Scream1314的博客

算法描述：三角几何化的过程。首先找到直方图中灰度值频率最高的一点并判别该灰度级处于128（256个灰度级的一半）的左侧还是右侧，然后找到最左边点或最右边点，两点连接一条直线，求直方图上离直线最远的点，设置该点的灰度值为阈值。算法特点：多适用于C++代码。

该方法的基本思想是，假设数据服从正态分布，那么在正态分布曲线上，距离均值3个标准差之外的数据点被认为是异常值。算法还是很简单的，输入数据计算均值和标准差就行了，分别以均值减三倍标准差和均值加三倍标准差为高低阈值，应用的时候根据缺陷特征异常到底是高阈值以上，还是低阈值以上进行阈值分割就好了。该方法的优点是简单易行，但是它假设数据服从正态分布，如果数据不服从正态分布，则该方法可能会误判正常数据为异常值。（2）计算数据与均值的差值，如果差值大于3倍的标准差，则认为该数据点是异常值；（1）计算数据的均值和标准差；

程序有些乱，欢迎批评指正

根据高斯函数的可分离特性，二维高斯卷积可以变成两个一维的实现，而且现实中我们不一定都用两维实现，一个一维就达到了预期平滑效果为什么还用二维的呢？但是高斯滤波不具备保护边缘的特性，如果需要保护边缘的滤波方式可以用双边滤波，因为双边滤波再高斯滤波的基础上增加了像素差值域的判断，具备边缘保护效果。双边滤波的文章留着下一次写吧。其实我之前的Canny算子里具有高斯滤波，只不过那个是直接二维实现的。一次性写两章，下次有时间再写。

对于灰度变换与直方图均衡化都是图像增强经常用到的方法，方法原理与解释在这里就不做过多的叙述，本算法都是正常的传统算法没有进行算法优化过的，之前在说过针对算法优化本人也在学习，最近本人忙着找工作可能更新的少，有时间就会更新吧。比如遍历图象数据通过遍历首尾地址就可以了，我这样遍历有点慢，而且一些乘除法用移位的方式进行计算也能提高算法速度，还有之前的高斯滤波可以变成两个一维进行计算。2.3（伽马变换）s = crγ 其中 c 和 γ 为正常数.(其中γ<1时，降低对比度，γ>1时，提高对比度)

【代码】图像处理之tiff图像读写（纯C++不调库）