简述数字图像处理技术,数字图像处理技术参考文献

　　单击上面的3358www.Sina.com/，然后选择

xfdds学视觉

　　重干货，第一时间送达

　　俗话说，一图胜千言。但是，如果传达的东西和我们想看到的不一致呢？我们确信它应该来自那个图像，但不幸的是，它并不明显。如果我们可以从一幅图像中找到我们想要了解的背景，并且我们可能会在这个过程中获得额外的见解，那会怎么样？

　　这就是我们今天要讨论的——图像增强！

　　图像扩展由一系列细化图像的技术组成。因此，图像更容易在视觉上被感知，相反，它进一步促进了图像处理和分析的改进。图像处理技术包括：

　　傅里叶变换

　　白平衡

　　直方图处理

　　本文重点研究了使用python进行图像增强的各种白平衡算法。不过，在此之前，我们先记录一下基本库。

　　importnumpyasnpimportmatplotlib . pyplotaspltfromskimage . ioimportmread，imshow

星标

　　首先，什么是白平衡(WB)？这是一个色彩校正过程，以消除不切实际的色彩偏差，从而确保白色物体正确地出现在我们想要的图像中。实现白平衡的三个技巧。它们如下。

　　白色补丁算法

　　灰色世界算法

　　地面真实算法

　　为了便于解释，请使用下图。

置顶

　　该方法是一种典型的颜色恒常性自适应方法。像人类视觉系统的方法一样，搜索最亮的色块作为白色参考。请注意，为了使白色在图像中可见，RGB颜色空间中的每个通道都是最大值。

　　在Python上实现代码：

　　efwhite_patch(image，percentile=100)3360 whitebalanceimageusingwhitpatcalgorithm parameters-image 3360 numpyarrayimagetowhiteers optionalpercentilevaluetoconsideraschannel maximum returns-image _ WB 3360 numpyarray white-balanced image _ as _ u bbbbbb

　　利用白点算法增强lily

　　正如我们所观察到的，图像变得相对明亮，中间的百合变得非常明亮。这就是白点算法强调图像的方式。接下来，我们来看看下面的算法。

白平衡

　　灰度算法是一种白平衡方法，假设平均图像是中性灰。如果图像中的颜色分布良好，灰度的世界假设成立。考虑到这个假设成立，所以假设平均反射色是光的颜色。因此，通过观察平均颜色并将其与灰度进行比较，可以估计照明颜色的偏差。

　　在Python上实现代码：

　　efgray_world(image)).3360 whitebalanceimageusinggray-world algorithm parameters-image 3360 numpyarrayimagetowhitebalalancererance:_ gray world=(image *(access . mean)/image . mean)axis=)0，

　　1)))).剪辑(0.255)。astype(int)) #对于具有透明通道的图像if image . shape[2]==4:image _ gray world[:3]=255 return image _ gray world #调用函数实现gray world algorithms KIO . im show(gray _ world(cmdmy))

　　用灰色世界算法增强Lily

　　如图，可以看出和原图偏差不大。原因之一可能是平均颜色及其与灰色的比较没有那么显著。然后我们来看最后一个算法。

地面真值算法

　　到目前为止，我们已经对图像中颜色空间的性能进行了假设。现在，我们将选择一个补丁(图像的一部分)并使用它来重新创建我们想要的图像，而不是对增强图像进行假设。

　　为此图像选择的补丁如下：

　　从matplotlib.patches导入Rectanglefig，ax=PLT . subplots()ax . im show(cmdmy)ax . add _ patch(Rectangle((650，550)，100，100，edgecolor=b ，face color= none )；

　　补丁(用蓝色边框包围)

　　补丁的放大图像

　　选择补丁后，我们现在将继续增强我们的图像。为此，我们可以采取两种方式：

　　最大值方法-将原始图像的每个通道归一化为区域中每个通道的最大值。

　　平均方法-将原始图像的每个通道归一化为区域中每个通道的平均值。

　　Python中的代码实现：

　　def ground_truth(image，patch，mode=mean ): 使用Ground-truth算法参数的白平衡图像- image : numpy数组图像到白平衡cr patch : numpy数组“t rue”白色模式的patch.mean或max，可选调整每个通道的均值或max以匹配patch返回值- image_wb : numpy数组白平衡图像 Image _ Patch=img _ Patch if mode== mean :Image _ gt=((Image *(Image _ Patch . mean()/ Image . mean(axis=(0，meanclip(0，255)。as type(int))if mode== max :image _ gt=((image * 1.0/image _ patch . max(axis(0，1)))。clip (0，1))# transparency channel if image . shape[2]==4:image _

　　使用最大值方法：

　　skio.imshow(ground_truth(cmdmy，img_patch， max ))

　　使用地面真实算法的图像增强(最大模式)

　　除了对百合的生动强调，还可以观察到花朵周围的浮叶也被增强，绿色通道被大大突出。让我们看看这与使用平均值作为模式有何不同。

　　使用平均法：

　　skio.imshow(ground_truth(cmdmy，img_patch， mean ))

　　使用地面真实算法的图像增强(平均模式)

　　输出略接近白色补丁输出，但后者更亮。也强调了百合的颜色，但没有突出浮叶的颜色，只是提亮了。

　　对于地面真实算法，输出图像在很大程度上依赖于块图像的选择。因此，通过可视化我们想要得到什么样的增强图像来明智地选择补丁。

　　现在，我们可以使用3种不同的方法来增强图像。

下载1：OpenCV-Contrib扩展模块中文版教程

　　在“

xfdds学视觉

扩展模块中文教程

，

扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理

下载2：Python视觉实战项目52讲

　　在“

xfdds学视觉

Python视觉实战项目

，

图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别

下载3：OpenCV实战项目20讲

　　在“

xfdds学视觉

OpenCV实战项目20讲

，

20

OpenCV

　　交换组

　　欢迎加入读者微信官方账号，与同行交流。目前有SLAM、3D视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群。(以后会逐步细分)。请扫描以下微信号，加群。备注：“昵称学校/公司的研究方向”，例如：“yjddwdm上海交大视觉SLAM”。请按格式备注，否则不能通过。添加成功后，会根据研究方向邀请你进入相关微信群。

实战项目