IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 数字图像处理学习之路:图像变换(一) -> 正文阅读

[人工智能]数字图像处理学习之路:图像变换(一)

1.1 数字图像处理基础

概述:数字图像处理是基于画面进行二维或三维物体模型的重建,利用计算机技术对图像进行去除噪声、增强、复原、分割、提取特征的方法或技术。
一般来讲,图像处理的目的有三种:

(1).提高图像的视觉感知质量,如进行图像的亮度增强,彩色变换,对图像进行几何变换,增强图像质量等。

(2).提取图像中的所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图象提供便利,提取特征或信息的过程是模式识别或计算机视觉的预处理,提取的特征可以包括很多方面,如频域特征,灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓补特征和关系结构等。

(3).图像数据的变换、编码或压缩,以便图像的存储和运输。

概念辨析:图像与图形的不同

  1. 图像:较为直观,信息量大,数据格式由不同光度值组成,位置按规则排列,坐标值隐含。
  2. 图形:由指令集合组成,指令由位置、形状、颜色等描述,记录的是坐标值,颜色隐含,统一描述,显示时执行命令,转变为屏幕上所显示的形状和颜色。

空间分辨率与灰度分辨率

  1. 空间分辨率:即 图像数字化的空间精细程度。
  2. 灰度分辨率:即颜色深度,表示每一像素的颜色值所占的二进制位数,颜色深度越大,则能表示的颜色数目越多。

1.2 数字图像处理技术

1.图像的获取,表示和表现 ;模拟图像转化为数字形式;
2.图像复原
3.图像增强
4.图像分割
5.图像分析
6.图像重建
7.图像压缩编码

2.图像复原;当造成图像退化的原因已知时,利用复原技术进行校正,使它恢复原貌。
复原的关键是建立“模型”,复原技术是基于合理的模型与数据的图像恢复,其目的是消除退化的影响,从而产生一个等价于理想成像系统所获得的图像。
即:恢复原貌;

3.图像增强:不针对退化,只能通过实验和分析误差,选择一种合适的方法,强调改善图像的视觉效果,将原来不清晰的图像变得清晰或强调某些感兴趣的特征。

4.图像分割:为达到识别和理解的目的,按照一定规则将图像分割成区域(物体),是图像处理到图像分析的关键一步。

5.图像重建:图像重建输入是数据,而经过处理之后得到的结果是图像。通过物体外部测量的数据,经数字处理获得三维物体的形状信息的技术。

6…图像压缩:压缩存储格式,减少数据存储量,降低数据量以减少传输带宽,压缩信息量,便于特征提取,为后续识别做准备。

1.3 图像处理一般流程

在这里插入图片描述

1.4 图像变换案例分析(如真彩色图像转换为灰度图像)

1.4.1 将一副真彩色图像转化为灰度图像

代码片:

close all;   %关闭所有图形窗口
clear all;   %清空工作室变量
clc;         % 清屏
X = imread('football.jpg');   %读取文件格式为.jpg,文件名为football的图像
I = rgb2gray(X);              %将RGB图像转换为灰度图像
set(0,'defaultFigurePosition',[100,100,1000,500]); %修改图形图像位置的默认设置
set(0,'defaultFigureColor',[1,0,1]); %修改图形背景颜色的设置
subplot(121),imshow(X);             %显示RGB图像
subplot(122),imshow(I);             %显示转换后的灰度图像

运行结果:
在这里插入图片描述

1.4.2 输入颜色映射表,利用函数rgb2gray()生成灰度图像

close all;             %关闭当前所有图形窗口
clear all;             %清空工作空间变量
clc;                   %清屏
[X,map] = imread('trees.tif');   %读取原图像信息
newmap = rgb2gray(map);          %将彩色颜色映射表转换为灰度颜色映射表
set(0,'defaultFigurePosition',[100,100,1000,500]); %修改图形图像位置的默认设置
set(0,'defaultFigureColor',[1,1,1]);               %修改图形背景颜色的设置
subplot(121),imshow(X,map);
subplot(122),imshow(X,newmap);


运行结果:

1.4.3 将索引图转换为真彩色图像

close all;
clear all;
clc;
[X,map] = imread('kids.tif');               %读取图像信息
RGB = ind2rgb(X,map);                       %将索引图转换为真彩色图像  8位到24位
set(0,'defaultFigurePosition',[100,100,1000,500]); %修改图形图像位置的默认设置
set(0,'defaultFigureColor',[1,1,1]);               %修改图形背景颜色的设置
figure, imshow(X,map);                %展示原图像
figure, imshow(RGB);                  %展示真彩色图

在这里插入图片描述

在这里插入图片描述

从上面两张图可以看出,第一张为索引图,第二张为真彩色图,真彩色图和索引图差别不是很大,二者分别是24位,8位。

1.4.4 灰度图像转化为二值图像

1.level为0.4与0.6对比:

close all;
clear all;
clc;
I = imread('rice.png');
bw1 = im2bw(I,0.4); %将灰度图像转换为二值图像,level值为0.4
bw2 = im2bw(I,0.6); %将灰度图像转换为二值图像,level值为0.6
set(0,'defaultFigurePosition',[100,100,1000,500]); %修改图形图像位置的默认设置
set(0,'defaultFigureColor',[1,1,1]);               %修改图形背景颜色的设置
figure;
subplot(131),imshow(I);   %显示原图像
subplot(132),imshow(bw1); %显示level=0.4转换后的二维图像
subplot(133),imshow(bw2); %显示level=0.6转换后的二维图像

在这里插入图片描述
2.level为0.2与0.6对比

close all;
clear all;
clc;
I = imread('rice.png');
bw1 = im2bw(I,0.2); %将灰度图像转换为二值图像,level值为0.4
bw2 = im2bw(I,0.6); %将灰度图像转换为二值图像,level值为0.6
set(0,'defaultFigurePosition',[100,100,1000,500]); %修改图形图像位置的默认设置
set(0,'defaultFigureColor',[1,1,1]);               %修改图形背景颜色的设置
figure;
subplot(131),imshow(I);   %显示原图像
subplot(132),imshow(bw1); %显示level=0.4转换后的二维图像
subplot(133),imshow(bw2); %显示level=0.6转换后的二维图像

在这里插入图片描述

阈值level越小,输出图像白色调越重,level越大,黑色调越大。

1.4.5 将RGB图像转化为二值图像

1.level为0.4与0.6对比:

close all;
clear all;
clc;
I = imread('pears.png');
BW = im2bw(I,0.5);
set(0,'defaultFigurePosition',[100,100,1000,500]); %修改图形图像位置的默认设置
set(0,'defaultFigureColor',[1,1,1]); 			   %修改图形背景颜色的设置
figure;
subplot(121),imshow(I);
subplot(122),imshow(BW)

在这里插入图片描述

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-09-04 17:31:26  更:2021-09-04 17:32:32 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 16:27:33-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码