1、直方圖歸一化：
????????把直方圖上每個屬性的計數(shù)除以所有屬性的計數(shù)之和，就得到了歸一化直方圖。之所以叫“歸一”，是因為歸一化直方圖的所有屬性的計數(shù)之和為1，也就是說，每個屬性對應(yīng)計數(shù)都是0到1之間的一個數(shù)（百分比）。
????????Imhist：該函數(shù)用于獲取直方圖圖像數(shù)據(jù)。
????????[counts,x] = imhist(I)：獲取直方圖的橫坐標(biāo)和縱坐標(biāo)，即各個像素級，以及每個像素級上的像素出現(xiàn)的次數(shù)，counts是直方圖的縱坐標(biāo)值，而x才是直方圖的橫坐標(biāo)。
????????圖像直方圖歸一化：其實就是將縱坐標(biāo)變成當(dāng)前次數(shù)占總次數(shù)的概率，就需要將stem的counts先除以總像素數(shù)量就行。
二、直方圖均衡化：
???????
? ?把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。直方圖均衡化就是對圖像進(jìn)行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素數(shù)量大致相同。
????????說簡單點，就是把原來的圖像的灰度分配均勻，使得0-255都有一定的取值，這樣對比度相對大一些，視覺上更好看一點。
????????可以直接利用 histeq() 函數(shù)對圖像進(jìn)行均衡化
三、傅里葉變換：
????????從純粹的數(shù)學(xué)意義上看，傅里葉變換是將一個圖像函數(shù)轉(zhuǎn)換為一系列周期函數(shù)來處理的；從物理效果看，傅里葉變換是將圖像從空間域轉(zhuǎn)換到頻率域，其逆變換是將圖像從頻率域轉(zhuǎn)換到空間域。即傅里葉變換的物理意義是將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)，傅里葉逆變換是將圖像的頻率分布函數(shù)變換為灰度分布函數(shù)。
????????實際上對圖像進(jìn)行二維傅里葉變換得到的頻譜圖就是圖像梯度的分布圖，傅里葉頻譜圖上看到的明暗不一的亮點，實際上圖像上某一點 與鄰域點差異的強弱，即梯度的大小，即該點的頻率大小。如果頻譜圖中暗的點數(shù)更多，則實際圖像是比較柔和的；反之，如果頻譜圖中亮的點數(shù)多，則實際圖像是比較尖銳的，邊界分明且邊界兩邊像素差異較大。
四、高斯低通濾波：
?? ?高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程。
? ? ? ?作用：可以去除低頻分量，起到圖像平滑的作用。
?? ?通俗的講，高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個像素點的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。
?? ? 高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點的值。
?? ?在高斯濾波中，會將中心點的權(quán)重值加大，遠(yuǎn)離中心點的權(quán)重值減小，在此基礎(chǔ)上計算鄰域內(nèi)各個像素值不同權(quán)重的和。
1、高斯低通濾波：
實現(xiàn)原理：
????????1. 給定一幅大小為m*n的圖像f(x,y)。選擇適當(dāng)?shù)奶畛鋮?shù)P和Q，一般令P = 2m，Q = 2n。
????????2. 對圖像f(x, y)填充0，填充后得到圖像大小為P*Q的圖像fp(x, y)。
????????3. 將圖像fp(x,y)移到變換中心（中心化）。
????????4. 計算fp(x, y)的DFT離散傅里葉變換，得到F(u,v)。?
????????5. 生成一個實的、對稱的濾波函數(shù)H(u, v)，大小為P*Q，中心在(P/2, Q/2)處。然后矩陣點乘得到G(u,v) = H(u,v)F(u,v)。
????????6. 對G(u, v)反傅里葉變換，然后取實部，再進(jìn)行反中心變換最后得到gp(x,y)。
????????7. 提取gp(x,y)左上角的m*n區(qū)域，對提取的部分進(jìn)行標(biāo)準(zhǔn)化處理，得到最終的結(jié)果圖像g(x,y)。
2、高斯差分DOG：
????????原理：
? ? ?
?五、圖像的膨脹與腐蝕：
????????圖像腐蝕、膨脹是基于高亮部分(白色)操作的，膨脹是對高亮部分進(jìn)行膨脹，類似“領(lǐng)域擴張”；腐蝕是高亮部分被腐蝕，類似“領(lǐng)域蠶食”。
????????膨脹腐蝕的應(yīng)用主要體現(xiàn)在消除噪聲、分割獨立元素或者連接相鄰元素、尋找圖像中明顯極大值、極小值區(qū)域以及求圖像的梯度。
1、膨脹：
????????
? ? ? ??膨脹的作用：圖像膨脹的作用是將目標(biāo)圖像擴大，圖像膨脹操作可以用來填補目標(biāo)區(qū)域中某些空洞以及消除包含在目標(biāo)區(qū)域中的小顆粒噪聲。
? ? ? ? 膨脹的算法：
- ?用結(jié)構(gòu)元素，掃描圖像的每一個元素；
- ?用結(jié)構(gòu)元素與其覆蓋的二值圖像做
與操作； - ?如果有一個為1，結(jié)果圖像的該元素為1。否則為0。
- ?結(jié)果：使二值圖像擴大一圈
[dst(x,y)=max(x′,y′):element(x′,y′)≠0src(x+x′,y+y′)]
2、腐蝕：
? ? ??
????????腐蝕的作用：圖像腐蝕的作用是將目標(biāo)圖像收縮，消除邊界點，使邊界點內(nèi)縮的過程?？梢杂脕硐∏覠o意義的目標(biāo)物。
? ? ? ?腐蝕的算法：
- ?用結(jié)構(gòu)元素，掃描圖像的每一個元素；
- 用結(jié)構(gòu)元素與其覆蓋的二值圖像做
與操作； - 如果都為1，結(jié)果圖像的該元素為1。否則為0。
- 結(jié)果：使二值圖像減小一圈
-
閉運算：對膨脹結(jié)果進(jìn)行腐蝕。
-
開運算：對腐蝕結(jié)果進(jìn)行膨脹。
六、邊緣檢測算法：
1、Prewitt邊緣檢測：
????????Prewitt算子是一種一階微分算子的邊緣檢測，利用像素點上下、左右鄰點的灰度差，在邊緣處達(dá)到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用 。
????????其原理是在圖像空間利用兩個方向模板與圖像進(jìn)行鄰域卷積來完成的，這兩個方向模板一個檢測水平邊緣，一個檢測垂直邊緣。
????????prewitt算子對噪聲有抑制作用，抑制噪聲的原理是通過像素平均，但是像素平均相當(dāng)于對圖像的低通濾波，低通濾波會造成高頻的信息丟失，從而使圖像模糊，無論這種程度或大或小，這種操作后的結(jié)果是存在的。
?
?????????????????????????????????
?2、Sobel邊緣檢測：
????????Sobel算法是一個離散的一階差分算子，用來計算圖像亮度函數(shù)的一階梯度之近似值。在圖像的任何一點使用此算子，將會產(chǎn)生該點對應(yīng)的梯度矢量或是其法矢量。
?????Sobel算子是Prewitt算子的改進(jìn)形式，改進(jìn)之處在于sobel算子認(rèn)為，鄰域的像素對當(dāng)前像素產(chǎn)生的影響不是等價的，所以距離不同的像素具有不同的權(quán)值，對算子結(jié)果產(chǎn)生的影響也不同。一般來說，距離越遠(yuǎn)，產(chǎn)生的影響越小。
????????正因為Sobel算子對于像素的位置的影響做了加權(quán)，與Prewitt算子、Roberts算子相比因此效果更好。相比較Prewitt算子，Sobel模板能夠較好的抑制（平滑）噪聲。 Sobel要比Prewitt更能準(zhǔn)確檢測圖像邊緣。
????????美中不足的是，Sobel算子并沒有將圖像的主體與背景嚴(yán)格地區(qū)分開來，即Sobel算子沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。
?3、Candy邊緣檢測：
????????Canny算子與其他算子最大的不同體現(xiàn)在，其分別采用了兩個不同的閾值對圖像中的強邊緣和弱邊緣進(jìn)行檢測，并且當(dāng)且僅當(dāng)弱邊緣和強邊緣有連接時，才在最后的檢測結(jié)果中將弱邊緣顯示出來。
Canny邊緣檢測算法步驟：?
步驟1：用高斯濾波器平滑處理原圖像；
??步驟2：用一階偏導(dǎo)的有限差分進(jìn)行計算梯度的幅值和方向；
????????圖像的邊緣有方向和幅度兩個屬性，沿邊緣方向像素變化平緩，垂直于邊緣方向像素變化劇烈，邊緣上的這種變化可以用微分算子檢測出來，通常用一階或二階導(dǎo)數(shù)來檢測邊緣。
步驟3：對梯度幅值進(jìn)行非極大值抑制；
??
步驟4：用雙閾值算法檢測和連接邊緣；
?????????tips：對于Canny函數(shù)的使用，推薦的高低閾值比在2:1到3:1之間
?4、Log邊緣檢測：
????????拉普拉斯邊緣檢測算子沒有對圖像做平滑處理，所以對噪聲很敏感。因此可以想到先對圖像進(jìn)行高斯平滑處理，然后再與Laplacian算子進(jìn)行卷積，這就是高斯拉普拉斯算子。文章來源：http://www.zghlxwxcb.cn/news/detail-454090.html
文章來源地址http://www.zghlxwxcb.cn/news/detail-454090.html
到了這里，關(guān)于計算機視覺理論一的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
