【openCV】图像增强

图像增强

包括直方图修改处理，图像平滑化处理，图像尖锐化处理，彩色处理技术

分为两大类：频域处理法（卷积定理）、空域处理法（灰度映射变换）

1. 低频&高频：亮度或灰度变化激烈的地方对应高频成分，如边缘；变化不大的地方对于低频成分，如大片色块区

2. 图像平滑化处理： 强调图像中的低频分量

      空域：邻域平均法（类似积分）

      频域：低通滤波法（滤除高频部分）

      多图像平均法

3. 图像尖锐化处理：强调图像中的高频分量（高通滤波器）

      边缘检测：Laplace算子、Log算子、Sobel算子、Canny算子、Prewitt算子 

      其中，

      一阶微分算子：Roberts 、Sobel 、Prewitt 

      

      二阶微分算子：

      Laplace算子：求二阶导、过零检测

       

    Log算子：先进行高斯平滑滤波，再进行Laplace

    

    

   

      最后想讲一下Canny算法：
      步骤：

             高斯模糊：跟Log一样，去除噪声，高斯模糊的半径选择很重要，过大的半径很容易让一些弱边缘检测不到。

             计算梯度幅值和方向：图像的边缘可以指向不同方向，因此经典Canny算法用了四个梯度算子来分别计算水平，垂直和  对角线方向的梯度。但是通常都不用四个梯度算子来分别计算四个方向。常用的边缘差分算子（如Rober，Prewitt，Sobel）计算水平和垂直方向的差分Gx和Gy。这样就可以如下计算梯度模和   方向：梯度角度θ范围从弧度-π到π，然后把它近似到四个方向，分别代表水平，垂直和两个对角线方向（0°,45°,90°,135°）。可以以±iπ/8（i=1,3,5,7）分割，落在每个区域的梯度角给一个特定值，代表四个方向之一。

            非最大值抑制： 非最大值抑制是一种边缘细化方法。通常得出来的梯度边缘不止一个像素宽，而是多个像素宽。就像我们所说Sobel算子得出来的边缘粗大而明亮，从上面Lena图的Sobel结果可以看得出来。因此这样的梯度图还是很“模糊”。而准则3要求，边缘只有一个精确的点宽度。非最大值抑制能帮助保留局部最大梯度而抑制所有其他梯度值。这意味着只保留了梯度变化中最锐利的位置。算法如下：

            双阈值边缘连接处理

            
            二值化图像输出结果

https://blog.csdn.net/tigerda/article/details/61192943

 

 

1.锐化就是通过增强高频分量来减少图象中的模糊，因此又称为高通滤波。锐化处理在增强图象边缘的同时增加了图象的噪声。

2.平滑与锐化相反，就是滤掉高频分量，从而达到减少图象噪声，使图片变得有些模糊。