【每日一题】图像处理领域用到的基本概念

本章主要介绍图像处理领域中使用的基本概念。从视觉生理学的最基本原理-人眼如何成像到几何光学的一些知识，讨论了诸如光和电磁光谱及其特性的概念，以及传感器如何收集图像。这部分提供了用于后续图像处理的基本工具。背景说明。以下内容可以看作是整本书中提到的方法的一种预热，使读者对图像处理有更直观，更广泛的理解，并为以后的学习打下基础。

通过本章的学习，添加了一些新知识和新知识。我将在下面记录我认为有启发性的内容。

使用二维函数

表示图像，此功能可以由两个分量来表征：入射分量

带有对象的反射组件

的产品

。

以上公式是研究图像成像时建立的数学模型。建立数学模型的方法通常在图像处理领域中使用。这种方法的优点是可以使用简单而准确的数学符号来描述复杂的实际环境。 ，有助于理清思路并处理复杂的问题。例如，在除雾算法中使用的物理雾形成的数学模型以及相机成像原理的针孔模型。在未来的研究和解决问题中，我们必须善于运用数学建模的思想，简化复杂性，直接解决问题的本质。

图像加法通常用于对图像的相应像素取平均，以消除随机噪声的干扰。噪点是不相关的，预计为0。处理深度图像时，我使用了这种方法，我使用了深度相机kinect v2进行拍摄。由于深度图像的每个像素的像素值在拍摄时会动态变化，因此误差范围在+ -5pexil之间，因此可以认为该误差符合预期的0分布，因此可以使用图像加法进行计算。另外，在实验中还发现，中值滤波也适用于这种类型的噪声，但是中值滤波对预期为0但分布不均匀的噪声没有很好的影响，并且将存在较大的误差。

图像减法通常用于增强两个图像的对比度。例如，同一物体的两个图像被同一台摄像机捕获，具有相同的姿势和不同的事件，由于光线等原因，这两个图像并不相同，但相差很小。人眼难以区分。此时，可以使用图像减法来执行该操作。将两个图像相减，并立即显示出差异。这本书是医学图像的例子。比较造影剂注射前后的血管图像，观察差异。

乘除关系，其主要目的是校正阴影，传感器给出的图像g（x，y）可以是理想图像f（x，y）和阴影函数s（x，y）。光影产品的视角：

情况A：如果已知阴影函数，则使用反函数g（x，y）/ h（x，y）来获得f（x，y）。

情况B：大多数情况下，阴影功能是未知的。如果图像系统此时可以访问，则可以通过以恒定的灰度级对目标进行成像来模拟近似阴影功能。如果无法访问图像系统，则只能直接从g（x，y）估算阴影函数，而精度取决于具体情况。

乘以或乘以常数的图像可以表示为图像变亮或变暗，并且图像的自相乘效果趋于增加对比度。

这本书是图像的傅立叶变换的一个示例，用于恢复受到正弦波噪声干扰的图像。我遇到了带有波纹干扰的图像，但是当时我没有想到一个好的解决方案。现在看来，我们可以从这个想法中学到东西。进一步扩展，如果图像噪声是规则的并且遵循一定的分布，则可以使用类似的方法。看来这本书将在图像还原一章中详细介绍这部分的内容。

我非常认识到使用概率方法来研究本书中的图像处理。在现实世界中，没有绝对静态的对象，因此即使同一台摄像机，同一姿势和在不同时间拍摄的图像也不会完全相同。正是由于这种变化，很难稳定，准确地从图像中提取有用的信息。工作总是在与随机性作斗争，而概率只是提供一种工具来处理这种随机性变化。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-373110-1.html