Soso 的blog

图像处理之基于色比色差定律的插值算法

在前面的博客《图像bayer格式介绍以及bayer插值原理CFA》中,简单介绍了Bayer域插值原理以及早期常用的双线性插值算法。双线性插值算法的优点是原理简单,实现相对容易,性能较高,占用硬件资源较少,但是在图像RGB恢复过程中会造成边缘信息的丢失和模糊,另外由于没有考虑颜色通道之间相关性,因此图像恢复主观视觉效果差,容易产生锯齿效应。鉴于双线性插值算法的缺点,优化锯齿效应,新的算法需要考虑RGB通道色彩相关性。

图像处理之动态范围压缩

1、动态范围压缩介绍

自然界中真实场景能够表现比较广泛的颜色亮度区间,比如从很暗(10^-5 cd/m2)的黑夜到明亮(10^5 cd/m2)的太阳光,有将近10个数量级的动态方位。而传统显示设备所能显示的场景、视频和图像通常受限于硬件设备,通常只能表达出很小一部分的亮度范围,比如如常见的8比特图像显示0到255的整数范围,因此为了能够显示高动态范围的影响,需要实现从高动态范围图像(HDR)到低动态范围图像(LDR)的映射,并且不同显示设备的出现,需要实现HDR和之间的相互转换 ,即动态范围压缩(DRC,Dynamic Range Compression)。

动态范围压缩算法常见的分为全局映射和局部映射。全局映射:像素的一对一映射,降低一致的分辨率,这样得到的LDR图像的对比度大大地减少,容易丢失细节部分的信息 。局部映射:考虑像素和像素之间的关系,能够适当增强局部范围的亮度对比度,它保留了一定的细节,但是某些区域会出现失真的现象,并且它的复杂度较高 。鉴于这个原因,我们希望有一个理想算法:既要能保持像素的整体变化,又要能保存一部分细节特征,使得亮度效果能够达到人眼可以接受的接近现实的场景。

图像处理之坏点校正及源码实现

1、坏点介绍

图像坏点(Bad pixel) : 图像传感器上光线采集点(像素点)所形成的阵列存在工艺上的缺陷,或光信号进行转化为电信号的过程中出现错误,从而会造成图像上像素信息错误,导致图像中的像素值不准确,这些有缺陷的像素即为图像坏点。

由于来自不同工艺技术和传感器制造商,尤其对一些低成本、消费品的sensor来说,坏点数会有很多。另外,sensor在长时间、高温环境下坏点也会越来越多,从而破坏了图像的清晰度和完整性。坏点校正的目的就是修复这类问题,通常坏点分为一下两种:

(1) 静态坏点:分为静态亮点和静态暗点。

静态亮点:一般来说像素点的亮度值是正比于入射光的,而亮点的亮度值明显大于入射光乘以相应比例,并且随着曝光时间的增加,该点的亮度会显著增加;

静态坏点:无论在什么入射光下,该点的值接近于0;

(2) 动态坏点:在一定像素范围内,该点表现正常,而超过这一范围,该点表现的比周围像素要亮。与sensor 温度、增益有关,sensor 温度升高或者gain 值增大时,动态坏点会变的更加明 显;

图像处理之gamma校正

1、gamma校正背景

在电视和图形监视器中,显像管发生的电子束及其生成的图像亮度并不是随显像管的输入电压线性变化,电子流与输入电压相比是按照指数曲线变化的,输入电压的指数要大于电子束的指数。这说明暗区的信号要比实际情况更暗,而亮区要比实际情况更高。所以,要重现摄像机拍摄的画面,电视和监视器必须进行伽玛补偿。这种伽玛校正也可以由摄像机完成。我们对整个电视系统进行伽玛补偿的目的,是使摄像机根据入射光亮度与显像管的亮度对称而产生的输出信号,所以应对图像信号引入一个相反的非线性失真,即与电视系统的伽玛曲线对应的摄像机伽玛曲线,它的值应为1/γ,我们称为摄像机的伽玛值。电视系统的伽玛值约为2.2,所以电视系统的摄像机非线性补偿伽玛值为0.45。彩色显像管的伽玛值为2.8,它的图像信号校正指数应为1/2.8=0.35,但由于显像管内外杂散光的影响,重现图像的对比度和饱和度均有所降低,所以彩色摄像机的伽玛值仍多采用0.45。在实际应用中,我们可以根据实际情况在一定范围内调整伽玛值,以获得最佳效果。

图像处理之色相、饱和度、明度

色彩可用的色调(色相)、饱和度(纯度)和明度来描述。人眼看到的任一彩色光都是这三个特性的综合效果,这三个特性即是色彩的三要素,其中色调与光波的波长有直接关系,亮度和饱和度与光波的幅度有关。

图像bayer格式介绍以及bayer插值原理CFA

1、图像bayer格式介绍

bayer格式图片是伊士曼·柯达公司科学家Bryce Bayer发明的,Bryce Bayer所发明的拜耳阵列被广泛运用数字图像。

对于彩色图像,需要采集多种最基本的颜色,如rgb三种颜色,最简单的方法就是用滤镜的方法,红色的滤镜透过红色的波长,绿色的滤镜透过绿色的波长,蓝色的滤镜透过蓝色的波长。如果要采集rgb三个基本色,则需要三块滤镜,这样价格昂贵,且不好制造,因为三块滤镜都必须保证每一个像素点都对齐。当用bayer格式的时候,很好的解决了这个问题。bayer 格式图片在一块滤镜上设置的不同的颜色,通过分析人眼对颜色的感知发现,人眼对绿色比较敏感,所以一般bayer格式的图片绿色格式的像素是是r和g像素的和。

另外,Bayer格式是相机内部的原始图片, 一般后缀名为.raw。很多软件都可以查看, 比如PS。我们相机拍照下来存储在存储卡上的.jpeg或其它格式的图片, 都是从.raw格式转化过来的。如下图,为bayer色彩滤波阵列,由一半的G,1/4的R,1/4的B组成。

图像的空域噪声以及二维降噪算法介绍

1、图像噪声的成因

图像在生成和传输过程中常常因受到各种噪声的干扰和影响而是图像降质,这对后续图像的处理和图像视觉效应将产生不利影响。噪声种类很多,比如:电噪声,机械噪声,信道噪声和其他噪声。因此,为了抑制噪声,改善图像质量,便于更高层次的处理,必须对图像进行去噪预处理。

2、图像噪声的特征

图像噪声使得图像模糊,甚至淹没图像特征,给分析带来困难。

图像噪声一般具有以下特点:

(1) 噪声在图像中的分布和大小不规则,即具有随机性。

(2) 噪声与图像之间一般具有相关性。例如,摄像机的信号和噪声相关,黑暗部分噪声大,明亮部分噪声小。又如,数字图像中的量化噪声与图像相位相关,图像内容接近平坦时,量化噪声呈现伪轮廓,但图像中的随机噪声会因为颤噪效应反而使量化噪声变得不很明显。

(3) 噪声具有叠加性。在串联图像传输系统中,各部分窜入噪声若是同类噪声可以进行功率相加,依次信噪比要下降。

3、图像噪声的分类

3.1加性噪声和乘性噪声

数字图像基础之图像取样和量化

1. 取样和量化的基本概念(Concepts)

获取图像的目标是从感知的数据中产生数字图像,但是传感器的输出是连续的电压波形,因此需要把连续的感知数据转换为数字形式。这一过程由图像的取样与量化来完成。 数字化坐标值称为取样;数字化幅度值称为量化。

图像采样

◆ 在取样时,若横向的像素数(列数)为M ,纵向的像素数(行数)为N,则图像总像素数为M*N个像素。

◆ 一般来说,采样间隔越大,所得图像像素数越少,空间分辨率低,质量差,严重时出现马赛克效应;采样间隔越小,所得图像像素数越多,空间分辨率高,图像质量好,但数据量大。

数字图像基础之图像取样和量化

图像的量化

图像处理算法——图像常用格式

基本图像有主要的文件格式有BMP,JPG(JPEG),JPEG2000,PNG,GIF,TIFF,这些是我有过了解和有一定认识的就着重介绍,此外还有还有很多其他图像格式例如PSD,SWF,SVG等虽说也是用的很多的图像格式,但由于在我的工作中涉及不到或者涉及很少,这里就不谈了。

一、BMP格式

BMP是英文Bitmap(位图)的简写,它是Windows操作系统中的标准图像文件格式,能够被多种Windows应用程序所支持。随着Windows操作系统的流行与丰富的Windows应用程序的开发,BMP位图格式理所当然地被广泛应用。这种格式的特点是包含的图像信息较丰富,几乎不进行压缩,但由此导致了它与生俱生来的缺点--占用磁盘空间过大。

二、JPEG格式

图像识别基本理论

图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。

1、图像识别基本流程

图像识别基本理论

2、数字图像处理

一幅图像可以用一个二维函数来表示

I = f(x,y)  x,y代表图像平面的坐标,I代表亮度值,当x,y,I连续时为模拟图像,反之为数字图像;

现代信息理论将图像看做二维信号,按照数字信号理论,数字图像处理可以分为空域处理和频域处理;

空域处理的对象是信号本身f(x,y),比如几何变换、卷积、形态学等处理;

频域处理是对信号f(x,y)变换到频域函数F(u,v),或称信号的频谱函数,再对F(u,v)进行处理;常见的有傅里叶变换、沃尔什变换、K-L变换、小波变换等。

依照功能和目的不同,数字图像处理可分为以下几类:

同步内容
--电子创新网--
粤ICP备12070055号