做网站的软件多少钱,网站目录生成,wordpress建站教程网,wordpress编辑权限设置密码1、灰度变换1)灰度图的线性变换Gnew Fa * Gold Fb。Fa为斜线的斜率#xff0c;Fb为y轴上的截距。Fa1 输出图像的对比度变大#xff0c;否则变小。Fa1 Fb≠0时#xff0c;图像的灰度上移或下移#xff0c;效果为图像变亮或变暗。Fa-1#xff0c;Fb255时#xff0c;发…1、灰度变换1)灰度图的线性变换Gnew Fa * Gold Fb。Fa为斜线的斜率Fb为y轴上的截距。Fa1 输出图像的对比度变大否则变小。Fa1 Fb≠0时图像的灰度上移或下移效果为图像变亮或变暗。Fa-1Fb255时发生图像反转。注意线性变换会出现亮度饱和而丢失细节。2)对数变换tc * log(1s)c为变换尺度s为源灰度t为变换后的灰度。对数变换自变量低时曲线斜率高自变量大时斜率小。所以会放大图像较暗的部分压缩较亮的部分。3)伽马变换y(xesp)γ,x与y的范围是[0,1] esp为补偿系数γ为伽马系数。当伽马系数大于1时图像高灰度区域得到增强。当伽马系数小于1时图像低灰度区域得到增强。当伽马系数等于1时图像线性变换。4)图像取反方法1直接取反imgPath E:\opencv_pic\src_pic\pic2.bmp;img1 imread(imgPath); %前景图img0 255-img1; %取反景图subplot(1,2,1),imshow(img1),title(原始图像);subplot(1,2,2),imshow(img0),title(取反图像);方法2伽马变换Matlabimadjust(f, [low_in, high_in], [low_out, high_out], gamma)[low_in, high_in]范围内的数据映射到 [low_out, high_out]低于low的映射到low_out, 高于high的映射到high_out.imgPath E:\opencv_pic\src_pic\pic2.bmp;img1 imread(imgPath); %前景图img0 imadjust(img1, [0,1], [1,0]);subplot(1,2,1),imshow(img1),title(原始图像);subplot(1,2,2),imshow(img0),title(取反图像);2、二值化1)rgb2gray一般保存的灰度图是24位的灰度如果改为8bit灰度图。则可以用rgb2gray函数。img rgb2gray(img);2)Matlab使用比较运算符二值化imgPath E:\opencv_pic\src_pic\pic4.bmp;img imread(imgPath); %前景图imgrgb2gray(img);img1 img 60;img2 img 120;img3 img 180;subplot(2,2,1),imshow(img), title(原始图像);subplot(2,2,2),imshow(img1),title(阈值60);subplot(2,2,3),imshow(img2),title(阈值120);subplot(2,2,4),imshow(img3),title(阈值180);3)imshow参数指定图像灰度范围imshow函数显示图片时可以指定灰度等级。imshow(img, [100,150])小于100的直接设置为黑色大于150的直接设置为白色。二者之间的设置为中等亮度。imshow(img, [100,101])就可以实现二值化图像分界线在100。imgPath E:\opencv_pic\src_pic\pic4.bmp;imgimread(imgPath);imgrgb2gray(img);subplot(2,2,1),imshow(img), title(原始图像);subplot(2,2,2),imshow(img,[50,100]),title(阈值50-100);subplot(2,2,3),imshow(img, [100, 150]),title(阈值100-150);subplot(2,2,4),imshow(img,[200,255]),title(阈值200-255);3、灰度直方图灰度直方图横坐标是灰度纵坐标是该灰度在图像中出现的次数。归一化直方图纵坐标对应着该灰度级别在图像中出现的概率。subplot(1,2,1),imshow(img), title(原始图像);subplot(1,2,2),imhist(img),title(直方图);绘制归一化直方图。subplot(1,2,1),imshow(img), title(原始图像);subplot(1,2,2),p imhist(img)/numel(img) ;plot(p), title(归一化直方图);或者使用stem函数绘制归一化直方图。subplot(1,2,1),imshow(img), title(原始图像);[count,x]imhist(img);[m,n]size(img);count count/(m*n);subplot(1,2,2), stem(x, count) , title(归一化直方图);img img 100;subplot(1,2,1),imshow(img), title(原始图像);subplot(1,2,2),imhist(img), title(直方图);把图片转换为二值化图像直方图如下。灰度只有0和1符合二值化图的特点。对这个直方图归一化因为是二值化的图所以归一化后就是个子的比例。p imhist(img)/numel(img)p 0.69800.3020Imhist(img,b); 可以指定灰度等级b默认是256级实际工程中一般32级如下图。4、直方图均衡化直方图均衡化即灰度均衡化通过灰度映射使输入图像的灰度转换为在每一级灰度上都有近似相同的点数分布这样输出的直方图就是均匀的图像获得较高的对比度和较大的动态范围。直方图均衡化对图像进行非线性拉伸重新分配图像像素值使一定灰度范围内的像素数量大致相同。使用直方图均衡化技术来处理图像能扩展图像的动态范围扩宽灰度等级范围提高对比度。histeq(img,b)%b是灰度等级。2级均衡化就是二值化。subplot(1,4,1),imshow(img), title(原始图像);subplot(1,4,2),histeq(img, 2), title(2级直方图均衡化);subplot(1,4,3),histeq(img, 32), title(32级直方图均衡化);subplot(1,4,4),histeq(img), title(255级直方图均衡化);可见直方图均衡化之后图像亮度变得均匀提高了对比度。调用imgimg*0.3;调暗了图像再次均衡化图像的效果没有发生改变可见均衡化可以用作图像处理前把图像转为统一的形式。下图是imhist(img)之后的直方图。可见histeq将图划分灰度等级获得比较均匀平坦的直方图。subplot(1,4,1),imshow(img), title(原始图像);subplot(1,4,2),imhist(img), title(原图直方图);subplot(1,4,3),imshow(histeq(img)), title(降低亮度图后直方图均衡化);subplot(1,4,4),imhist(histeq(img)), title(降低亮度直方图均衡化);再举一个例子直方图均衡化调整较暗的图片。图片较暗动态范围低。直方图灰度等级偏暗在高亮度区域分配像素很少。使用均衡化处理然后显示直方图各个灰度等级的数据较均匀。ghisteq(img, 256);imshow(g)原文出处https://www.cnblogs.com/pingwen/p/12248360.html
