以强调一些特征或者去除图像中一些不需要的部分
-
滤波是一个邻域操作算子,利用给定像素周围的像素的值决定此像素的最终的输出值
-
常见的应用博爱阔去噪,图像增强,检测边缘,检测角点,模板匹配等
- 均值滤波
- 种植滤波
- 高斯滤波
- 双边滤波
- 等
-
1.2.7 形态学运算
-
腐蚀:腐蚀的效果是把图片“变瘦”,其原理是在原图的小区域内取局部最小值
-
膨胀:膨胀与腐蚀相反,取的是局部最大值,效果是把图片“变胖”
-
开运算:先腐蚀后膨胀(因为先腐蚀会分开物体)可以分离物体,消除小区域
-
闭运算:先膨胀后腐蚀(先膨胀会使白色的部分扩张,以至于消除/“闭合”物体里面的小黑洞)
-
形态学梯度:膨胀图减去腐蚀图,得到轮廓图
-
顶帽:原图减去开运算后的图
-
黑帽:闭运算后的图减去原图
-
1.2.8 OpenCV及常用库函数