关于空间域图像增强中的模板算子理解
2015-12-06 15:37
253 查看
空间域增强是图像增强的一大利器,说白了就是套各种模板算子的结果。粗浅二分可以划分为平滑型和锐化型,可到底哪个算子属于平滑哪个算子属于锐化,还真是不明了。
看了《冈萨雷斯 数字图像处理》,才晓得:
从数学意义上理解,平滑是积分的结果,锐化是微分后的结果。
拉普拉斯的应用:将原始图像和拉普拉斯图像进行叠加,能够保护拉普拉斯锐化处理的效果,又能复原原背景信息。同时,这个叠加效果可以用新的算子来描述,即:
g(x)=f(x)−[f(x+1)+f(x−1)−2f(x)]=3f(x)−f(x+1)−f(x−1)
但很多时候,我们对拉普拉斯后图像还需要做个标定工作(亮度拉伸下),所以上述的公式还会进行一定程度的微调
反锐化处理:即将图像进行模糊化,去掉数据锐化信息
反锐化屏蔽:将图像模糊形式从原始图像中去除$
高提升滤波图像:在上述叠加图像的基础上,再叠加一定比例的原始图像,
▽f≈|Gx|+|Gy|
交叉差分算法:暂时搞不清楚,点击参考文章
翻书去看吧。。。
看了《冈萨雷斯 数字图像处理》,才晓得:
从数学意义上理解,平滑是积分的结果,锐化是微分后的结果。
均值滤波算子是一阶积分后的产物:
g(x)=(f(x+1)+f(x))/2拉普拉斯算子是一个二阶微分后的产物:
g(x)=f(x+1)+f(x−1)−2f(x)拉普拉斯的应用:将原始图像和拉普拉斯图像进行叠加,能够保护拉普拉斯锐化处理的效果,又能复原原背景信息。同时,这个叠加效果可以用新的算子来描述,即:
g(x)=f(x)−[f(x+1)+f(x−1)−2f(x)]=3f(x)−f(x+1)−f(x−1)
但很多时候,我们对拉普拉斯后图像还需要做个标定工作(亮度拉伸下),所以上述的公式还会进行一定程度的微调
反锐化处理:即将图像进行模糊化,去掉数据锐化信息
反锐化屏蔽:将图像模糊形式从原始图像中去除$
高提升滤波图像:在上述叠加图像的基础上,再叠加一定比例的原始图像,
梯度法是一阶微分后的产物
梯度的公式:▽f≈|Gx|+|Gy|
交叉差分算法:暂时搞不清楚,点击参考文章
混合空间增强法
实验对一幅骨骼图像进行了多次的空间域增强处理,结果使得骨骼图片十分清晰,简直吓哭了。里面一堆使用逻辑,堪称福尔摩斯破案,则嘎调。翻书去看吧。。。
相关文章推荐
- 高斯滤波器
- Laplacian of Gaussian (LoG)
- 基于MATLAB的卷积运算处理图像
- 使用matlab工具箱中imnoise添加噪声
- 基于dct变换的图像编解码(包含Z扫描与反Z扫描)的matlab程序
- 自适应卡尔曼滤波与H∞滤波
- 基于神经模糊算法的边缘检测算法
- 数字图像处理中的邻域初步
- OpenCV 2学习之“摄像头--视频流的霍夫变换“
- 基于模板匹配的数字识别
- 小波变换图像处理
- HOUGH变换检测圆
- 数字图像处理的招聘公司
- 数字图像处理找工作
- RGB to Gray
- C#打开、保存图像
- 24位bmp图像转成灰度图像
- 数字图像处理书籍补充
- 数字图像处理--图像缩放--双线性插值
- 数字图像处理--通过矩阵,简化操作(旋转,平移,缩放,切边....)