数字图像处理学习笔记六

使用模糊集合进行灰度变换
这一部分一直有好多搞不明白的，可以去百度上找一些模糊集合的东西看看看前面基础的就行
csdn前辈的博客 摘抄一些关键的话
首先，需要将输入量折算为隶属度，这个过程叫做“模糊化”。然后，使用得到的隶属度来进行计算，或者判断，或者其他更复杂的算法。最后，需要将隶属度再次折算为输出，这个过程称为“去模糊”或者“反模糊”。首先可以在常理下考虑一下，一般的对于动态范围较小的图像，我们一般的处理的方法是灰度拉升，或者直方图均衡。这两种的方法的本质就是，让原图较暗的像素更加暗，让原图较亮的像素更加亮。
图像增强的方法 比较
图像反转：适用于嵌入在一幅图像的暗区域中的白色或者灰色细节
对数变换（回忆其图像及反变换的图像）：将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值。我们使用这种类型的变换来扩展图像中按像素的值，同时压缩更高灰度级的值（所谓压缩就是高的灰度压缩到一段短的高灰度区域）结合图像来看
幂律变换：记住图形，记住图形，记住图形。某些伽马值的曲线和对数类似。可以增强对比度，扩展灰度级（指数为分数），灰度压缩使用伽马值大于1的
分段线性变换函数作为补充：
1)对比度拉伸：扩展图像灰度级范围
2)灰度级分层：突出图像中特定灰度范围的亮度（增强特征），两种方法
不介绍，看书。
3）比特平面分层
直方图均衡：对比度增强，让原图较暗的像素更加暗，让原图较亮的像素更加亮
直方图规定化：希望产生处理后有特殊直方图的方法，例如原图像大量灰度接近于0像素，修改图像的直方图，使得图像图像灰度暗区的灰度值有更平滑的过度 ，得到刚刚好的把低灰度范围整体移动到高灰度范围 这个例子直方图均衡为什么会出现这种情况即过度，暗区域到特别亮的区域敲代码时候在回来思考

最后

以上就是个性往事为你收集整理的数字图像处理学习笔记六的全部内容，希望文章能够帮你解决数字图像处理学习笔记六所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。