cv图像预处理——逐像素变换

cv图像预处理——逐像素变换

标签：计算机视觉

---

逐像素变换

对图像中的每个像素逐个进行处理。

• 白化（类似于标准化）

白化的目的是要为图像的平均亮度水平和对比度提供波动的恒定性。其中每个像素进行如下转换：
$$\frac{p_{ij}-\mu }{\sigma }$$
对于$彩色图像$，需要对每个通道分别计算$\mu$和$\sigma$进行计算

• 直方图均衡化

直方图均衡化(Histogram Equalization)是一种增强图像对比度(ImageContrast)的方法，其主要思想是将一副图像的直方图分布(分布比较集中)变成近似均匀分布(分布比较均匀)，从而增强图像的对比度。例如：

原图

原图直方图

处理后的图

处理后的直方图

• 线性滤波

在对一幅图像进行滤波之后，新的像素值$x_{ij}$由原始图像P周围区域的像素亮度值的权值和所构成。权值存储于一个滤波器内核F
下面是引用的一位博主总结好的图：

• 局部二值模式

首先，我们考虑一幅图像上的一个像素点，以及该像素点的八邻域。如下图(左)所示，我们考虑九宫格内的中心像素点，假设为“6”。周围像素点的数值如图上所示。这时，我们将八邻域中，数值大于等于中心像素点的记为“1”，数值小于中心像素点的记为“0”。这时，我们得到下图(右)。这就是基本的局部二值模式(Local Binary Patterns)。之所以叫作“二值”，是因为LBP之后的模式只有0和1两个数值(同理，可以定义三值模式)。

细心的人可能会发现，其实LBP操作相当于：以中心点灰度值做参考，进行局部二值化处理。这时，我们定义左边中心像素为起始点，逆时针方向为正方向，然后按顺序数LBP的输出值，便会得到一个LBP编码。这样，我们就称中心像素点的LBP值为11110001。同样，我们对一幅图像的所有像素点进行LBP处理，每个像素点都有一个LBP值，这个值在十进制下介于0到255之间。这样得到的图像称为LBP特征图。
后来还研究了一些改进的LBP操作，在这就不做过多叙述，有需要可以查看下面链接:
https://blog.csdn.net/ws_20100/article/details/48914071