传统图像处理【二】预处理

一. 图像滤波:

        图像滤波主要依靠模板和原图像进行卷积,模板为奇数模板(3*3,5*5,7*7)

1.1 均值滤波

 模板:

   传统图像处理【二】预处理_第1张图片

 第一种是四领域,第三种是八领域。

1.2 加权滤波

第二种为高斯滤波模板

传统图像处理【二】预处理_第2张图片

以上两种模板都是和原图像做卷积进行滤波,得到新图像

1.3 中值滤波

(1)确定窗口及位置

(2)窗口内像素按灰度大小排序

(3)取中间值代替原窗口中心像素值

传统图像处理【二】预处理_第3张图片

对椒盐噪声效果明显


二. 形态学处理

2.1  膨胀

传统图像处理【二】预处理_第4张图片

用模板中心依次往原图像每个像素中放,取并集。

2.2 腐蚀

传统图像处理【二】预处理_第5张图片

用模板中心依次往原图每个像素中放,当模板放在原图中时,模板上的每个点依然在原图中,则保留。如图腐蚀后结果为图三中的蓝色。

2.3 开闭运算

开运算:先腐蚀后膨胀

去除噪声

闭运算:先膨胀后腐蚀

消除空洞

可以进行多次先开后闭进行噪声去除


三. 边缘检测

图像处理之一阶微分应用:https://blog.csdn.net/jia20003/article/details/7562092

传统图像处理【二】预处理_第6张图片

传统图像处理【二】预处理_第7张图片

canny算子:边缘可自动连通

1.平滑微分 

2.计算梯度

3.梯度幅值非极大值抑制

4.边缘连接

(用高斯去噪然后进行sobel算子提取边缘)


边缘提取只是对模板的选择和幅值的计算。(不同方向计算梯度,然后进行幅值计算,梯度计算还是依靠模板和原图像卷积)

canny算子一般效果比较好,sobel算子速度比较快,Laplace算子有重影(二阶微分)

传统图像处理【二】预处理_第8张图片


四. 直线检测

4.1 Hough变换

传统图像处理【二】预处理_第9张图片

传统图像处理【二】预处理_第10张图片


五. 直方图与阈值分割

大津法 确定最佳阈值  

传统图像处理【二】预处理_第11张图片

遍历0~255依次选取 除了0 和 255的值做阈值 选择g最大

其中w0为 选择的阈值T ,小于T的个数  u0为小于T个数的像素均值




你可能感兴趣的:(计算机视觉)