Soso 的blog

图像处理算法——边缘检测

图像处理领域中涉及很多特征,角点特征,边缘特征,形状特征,纹理特征,颜色特征,直方图统计特征等等(还有很多^_^)。这些特征有些是比较底层的特征,如角点特征,边缘特征,颜色特征等,有些则是较为高层的特征,如形状特征,纹理特征,直方图统计特征。

这里我们主要谈论底层特征中的边缘特征,提取这些特征的手段叫作边缘特征提取或叫作边缘检测。边缘检测常用的算子中分为一阶检测算子和二阶检测算子,这里提及的算子有些类似数学中的微分的概念(要有一定的数学基础哦)。边缘检测的另外一种形式也被成为相位一致性,这个概念我到后面再谈及,有了这个概念之后帮助我们从图像频域分析边缘提取这一过程。

表1 图像处理边缘检测算子分类表格
图像处理算法——边缘检测

图像处理算法——图像常用操作

图像处理基本算法操作从处理对象的多少可以有如下划分:
1. 点运算:处理点单元信息的运算
2. 群运算:处理群单元 (若干个相邻点的集合)的运算

表1 图像处理操作按处理对象数量分类表格

图像处理算法——图像常用操作

下图是一副普通的吉普车图像和我们生活中见到的并没有什么两样,但是在计算机看来则是另外一副“模样”了。图像中黄色部分则是几部车图像倒车镜的局部图像在计算机中的形态。

图像处理算法——图像常用操作
图1 计算机图像的真实表现形态

以上图为例说明几种重要的点运算和群运算。

图像处理算法——图像常用颜色空间

RGB颜色空间

RGB(red,green,blue)颜色空间最常用的用途就是显示器系统,彩色阴极射线管,彩色光栅图形的显示器 都使用R、G、B数值来驱动R、G、B 电子枪发射电子,并分别激发荧光屏上的R、G、B三种颜色的荧光粉发出不同亮度的光线,并通过相加混合产生各种颜色;扫描仪也是通过吸收原稿经反射或透射而发送来 的光线中的R、G、B成分,并用它来表示原稿的颜色。RGB色彩空间称为与设备相关的色彩空间,因为不同的扫描仪扫描同一幅图像,会得到不同色彩的图像数据;不同型号的显示器显示同一幅图像,也会有不同 的色彩显示结果。显示器和扫描仪使用的RGB空间与CIE 1931 RGB真实三原色表色系统空间是不同的,后者 是与设备无关的颜色空间。btw:Photoshop的色彩选取器(Color Picker)。可以显示HSB、RGB、LAB和CMYK 色彩空间的每一种颜色的色彩值。

图像处理之黑电平校正

1、黑电平定义

黑电平(Black Level Correction):即黑色数据的最低电平值,通常指感光图像数据为0时对应的sensor信号电平值。

2、黑点平成因

黑电平形成的原因有多种,主要的形成原因如下面两点:

(1) CMOS传感器采集的信息经过一系列转换生成原始RAW格式数据。以8bit数据为例,单个pixel的有效值是0~255,但是实际AD芯片(模数转换芯片)的精度可能无法将电压值很小的一部分转换出来,因此,sensor厂家一般会在AD的输入之前加上一个固定的偏移量,使输出的pixel value在5(非固定)~255之间,目的是为了让暗部的细节完全保留,当然同时也会损失一些亮部细节,由于对于图像来说,我们的关注度更倾向于暗部区域,ISP后面会有很多增益模块(LSC、AWB、Gamma等),因此亮区的一点点损失是可以接受的。

(2) sensor的电路本身会存在暗电流,导致在没有光线照射的时候,像素单位也有一定的输出电压,暗电流这个东西跟曝光时间和gain都有关系,不同的位置也是不一样的。因此在gain增大的时候,电路的增益增大,暗电流也会增强,因此很多ISP会选择在不同gain下减去不同的bl的值。

图像PNG格式、GIF格式介绍

PNG格式

1、图像png格式简介

PNG是20世纪90年代中期开始开发的图像文件存储格式,其目的是企图替代GIF和TIFF文件格式,同时增加一些GIF文件格式所不具备的特性。流式网络图形格式(PortableNetwork Graphic Format,PNG)名称来源于非官方的“PNG’s NotGIF”,是一种位图文件(bitmapfile)存储格式,读成“ping”。PNG用来存储灰度图像时,灰度图像的深度可多到16位,存储彩色图像时,彩色图像的深度可多到48位,并且还可存储多到16位的α通道数据。PNG使用从LZ77派生的无损数据压缩算法。

2、图像png文件结构

PNG图像格式文件(或者称为数据流)由一个8字节的PNG文件署名(PNG filesignature)域和按照特定结构组织的3个以上的数据块(chunk)组成。

图像JPEG格式介绍

JPEG (Joint PhotographicExperts GROUP)是由国际标准组织和国际电话电报咨询委员会为静态图像所建立的第一个国际数字图像压缩标准,也是至今一直在使用的、应用最广的图像压缩标准。JPEG由于可以提供有损压缩,因此压缩比可以达到其他传统压缩算法无法比拟的程度。

图像处理之中值滤波介绍及C实现

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号平滑处理技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。

图像处理中滤波与卷积的区别

图像处理中滤波和卷积是常用到的操作。两者在原理上相似,但是在实现的细节上存在一些区别。这篇博文主要叙述这两者之间的区别。

滤波

简单来说,滤波操作就是图像对应像素与掩膜(mask)的乘积之和。比如有一张图片和一个掩膜,如下图:

图像处理中滤波与卷积的区别

那么像素( i , j )的滤波后结果可以根据以下公式计算:
图像处理中滤波与卷积的区别

其中G ( i , j )是图片中 ( i , j )位置像素经过滤波后的像素值。

当掩膜中心m5位置移动到图像( i , j )像素位置时,图像( i , j )位置像素称为锚点。

滤波步骤:

图像处理之动态范围扩展

1、动态范围扩展定义

动态范围(Dynamic Range)是物理学中常见的概念,表示某一物理量最大值与最小值的比率,通常以对数表示,单位为dB。对于真实场景,它指场景中最明亮处与最黑暗处的亮度之比。自然景观的亮度范围覆盖非常之广,最大动态范围能达到160db,而人眼可以感知的亮度范围高达10个数量级。

现实中8比特量化的数字相机输出的图像只能记录有限范围的灰阶与颜色数,其动态范围只有两个数量级,远远小于常见的自然场景的动态范围及人眼所能感知的动态范围,数码相机动态范围不足的问题对其应用造成了较大的影响。鉴于该问题,需要我们进行动态范围扩展,从而让电子显示设备能够输出更宽动态范围的图像。

扩展数字成像系统的动态范围,即高动态范围成像技术(HDR),指利用硬件或者软件的方法,使系统输出的图像包涵尽可能大的场景亮度范围,并准确地再现场景真实的细节信息。目前实现该技术的主要方法:软件扩展方法和硬件扩展方法。其中软件扩展方法主要分为辐照度重建法和直接融合法。

2、动态范围扩展方法

2.1 硬件扩展方法

图像处理之边缘自适应的插值算法

1、边缘自适应插值算法介绍

在Bayer CFA中,由于绿色像素点的数量是红色和蓝色像素数量的两倍,故其包含更多的原始图像的边缘信息。因此,亚当斯和汉密尔顿根据该思想在1997年提出了一种边缘自适应的插值算法。

边缘自适应插值算法:首先提出从水平和垂直两个方向对绿色分量进行插值重建,先设计由亮度信号的梯度和色度信号的二阶微分构成的边缘检测算子,由边缘检测算子指示沿正确的方向进行绿色分量的插值。红色和蓝色分量的重建使用已经重建好的绿色分量,采用红绿色差空间或蓝色色差空间的线性插值来完成。常见Bayer域R/G/B分布模型如下,后续插值算法使用:

图像处理之边缘自适应的插值算法

2、边缘自适应插值算法步骤

边缘自适应的插值算法具体实现步骤如下:

同步内容
--电子创新网--
粤ICP备12070055号