• 《数字图像处理》冈萨雷斯学习笔记2:亮度变换与空间滤波


    第一、图像的亮度变换

    一、图像直方图

    灰度直方图主要应用与图像分割和图像灰度变换等处理过程中,它是图像灰度值得函数,统计一幅图像中各个灰度级出现的次数或概率。

    b = imhist(f,b);  %灰度直方图  b是用于形成直方图的“收集箱”的个数


    图像直方图归一化

    f = imread('C:UsershepanhuiDesktop
    ed.gif');
    figure;          %打开新窗口
    [M,N] = size(f);           
    [counts,x] = imhist(f,32); %计算有32个小区间的灰度直方图
    counts = counts/M/N;       %计算归一化灰度直方图各区间的值
    stem(x,counts);            %绘制归一化直方图


    输入red图像:                                                               输出归一化直方图:                                                                                   

       
    二、灰度的Gamma变换

    y=(x+esp)^r   其中x,y取值范围为[0,1];esp为补偿系数;r为Gamma系数

    Gamma变换是根据r的不同取值选择性的增强低灰度区域的对比度或者高灰度区域的对比度。

                       


    g = imadjust(f, [low_in high_in], [low_out high_out],gamma)

    若high_out小于low_out,则输出亮度会反转。

    f = imread('C:UsershepanhuiDesktoplena.jpg');
    figure;          %打开新窗口
    imshow(imadjust(f,[],[],0.5));
    title('Gamma 0.5');


    输入lena图像:                                                                                            Gamma 0.5:

      

    三、对数变换

    t=clog(k+s)    c为尺度比例常数,s为源灰度值,k为常数

    灰度的对数变换可以增强一幅图像中较暗部分的细节,可用来扩展被压缩的高值图像中的较暗像素。广泛应用于频谱图像的显示中。

    注意:log函数会对输入图像矩阵s中的每个元素进行操作,但仅能处理double类型的矩阵。而从图像文件中得到的图像矩阵大多是uint8类型的,故需先进行im2double数据类型转换。

    f = imread('C:UsershepanhuiDesktop
    ed.gif');
    F = fft2(im2double(f));
    F = fftshift(F);   %FFT频谱平移
    F = abs(F);
    T = log(F+1);      %频谱对数变换
    figure;imshow(F,[]);title('未经变换的频谱');
    figure;imshow(T,[]);title('对数变换后');

    未经变换的频谱:                                     对数变换后:

     



  • 相关阅读:
    10-tensorflow-tf.concat()
    09-tensorflow-tf.split()
    10-numpy笔记-np.random.randint
    学习网络编程的一些实用技巧和细节
    读书笔记_Effective_C++_条款三十一:将文件间的编译依存关系降至最低(第一部分) 重新学习了 继续学习第二 三部分更加精彩
    对四次挥手中的TIME_WAIT状态的学习
    accept 和 connect API深入 重点accept阻塞和非阻塞问题学习
    几种IO情况的学习和总结 关于 =====阻塞/非阻塞以及同步/异步区别
    tcp头和ip头 图文简介和简要说明
    Nginx 为什么要延迟关闭
  • 原文地址:https://www.cnblogs.com/suncoolcat/p/3293946.html
Copyright © 2020-2023  润新知