图片存储原理:
RGB颜色空间:加法混色(用于显色),三通道(R,G,B),每一个像素的值(b,g,r),取值范围为[0,255],[0.0,1.0]多少情况下用[0,255]
CMY(K)颜色空间:减法混色(用于印刷),四通道(Cyan,Magenta,Yellow,Key)每一个像素的值(c,m,y,k),取值范围为[0,255],[0.0,1.0]
HSV/HSL(I)颜色空间:人类视觉概念,三通道(H(色调),S(饱和度),V(明度),L(亮度))每一个像素颜色值(h,s,v/1/i)取值范围[0,255][0.0,1.0]
CIE-XYZ颜色空间:基于人类颜色视觉的直接判定,人类视觉系统-视锥细胞(短波,中波,长波)三色刺激值通道,XYZ略对应于红绿蓝
CIE-Lab对色空间:接近人类视觉,非线性关系->人类眼睛的非线性响应,三通道(L(亮度),a(红/绿),b(黄/蓝)),色差距离,基于人类色差实验数据,均匀性好
主流颜色空间:
RGB三通道彩色图
图片->三位矩阵([0,255])
单通道灰度图
亮度信息([0,255])
三通道彩色图->灰度图公式
Gray = R*0.3+G*0.59+B*0.11
空域分析及变换
滤波:卷积(一般为奇数尺寸,3*3,5*5,2n-1*2n-1)
在每个图片位置(x,y)上进行基于领域的函数计算
滤波函数->权重相加
卷积核,卷积模板 (滤波结果) (滤波函数)(像素领域值)
滤波器,滤波模板 =
不同功能需要定义不同的函数
图像增强:平滑/去燥,梯度/锐化。
信息提取:边缘,显著点,纹理,模式。
卷积核越大图片压缩得越小:
解决的图片缩小的问题:(1)边界补0(深度卷积网络用的最多),(2)边界复制,(3)镜像复制,(4)块复制。
平均均值滤波/卷积:参数和为1(举证与常数相乘最后相加和为1)。
平滑中值滤波:卷积域内的像素值从小到大排序,取中间值作为卷积输出,可以有效去除椒盐噪声(雪花)。
平滑高斯滤波:模拟人眼,关注中心区域,可以有效去除高斯噪声,参数:x,y是卷积参数坐标(卷积像素距离卷积核中心点的坐标),标准差,,越小,关注区域越集中。
平滑高斯滤波/卷积,人眼特性:离关注中心越远,感受精度越模糊。
平滑高斯滤波/卷积,分解特性,2D卷积,可以拆成俩个相同的1D卷积,可以达到降计算的效果。
梯度Prewitt滤波/卷积
梯度Prewitt滤波/卷积梯度Sobel滤波/卷积
梯度Sobel滤波/卷积梯度Laplacian滤波/卷积
作用:团块检测:周边高于(低于)中心点 / 边缘检测:像素值快速变化的区域
二阶微分算子,一阶导数极值
梯度Laplacian滤波/卷积频域分析及变换
傅里叶变换:一个信号可以由足够多个不同频率和幅值的正余弦波组成。
傅里叶变换现阶段在图像处理方面用地不太多。
2D离散傅里叶变换金字塔
高斯金字塔
原因:多次高斯卷积之后,一些像素是多余的,操作:n次(高斯卷积->2x降采样)->n层金字塔
目的:捕捉不同尺寸的物体
拉普拉斯金字塔
高频细节信息在卷积和下采样中丢失
保留所有层所丢失的高频信息,用于图像恢复
模板匹配
模板图片匹配
作用:同尺度目标检测,模板:真实图片,操作:使用模板图片扫描整个图片,匹配结果:相似度量
网友评论