目錄
1.圖像噪聲化處理與卷積平滑
2.圖像傅里葉快速變換處理
3.圖像腐蝕和膨脹處理
4?圖像灰度調(diào)整處理
5.圖像抖動處理算法
學習計算機視覺方向的幾條經(jīng)驗:
1.學習計算機視覺一定不能操之過急，不然往往事倍功半！
2.靜下心來，理解每一個函數(shù)/算法的過程和精髓，這個知識才真正是你的！
3.計算機視覺的參數(shù)非常多，你必須理解透并且學會運用，不然你只能做個調(diào)參俠！
4.做一件事就必須要從中學到什么，否則就算是再大的榮譽只是混來的，不真正屬于你！
以上經(jīng)驗總結(jié)來自Neu.Ise.JiaT.Prof，也是Neu做cv的數(shù)一數(shù)二的教授了，希望能夠帶著這些經(jīng)驗繼續(xù)前進，在cv的學習中有所感悟和收獲！*******************************************************************************************
END IN 2023/09/27/01:40:
又是一個小通宵，明天還有早八，真的要完全理解這些函數(shù)很難，每寫一段都需要30分鐘左右的
學習理解過程，以及我的matlab水平不如python那般熟練，有的地方繪圖還需要不斷的查找資料和
別人的博客，然后不斷的去修改代碼，matlab的繪圖確實不熟練，我需要花費2-2.5個小時才能勉
強完成這樣一篇總結(jié)。
確實很累，但是如果感覺累的話是幸運的，因為說明你在進步，因為上坡的路都是困難的。
*******************************************************************************************
1.圖像噪聲化處理與卷積平滑
圖像噪聲化處理與卷積平滑：
圖片首先經(jīng)過imnoise()函數(shù)的處理，增加噪聲參數(shù)，變得模糊混亂，然后我們在通過卷積的方式讓圖像
整體變得平滑并且消除模糊的程度。
噪聲函數(shù):imnoise(I,'gaussian',均值u,標準差)
卷積函數(shù):conv2(I,h) %I表示圖像 h表示卷積核%%
%%image line filter
clear
I = imread('moon.tif')
subplot(131);
imshow(I)
%imnoise噪聲使得圖像變得更模糊嘈雜
I = imnoise(I,'gaussian',0,0.02);%添加均值為0，方差為0.02的噪聲
subplot(132)
imshow(I)
%繪制第二張子圖
subplot(133)
h=[1 1 1
1 1 1
1 1 1];
h = h/9;
%conv2函數(shù)來對添加了噪聲的圖像 I 進行線性卷積操作，
%這個操作實際上是一個平滑濾波操作，它通過計算每個像素周圍3x3鄰域的加權(quán)平均值來減小圖像中的高頻噪聲，
%從而使圖像變得更加平滑。
J = conv2(I,h);
imshow(J,[])
saveas(gcf,['C:\Users\Zeng Zhong Yan\Desktop\MATLAB\','image line filter','.png'])?
2.圖像傅里葉快速變換處理
圖像傅里葉快速變換處理:
首先加載圖像，對于圖像有總體的理解.
其次對其執(zhí)行FFT變換，fft2(I)函數(shù)將圖像從時間域轉(zhuǎn)向頻域，并且畫出可視化圖片.
再研究FFT結(jié)果的移位版本fftshift(fft2(I))，分析傅里葉變換的特點.
最后給出頻譜圖像的對數(shù)幅度。這有助于分析圖像中的頻域信息，對于信息能夠更好的理解.%%
% fft2
clear
load imdemos saturn2
subplot(221);
I = imread('moon.tif')
imshow(I)
title('Subplot 1:原圖渲染')
subplot(222);
b = fft2(I)%二維快速傅里葉變換
imshow(b)
title('Subplot 2:二維快速傅里葉變換')
subplot(223);
b=fftshift(fft2(I));%這行代碼首先對FFT結(jié)果進行了移位操作，將低頻分量移到圖像中心。然后，它再次計算FFT，得到移位后的頻譜圖像 b。
imshow(b)
title('Subplot 3:傅里葉變換移位')
subplot(224);
imshow(log(abs(b)),[])
title('Subplot 4:頻譜對數(shù)幅度圖')
colormap(jet(64))
colorbar
saveas(gcf,['C:\Users\Zeng Zhong Yan\Desktop\MATLAB\','fft','.png'])
3.圖像腐蝕和膨脹處理
圖像的腐蝕和膨脹處理:
腐蝕和膨脹是針對白色部分（高亮部分）而言的。
膨脹就是對圖像高亮部分進行“領(lǐng)域擴張”，效果圖擁有比原圖更大的高亮區(qū)域；
腐蝕是原圖中的高亮區(qū)域被蠶食，效果圖擁有比原圖更小的高亮區(qū)域。
膨脹用來處理缺陷問題;腐蝕用來處理毛刺問題。
膨脹問題:就是求局部最大值的操作，從圖像直觀看來，就是將圖像光亮部分放大，黑暗部分縮小。
腐蝕問題:腐蝕操作和膨脹操作相反，也就是將毛刺消除，腐蝕跟膨脹操作的過程類似，唯一不同的是以最小值（偏黑）替換錨點重疊下圖像的像素值。%%
% dilate&erode
%圖像腐蝕與膨脹
clear
close all
subplot(131);
I = imread('text.png')
imshow(I)
SE = ones(6,2)
BW=imdilate(I,SE)
title('Subplot 1:原圖')
subplot(132);
imshow(BW)
title('Subplot 2:圖像腐蝕處理')
subplot(133);
BW2=imerode(I,SE)
imshow(BW2)
title('Subplot 3:圖像膨脹處理')
saveas(gcf,['C:\Users\Zeng Zhong Yan\Desktop\MATLAB\','dilate_erode','.png'])
4?圖像灰度調(diào)整處理
圖像灰度調(diào)整處理:
1.通過函數(shù)imadjust（）進行圖像灰度的調(diào)整.
2.其中會用到一個J=imadjust( I，[low_in;high_in]，[low_out;high_out]) 就是調(diào)整之后的灰度圖像.
3.imadjust（[x1,x2]）表示當值大于x2*255時，灰度設(shè)置為1，當值小于x1*255時，灰度為0.
%%
%enhancement imadjust
clear
I = imread('tire.tif')
J=imadjust(I,[0.3,0.7],[])%
subplot(2,2,1)
imshow(I)
title('Subplot 2:原圖')
subplot(2,2,2)
imshow(J)
title('Subplot 2:灰度調(diào)整后圖')
subplot(2,2,3)
imhist(I)
title('Subplot 3:原圖灰度圖')
subplot(2,2,4)
imhist(J)
title('Subplot 4:調(diào)整后灰度圖')
saveas(gcf,['C:\Users\Zeng Zhong Yan\Desktop\MATLAB\','enhancement imadjust','.png'])
文章來源：http://www.zghlxwxcb.cn/news/detail-729363.html
5.圖像抖動處理算法
圖像抖動處理算法:
1.對于可用顏色較少的系統(tǒng)，可以以犧牲分辨率為代價，通過顏色值的抖動來增加可用顏色數(shù)量。
2.沒有使用抖動方法來進行顏色量化。這可能會導(dǎo)致顏色在索引圖像中的分布更為均勻，但在某
些情況下可能會損失一些細節(jié)。
3.對比無抖動方法，抖動方法幫助盡量保留原始圖像的顏色細節(jié)。
4.[X_no_dither,map]= rgb2ind(rgb,8,'nodither');//無抖動
5.[X_dither,map]=rgb2ind(rgb,8,'dither');//有抖動%%
clear
subplot(131);
rgb=imread('onion.png');
imshow(rgb);
title('Subplot 1:原圖')
subplot(132);
[X_no_dither,map]= rgb2ind(rgb,8,'nodither');
imshow(X_no_dither,map);
title('Subplot 2:=無抖動效果圖')
subplot(133);
[X_dither,map]=rgb2ind(rgb,8,'dither');
imshow(X_dither,map);
title('Subplot 3:有抖動效果圖')
saveas(gcf,['C:\Users\Zeng Zhong Yan\Desktop\MATLAB\','imgae_dither','.png'])?
文章來源地址http://www.zghlxwxcb.cn/news/detail-729363.html
到了這里，關(guān)于圖像處理與計算機視覺--第四章-圖像濾波與增強-第二部分的文章就介紹完了。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)！
