学习记录一

本文介绍了图像处理的基础概念,包括像素、分辨率、灰度和色调等,接着讲解了图像的取样和量化、上采样与下采样,以及直方图的原理和应用。接着探讨了线性滤波、卷积,以及几种常见的卷积核,如均值滤波、高斯平滑和图像锐化。最后,文章详细阐述了Sobel边缘检测方法及其应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、图像相关概念

像素:分辨率的单位,图像的基本单元。
分辨率(解析度):单位英寸内的像素点数。(注:图像分辨率不等于图像像素总数)
灰度:表示图像像素明暗程度的数值。范围 为0-255,白色是255,黑色是0.
色调:各种图像色彩模式下原色的明暗程度,范围0-255,共256级色调。
通道:把图像分解成一个或多个颜色成分:

  • 单通道:一个像素点只需一个数值表示,只能表示灰度; (二值图&灰度图)
  • 三通道:RGB模式,把图像分为红绿蓝三个通道,可以表示彩色,全0表示黑色;
  • 四通道:RGBA模式,在RGB基础上加上alpha通道,表示透明度,alpha=0表示全透明。

对比度:不同颜色间的差别,对比度=最大灰度值/最小灰度值。
频率: 灰度值变化剧烈程度的指标,是灰度在平面空间上的梯度。图像中的高频信号指图像强度/亮度/灰度变化剧烈的地方,也就是我们常说的边缘(轮廓);图像中的低频信号指变化平缓的地方,也就是大片色块的地方。
RGB模型
在这里插入图片描述色彩三原色(CMYK):品红、黄、 青
光学三原色(RGB):红、绿、 蓝

注:
1、现在很多图像识别的任务经常将彩色图像灰度化,主要是因为在图像识别过程中,颜色对类别识别基本没啥影响,灰度化将图像由多通道变为单通道,可以大大的减少计算量。(方法:skimage.color.rgb2gray(img)
2、在实际应用中通常会将RGB值转化为浮点数,那是因为整数运算中会因丢弃小数部分可能导致颜色值失真,计算过程越多越失真,而浮点数运算结果更准确。(方法:img_float[i, j]=img[i,j]/255即可将RGB值转化为[0,1]浮点数,(img_binary[i, j]=0 if img_float[i, j] <= 0.5 else 1进一步将图像二值化)

二、图像的取样和量化

计算机保存的图像都是一个一个的像素点,称为数字图像。图像数字化过程由图像的取样与量化来完成。
取样:就是要用多少点来描述一幅图像,取样结果质量的高低用图像的分辨率来衡量(不同像素点数的取样效果如下图)。
量化:是指要使用多大范围的数值来表示图像采样之后的一个点。
在这里插入图片描述

三、上采样与下采样

缩小图像(或称为下采样(subsampled)或降采样(downsampled))的主要目的:1、使图像符合显示区域的大小;2、生成对应图像的缩略图。
放大图像(或称为上采样(upsampli

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值