跳转至

03a 强度转换和空间滤波 - 点处理

目录 Contents

在接下来的几节课中，我们将探讨空间领域的图像增强技术：

  • 什么是图像增强？
  • 不同种类的图像增强
  • 点处理
  • 直方图处理
  • 空间滤波

什么是图像增强？

图像增强是使图像更有用的过程。 这样做的原因包括：

  • 突出图像中有趣的细节
  • 去除图像中的噪声
  • 使图像在视觉上更具吸引力

代码实现

图像求反

导入需求包

1
2
3
import numpy as np
import matplotlib.pyplot as plt
from skimage import data

s1

1
img=data.camera()

s`

1
plt.imshow(img,cmap="gray")

d1

1
type(img)

图像灰度范围

1
img.shape

查看数据类型

1
img.type

求值

1
print(img.max(),img.min(),img.mean())

求尺寸

1
img.size

求反

1
2
out = 255 - img
plt.imshow(out,cmapy="gray")

对数变换

  我们使用这种类型的转换来扩展图像中深色像素的值，同时压缩较高级别的值。反对数(指数)变换的情况正好相反。

1
2
out1 = 2 * np.log(img + 1.0)
plt.imshow(out1.astype(np.uint8),cmap="gray")

Gamma 变换（矫正）

  为了防止越界，需要进行归一化操作。

归一化

1
2
3
gamma = 0.4
Inorm = img / 255.0
Inorm.dtype

1
logImg = 1 / gamma * np.log(Inorm + 1)

1
np.exp(logImg) * 255.0

输出值控制在 0 ~ 255 之间

1
2
out3 =out3.astype(np.uint8)
plt.imshow(out3,cmap="gray")

Bit-plane slicing 比特平面分层

  突出显示特定位元对整体图像外观的贡献。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
plane7 = np.ones(np.shape(img)).astype(np.uint8) * 128 & img
plane6 = np.ones(np.shape(img)).astype(np.uint8) * 64 & img
plane5 = np.ones(np.shape(img)).astype(np.uint8) * 32 & img
plane4 = np.ones(np.shape(img)).astype(np.uint8) * 16 & img
plane3 = np.ones(np.shape(img)).astype(np.uint8) * 8 & img
plane2 = np.ones(np.shape(img)).astype(np.uint8) * 4 & img
plane1 = np.ones(np.shape(img)).astype(np.uint8) * 2 & img
plane0 = np.ones(np.shape(img)).astype(np.uint8) * 1 & img
plt.figure(figsize=(16,9))
plt.subplot(331)
plt.imshow(plane7, cmap="gray")
plt.subplot(332)
plt.imshow(plane6, cmap="gray")
plt.subplot(333)
plt.imshow(plane5, cmap="gray")
plt.subplot(334)
plt.imshow(plane4, cmap="gray")
plt.subplot(335)
plt.imshow(plane3, cmap="gray")
plt.subplot(336)
plt.imshow(plane2, cmap="gray")
plt.subplot(337)
plt.imshow(plane1, cmap="gray")
plt.subplot(338)
plt.imshow(plane0, cmap="gray")

image-20221109174002470

课后作业

作业要求

  • 在灰度图像上使用 MATLAB / Python 实现以下图像处理任务。代码应该是模块化的，尽量不要使用第三方图像处理模块。
  • 截止日期：2022年11月15日，星期三
  • 提交源代码文件和 pdf 报告文件（原理、公式、用途）

任务

  1. 图像求反
  2. Gamma 校正，校正值为 \(0.4,1,1.6\)
  3. 将图像的大小调整 \(0.5\)（即，分辨率为 \(400 × 400\) 的图像将减少到 \(200 × 200\)）。
  4. 将图像的大小调整为 \(2\) 倍（例如，分辨率为\(400 × 400\) 的图像将增加到 \(800 × 800\)）
  5. 对比度拉伸
  6. 灰度分割
  7. 显示测试图像的所有位平面
最后更新: 2023-04-19
创建日期: 2022-12-27
作者: gis-xh