• 对数变换: CImg<int> SrcImg; SrcImg.load_tiff("E:/Desktop/picture_process/Lenna/3/Fig0305(a)(DFT_no_log).tif");...SrcImg.display();... SrcImg(x, y) = int(log(double(SrcImg(x, y...
    ### 对数变换:
    ```c++
    CImg SrcImg;
    SrcImg.load_tiff("E:/Desktop/picture_process/Lenna/3/Fig0305(a)(DFT_no_log).tif");
    SrcImg.display();
    cimg_forXY(SrcImg, x, y) {
    	SrcImg(x, y) = int(log(double(SrcImg(x, y)) + 1));
    }
    SrcImg.display();
    ```
    **运行效果:**
    ![在这里插入图片描述](https://img-blog.csdn.net/20180927161654391?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BlcnJ5MDUyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    
    ![在这里插入图片描述](https://img-blog.csdn.net/20180927161826192?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BlcnJ5MDUyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    
    
    ### 幂律变换
    
    ```c++
    CImg SrcImg;
    SrcImg.load_tiff("E:/Desktop/picture_process/Lenna/3/Fig0308(a)(fractured_spine).tif");
    SrcImg.display();
    double t[3] = { 0.6,0.4,0.3 };
    for (int i = 0; i  img = SrcImg;
    	cimg_forXY(img, x, y) {
    		img(x, y) = int(pow(double((img(x, y))), t[i]));
    	}
    	img.display();
    }
    ```
    
    **运行结果:**
    ![在这里插入图片描述](https://img-blog.csdn.net/20180927162450119?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BlcnJ5MDUyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    ![在这里插入图片描述](https://img-blog.csdn.net/20180927163016994?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BlcnJ5MDUyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    ![在这里插入图片描述](https://img-blog.csdn.net/20180927163040245?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BlcnJ5MDUyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    ![在这里插入图片描述](https://img-blog.csdn.net/20180927163107480?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BlcnJ5MDUyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    
    ### 比特面分层
    ```c++
    CImg img;
    	img.load_tiff("E:/Desktop/picture_process/Lenna/3/Fig0314(a)(100-dollars).tif");
    	img.display("原图");
    	int w = img.height();
    	int h = img.width();
    	CImg p1(h,w,1,1), p2(h, w, 1, 1), p3(h, w, 1, 1), p4(h, w, 1, 1), p5(h, w, 1, 1), p6(h, w, 1, 1), p7(h, w, 1, 1), p8(h, w, 1, 1);
    	cimg_forXY(img, x, y) {
    		int num = img(x, y);
    		int *bit = binary(num);
    		p1(x, y) = fx(bit[0]); p2(x, y) = fx(bit[1]); p3(x, y) = fx(bit[2]); p4(x, y) = fx(bit[3]);
    		p5(x, y) = fx(bit[4]); p6(x, y) = fx(bit[5]); p7(x, y) = fx(bit[6]); p8(x, y) = fx(bit[7]);
    	}
    	p8.display("第八层比特图");
    	p7.display("第七层比特图");
    	p6.display("第六层比特图");
    	p5.display("第五层比特图");
    	p4.display("第四层比特图");
    	p3.display("第三层比特图");
    	p2.display("第二层比特图");
    	p1.display("第一层比特图");
    }
    //用于对图片进行黑白的赋值
    int fx(int n) {
    	if (n == 1)
    		return 255;
    	else
    		return 0;
    }
    //用于进行二进制转化的函数
    int* binary(int num) {
    	int *bit;
    	bit = new int[8];
    	for (int i = 0; i  hist = img.histogram(256, 0, 255); //histogram的第一个参数是共有256个灰度级,第二个参数是灰度的最小值,第三个是灰度最大值
    	hist.display_graph();
    ```
    ```c++
    	CImg img;
    	img.load_tiff("E:/Desktop/picture_process/Lenna/3/Fig0316(4)(bottom_left).tif");
    	CImg pic = img;
    	img.display("处理前图片");
    	int size = img.size();
    	CImg hist = img.histogram(256, 0, 255); //histogram的第一个参数是共有256个灰度级,第二个参数是灰度的最小值,第三个是灰度最大值
    	hist.display_graph("处理前直方图");
    	double sum = 0.0;
    	map index;
    	for (int i = 0; i (i, Sum));
    	}
    	//map::iterator iter = index.begin();
    	//map::iterator end = index.end();
    	/*for (; iter != end; iter++) {
    		cout firstsecond  hist1 = pic.histogram(256, 0, 255);
    	hist1.display_graph("处理后直方图");
    ```
    **运行结果:**
    ![在这里插入图片描述](https://img-blog.csdn.net/20180927211300652?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BlcnJ5MDUyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    ![在这里插入图片描述](https://img-blog.csdn.net/20180927211323238?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BlcnJ5MDUyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    ![在这里插入图片描述](https://img-blog.csdn.net/20180927211345174?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BlcnJ5MDUyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    
    ![在这里插入图片描述](https://img-blog.csdn.net/20180927211414866?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BlcnJ5MDUyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    
    展开全文
  • 数字图像处理数字图像处理 一学习内容总结 第一章 绪论 1 什么是数字图像处理 2 使用数字图像处理领域的实例 3 数字图像处理的基本步骤 4 图像处理系统的组成 第二章 数字图像处理基础 1 视觉感知要素 2 光和电磁...
  • 本系列python版本:python3.5.4 本系列opencv-python版本:opencv-python3.4.2.17 本系列使用的开发环境是jupyter notebook,是一个python的交互式开发环境,测试十分方便,并集成了...上文【数字图像处理系列二...
  • 本文在撰写过程中参考了由何东健教授主编、西安电子科技大学出版社出版的《数字图像处理》(第三版),一切著作权归原书作者和出版社所有。特别感谢长安大学软件系老师的认真负责的教导。 第1章 概论 1.1 数字...
  • 数字图像处理[M]. 电子工业出版社, 2014.第一章 绪论1 数字图像处理的主要内容(基本步骤)是什么?主要内容:图像获取、图像增强、图像复原、彩色图像处理、(小波变换)、形态学处理、分 割、识别、压缩编码。 ...
  • 什么是数字图像处理 一副图像可以定义为一个二维函数f(x,y)f(x,y)f(x,y),x和y是平面空间坐标,在任何一对空间坐标(x,y)(x,y)(x,y)处的幅值fff称为图像在该点的强度或灰度。当x,y和灰度值f为有限的离散数值时,称该...
  • 数字图像处理知识点 2019-07-03 19:55:30
    (3)幂律变换:伽马校正用于校正幂律响应现象; (4)分段线性变换函数:对比度拉伸、灰度级分层、位平面分层。 3. 直方图均衡 4. 空间滤波器 (1)算术均值滤波器:用于模糊处理和降低噪声;几何均值...
  • 图像数字化为二维矩阵后,每个点的值都代表一个像素点的灰度值。 灰度级 灰度值的表示范围,灰度级时,称图片为k比特图片。当然灰度级越高,图片的细节则越清晰,因为有更多的灰度值来描述图片。但是灰度级越大...
  • 数字图像处理基础 2018-09-23 20:27:05
    文章目录数字图像处理数字图像基础图像内插 数字图像处理 数字图像基础 图像内插 用于图像放大、缩小、旋转、几何校正等任务。首先确定变换前后的坐标对应关系,用src表示转换前的图像尺寸,dst表示转换后的图像...
  • 一、数字图像处理基础 二、图像增强 1.像素点增强 (1)点运算 (2)算术运算逻辑运算 (3)直方图运算 2.空间域增强 (1)平滑空间滤波器 (2)锐化空间滤波器 ​三、傅里叶变换 1.二维离散傅里叶变换及...
  • 对于图像处理有两种思路,一种是对图像本身的直接处理,即空间域处理;另一种是在频率域进行处理。 在空间域的处理相对简单,因此首先介绍的是空域处理法。空域中有两种重要处理方法:灰度变换(或亮度变换,主要...
  • 目录背景知识灰度变换和空间滤波基础一些基本的灰度变换函数图像反转对数变换幂律(伽马)变换分段线性变换函数对比度拉伸灰度级分层比特平面分层直方图处理直方图均衡空间滤波基础空间滤波机理空间相关与卷积相关...
  • 数字图像处理之灰度变换 2017-06-25 10:31:34
    灰度变换是图像处理技术中的最简单的技术。 图像增强常用的三类基本函数: 1. 线性函数(反转和恒等变换) 2. 对数函数(对数和反对数变换) 3. 幂律函数(n次幂和n次根变换)基本灰度变换函数如图: 直方图...
  • 数字图像处理之亮度变换 2019-07-03 05:25:39
    数字图像处理之亮度变换 by方阳 版权声明:本文为博主原创文章,转载请指明转载地址 http://www.cnblogs.com/fydeblog/p/6557603.html 第二篇博客,为自己加油加油!! 今天写一点亮度变换的东西;亮度变换...
  • 第一章 绪论 模拟图像就是生活中接触到的各类图像,照相机所拍的 照片、医学所用的光底片一类的光学图像以及眼睛所看到的一 切景物图像等,它们都是由连续的各种不同的颜色、亮度的点 ...图像处理是一个从图像...
  • 灰度变换1.1 图像反转1.2 对数变换1.3 幂律(伽马)变换1.4 分段线性变换函数2. 直方图2.1 直方图均衡2.2 直方图匹配2.3 局部直方图处理3. 空间滤波3.1 空间滤波的机理3.2 空间相关和卷积 内容简介   本篇文章...
  • 3 幂律伽马变换 4 分段线性变换 41 对比度拉伸 42 灰度级分层 43 比特平面分层 三直方图处理 1 直方图均衡 2 直方图匹配规定化 四空间滤波 1 平滑空间滤波器 11 平滑线性滤波器 12 统计排序非线性滤波器
  • 数字图像处理(1) 2017-12-21 16:36:53
    由于缺乏信号与系统的理论知识,学数字图像处理挺吃力的。看了课件还是有些一知半解,暂时整理了一些笔记。 第一章、绪论 一、数字图像: 自然界在人眼呈现的图像一般都是连续的模拟图像。对一幅静态非彩色图像可以...
  • 本章主要讲的是空间域的操作(即图像本身) 本章主要讨论形如g(x,y)=T[f(x,y)]g(x,y) = T[f(x,y)]g(x,y)=T[f(x,y)]的灰度变换和空间滤波 上面的公式也可以写成更一般的形式s=T(r)s = T(r)s=T(r) s、rs、rs、r分别...
1 2 3 4 5 ... 10
收藏数 200
精华内容 80