精华内容
下载资源
问答
  • 深度学习图像灰度值相关概念:图像灰度值 灰度值与像素值的关系
    千次阅读
    2017-11-23 21:48:05

    图像灰度值的概念是什么?灰度也可以认为是亮度,简单说就是色彩的深浅程度。

     

        实际上在我们的日常生活中,通过三原色色彩深浅的组合,可以组成各种不同的颜色。产品能够展现的灰度数量越多,也就意味着这款产品的色彩表现力更加丰富,能够实现更强的色彩层次。例如三原色16级灰度,能显示的颜色就是16×16×16=4096色。不过目前的产品256级灰度已经非常地普遍了。

     所谓颜色或灰度级指黑白显示器中显示像素点的亮暗差别,在彩色显示器中表现为颜色的不同,灰度级越多,图像层次越清楚逼真。灰度级取决于每个像素对应的刷新存储单元的位数和显示器本身的性能。如每个象素的颜色用16位二进制数表示,我们就叫它16位图,它可以表达2的16次方即65536种颜色。如每一个象素采用24位二进制数表示,我们就叫它24位图,它可以表达2的24次方即16777216种颜色。

          灰度就是没有色彩,RGB色彩分量全部相等。如果是一个二值灰度图象,它的象素值只能为0或1,我们说它的灰度级为2。用个例子来说明吧:一个256级灰度的图象,RGB(100,100,100)就代表灰度为100,RGB(50,50,50)代表灰度为50。

          灰度是指黑白图像中点的颜色深度,范围一般从0到255,白色为255 ,黑色为0,故黑白图片也称灰度图像,在医学、图像识别领域有很广泛的用途

        彩色图象的灰度其实在转化为黑白图像后的像素值(是一种广义的提法),转化的方法看应用的领域而定,一般按加权的方法转换,R , G ,B 的比一般为3:6:1。

           任何颜色都有红、绿、蓝三原色组成,假如原来某点的颜色为RGB(R,G,B),那么,我们可以通过下面几种方法,将其转换为灰度:

        1.浮点算法:Gray=R*0.3+G*0.59+B*0.11

        2.整数方法:Gray=(R*30+G*59+B*11)/100

        3.移位方法:Gray =(R*28+G*151+B*77)>>8;

        4.平均值法:Gray=(R+G+B)/3;

         5.仅取绿色:Gray=G;

       通过上述任一种方法求得Gray后,将原来的RGB(R,G,B)中的R,G,B统一用Gray替换,形成新的颜色RGB(Gray,Gray,Gray),用它替换原来的RGB(R,G,B)就是灰度图了。

     

    灰度值与像素值的关系

     

          记录了明亮(暗与亮,黑与白)度信息的2D图像成为亮度(灰度)图像。如果对于一张本身就是灰度图像(8位灰度图像)来说,他的像素值就是它的灰度值,如果是一张彩色图像,则它的灰度值需要经过函数映射来得到。灰度图像是由纯黑和纯白来过渡得到的,在黑色中加入白色就得到灰色,纯黑和纯白按不同的比例来混合就得到不同的灰度值。

     

        像素中具有RGB三通道的彩色图像来说怎样才能得到灰度图像呢?只要使R=G=B,三者的值相等就可以得到灰度图像。R=G=B=255为白色,R=G=B=0为黑色,R=G=B=小于255的某个整数时,此时就为某个灰度值。

    更多相关内容
  • 设源图像灰度值为x,则进行灰度线性变换后的灰度值为y = kx + b (0<=y<=255),下面分别来讨论k的取值变化时线性变换的不同效果 (1).|k|>1时 当k>1时,可以用来增加图像的对比度,图像的像素值进行变换后...
  • 1、像素点 ​像素点是最小的图像单元,一张图片由好多的像素点组成。如下图     可以看...

    1、像素点

    ​像素点是最小的图像单元,一张图片由好多的像素点组成。如下图

         


    可以看到上述图片尺寸是500 * 338 的,表示图片是由一个500 * 338的像素点矩阵构成的,这张图片的宽度是500个像素点的长度,高度是338个像素点的长度,共有500 * 338 = 149000个像素点。

    2、像素

    把鼠标放在一个图片上,这个时候会显示尺寸和大小,这里的尺寸就是像素。

    3、RGB

    ​ 因为一个像素点的颜色是由RGB三个值来表现的,所以像素点矩阵对应三个颜色向量矩阵,分别是R矩阵( 500 *338大小 ),G矩阵 ( 500 *338大小 ) ,B矩阵 ( 500 *338大小 )。如果 每个矩阵的第一行第一列的值分别为:R:240,G:223,B:204,所以这个像素点的颜色就是(240,223,204)


    4、灰度


    灰度是表明图像明暗的数值,即黑白图像中点的颜色深度,范围一般从0到255,白色为
    255 ,黑色为0,故黑白图片也称灰度图像。灰度值指的是单个像素点的亮度。灰度值越
    大表示越亮。


    5、图像的灰度化

     灰度就是没有色彩,RGB色彩分量全部相等。图像的灰度化就是让像素点矩阵中的每一个像素点都满足关系:R=G=B,此时的这个值叫做灰度值。如RGB(100,100,100)就代表灰度值为100,RGB(50,50,50)代表灰度值为50。


    灰度化处理
    一般灰度化处理的方法:在灰度化的图像中灰度值的范围为0~255
    1.浮点算法:Gray=R0.3+G0.59+B0.11                 R=G=B
    2.整数方法:Gray=(R30+G59+B11)/100               R=G=B
    3.移位方法:Gray =(R28+G151+B*77)>>8             R=G=B
    4.平均值法:Gray=(R+G+B)/3                             R=G=B
    5.仅取绿色:Gray=G                                               R=G=B

    二值化处理的方法:

    二值化就是让图像的像素点矩阵中的每个像素点的灰度值为0(黑色)或者255(白色),也就是让整个图像呈现只有黑和白的效果。在二值化后的图像中的灰度值范围是0或者255。那么一个像素点在灰度化之后的灰度值怎么转化为0或者255呢?比如灰度值为100,那么在二值化后到底是0还是255?这就涉及到取一个阀值的问题。

    1、取阀值为127(相当于0~255的中数,(0+255)/2=127),让灰度值小于等于127的变 为0(黑色),灰度值大于127的变为255(白色),这样做的好处是计算量小速度快,但是 缺点也是很明显的,因为这个阀值在不同的图片中均为127,但是不同的图片,他们的颜色分布差别很大,所以用127做阀值,白菜萝卜一刀切,效果肯定是不好的。
    2、 计算像素点矩阵中的所有像素点的灰度值的平均值avg
    (像素点1灰度值+…+像素点n灰度值)/ n = 像素点平均值avg, 然后让每一个像素点与avg一 一比较,小于等于avg的像素点就为0(黑色),大于avg的 像 素点为255(白色),这样做比方法1好一些。
    3、 使用直方图方法(也叫双峰法)来寻找二值化阀值,直方图是图像的重要特质。直方图方法 认为图像由前景和背景组成,在灰度直方图上,前景和背景都形成高峰,在双峰之间的最低谷处就是阀值所在。取到阀值之后再一 一比较就可以了。


    6、灰度值与像素值的关系

    如果对于一张本身就是灰度图像(8位灰度图像)来说,他的像素值就是它的灰度值,如果是一张彩色图像,则它的灰度值需要经过函数映射来得到。灰度图像是由纯黑和纯白来过渡得到的,在黑色中加入白色就得到灰色,纯黑和纯白按不同的比例来混合就得到不同的灰度值。R=G=B=255为白色,R=G=B=0为黑色,R=G=B=小于255的某个整数时,此时就为某个灰度值。


    7、灰度级


    灰度级表明图像中不同灰度的最大数量。灰度级越大,图像的亮度范围越大。

    8、图像分辨率

    图像分辨率是指每英寸图像内的像素点数。图像分辨率是有单位的,叫ppi(像素每英寸)。分辨率越高,像素的点密度越高,图像越逼真(这就是为什么做大幅的喷绘时,要求图片分辨率要高,就是为了保证每英寸的画面上拥有更多的像素点)。


    9、空间分辨率

    空间分辨率是指图像可辨认的临界物体空间几何长度的最小极限。如果一幅图像的尺寸为MxN,表明在成像时采集了MxN个样本,空间分辨率是MxN。下图是空间分辨率从1024x1024、512x512、256x256、128x128、64x64、32x32pixels


    10、幅度分辨率

    幅度分辨率是指幅度离散,每个像素都有一个强度值,称该像素的灰度,一般量化采用8bit。例如8bit的灰度级为2的八次方即256。0~255



    11、屏幕分辨率

    屏幕分辨率是屏幕每行的像素点数*每列的像素点数,每个屏幕有自己的分辨率。屏幕分辨率越高,所呈现的色彩越多,清晰度越高。

    12、图像所需要的位数b

    b=MxNxK      MxN是空间分辨率 ;K幅度分辨率,单位是bit

    存储1幅32 x 32,16个灰度级的图需要 4,096 bit

    存储1幅512 x 512,256个灰度级的图需要 2,097,152 bit 



    附加:

    13、对比度

    指一幅图中灰度反差的大小

    对比度 =  最大亮度/最小亮度


    14、与清晰度相关的因素

    亮度

    对比度

    尺寸大小

    细微层次

    颜色饱和度



    交流扣扣群:533209464(备注“学习”)
    在这里插入图片描述
    展开全文
  • 图像处理-灰度处理

    千次阅读 2021-12-13 23:09:10
    人脸识别必要途径---灰度处理

    前言

    在图像处理过程中,三个通道的数据比较复杂,那就可以先将图像进行灰度化处理,灰度化的过程就是将每个像素点的RGB值统一成同一个值。灰度化后的图像将由三通道变为单通道,单通道的数据处理起来就会简单许多。

    首先我们都了解图片的所有颜色都调节RGB的值来达到不同的效果。彩色图像有R,G,B三个分量,分别掌管红绿蓝三种基础色彩,灰度化就是使彩色的R,G,B分量相等的过程。灰度值大的像素点比较亮,反之比较暗这个过程就是指灰度化。灰度处理也有很多方法,本文采用直接调用函数cv2.cvtColor() 图像颜色空间转换。

    我们尝试一下,先找个美女

    上代码!

    import dlib
    import cv2
    import matplotlib.pyplot as plt
    img = cv2.imread('1.png')
    gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    # detector = dlib.get_frontal_face_detector()
    detector = dlib.cnn_face_detection_model_v1('mmod_human_face_detector.dat')
    
    dets = detector(gray_image, 1)
    print (len(dets))
    for i, d in enumerate(dets):
        x1 = d.rect.top() if d.rect.top() > 0 else 0
        y1 = d.rect.bottom() if d.rect.bottom() > 0 else 0
        x2 = d.rect.left() if d.rect.left() > 0 else 0
        y2 = d.rect.right() if d.rect.right() > 0 else 0
    
        face = gray_image[x1:y1,x2:y2]
        
        # 调整图片的对比度与亮度, 对比度与亮度值都取随机数,这样能增加样本的多样性
    #     face = relight(face, random.uniform(0.5, 1.5), random.randint(-50, 50))
        cv2.rectangle(gray_image, (x2, x1), (y2, y1), (0, 255, 0), 2)  # 画出人脸
        face = cv2.resize(face, (580,580))
    
    plt.imshow(face)
    

     输出结果:

     

    plt.imshow(gray_image)

    结果: 

     很不错昂!

    展开全文
  • 图像处理灰度化和二

    千次阅读 2020-04-10 22:54:33
    在图像处理中,用RGB三个分量(R:Red,G:Green,B:Blue),即红、绿、蓝三原色来表示真彩色,R分量,G分量,B分量的取值范围均为0~255,比如电脑屏幕上的一个红色的像素点的三个分量的分别为:255,0,0。...

    原作者:雨木林风
    在图像处理中,用RGB三个分量(R:Red,G:Green,B:Blue),即红、绿、蓝三原色来表示真彩色,R分量,G分量,B分量的取值范围均为0~255,比如电脑屏幕上的一个红色的像素点的三个分量的值分别为:255,0,0。

     
    像素点
      像素点是最小的图像单元,一张图片由好多的像素点构成,下图是一张美女的大白腿的图片。
    一张美女的大白腿图片
     
    查看这张图片的信息,尺寸是800 * 800 的,宽度是800像素,高度是800像素。也就是说这张图片是由一个800 * 800的像素点矩阵构成的(不理解矩阵是什么意思的话,可以把矩阵理解为C语言中的二维数组),这个矩阵是800行,800列,像素是图像的最小单元,这张图片的宽度是800个像素点的长度,高度是800个像素点的长度,共有800 * 800 = 640000个像素点。
    一张美女的大白腿图片
     
    因为一个像素点的颜色是由RGB三个值来表现的,所以一个像素点矩阵对应三个颜色向量矩阵,分别是R矩阵,G矩阵,B矩阵,它们也都是800 *800大小的矩阵。下面展示这张美女图片的一部分颜色矩阵数据:
     
    这个是R矩阵中的一部分
    图像处理的灰度化和二值化
     
    这个是G矩阵中的一部分
    图像处理的灰度化和二值化
     
    这个是B矩阵中的一部分
    图像处理的灰度化和二值化

    比如每个矩阵的第一行第一列的值分别为:R:240,G:223,B:204,所以这个像素点的颜色就是(240,223,204),三个矩阵的值不一定一 一对应,这样做只是为了便于读者理解。
     
    图像的灰度化
        在理解了一张图片是由一个像素点矩阵构成之后,我们就知道我们对图像的处理就是对这个像素点矩阵的操作,想要改变某个像素点的颜色,我们只要在这个像素点矩阵中找到这个像素点的位置,比如第x行,第y列,所以这个像素点在这个像素点矩阵中的位置就可以表示成(x,y),因为一个像素点的颜色由红、绿、蓝三个颜色变量表示,所以我们通过给这三个变量赋值,来改变这个像素点的颜色,比如改成红色(255,0,0),可以表示为(x,y,(R=255,G=0,B=0))。
        那么什么叫图片的灰度化呢?其实很简单,就是让像素点矩阵中的每一个像素点都满足下面的关系:R=G=B(就是红色变量的值,绿色变量的值,和蓝色变量的值,这三个值相等,“=”的意思不是程序语言中的赋值,是数学中的相等),此时的这个值叫做灰度值。
     
    灰度处理的方法:
         一般灰度处理经常使用两种方法来进行处理。
      方法1:
            灰度化后的R=(处理前的R + 处理前的G +处理前的B)/ 3
            灰度化后的G=(处理前的R + 处理前的G +处理前的B)/ 3
            灰度化后的B=(处理前的R + 处理前的G +处理前的B)/ 3
     
      美女图片经过方法1进行灰度化后的效果如下:
    一张美女的大白腿图片
     
          方法2:
             灰度化后的R =  处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11
             灰度化后的G =  处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11
             灰度化后的B =  处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11
     
        美女图片经过方法2进行灰度化后的效果如下:
     
    个人觉得第二种方法处理的效果比较好,第一种方法处理后的图片有点模糊。
    图像的二值化
        什么叫图像的二值化?二值化就是让图像的像素点矩阵中的每个像素点的灰度值为0(黑色)或者255(白色),也就是让整个图像呈现只有黑和白的效果。在灰度化的图像中灰度值的范围为0~255,在二值化后的图像中的灰度值范围是0或者255。
         黑色:
                二值化后的R =  0
                二值化后的G =  0
                二值化后的B =  0
         白色:
                二值化后的R =  255
                二值化后的G =  255
                二值化后的B =  255
         那么一个像素点在灰度化之后的灰度值怎么转化为0或者255呢?比如灰度值为100,那么在二值化后到底是0还是255?这就涉及到取一个阀值的问题。
    常用的二值化方法:
         方法1:
            取阀值为127(相当于0~255的中数,(0+255)/2=127),让灰度值小于等于127的变           为0(黑色),灰度值大于127的变为255(白色),这样做的好处是计算量小速度快,但是         缺点也是很明显的,因为这个阀值在不同的图片中均为127,但是不同的图片,他们的颜色        分布差别很大,所以用127做阀值,白菜萝卜一刀切,效果肯定是不好的。
        方法2:
            计算像素点矩阵中的所有像素点的灰度值的平均值avg
            (像素点1灰度值+...+像素点n灰度值)/ n = 像素点平均值avg
           然后让每一个像素点与avg一 一比较,小于等于avg的像素点就为0(黑色),大于avg的 像        素点为255(白色),这样做比方法1好一些。
       方法3:
            使用直方图方法(也叫双峰法)来寻找二值化阀值,直方图是图像的重要特质。直方图方法         认为图像由前景和背景组成,在灰度直方图上,前景和背景都形成高峰,在双峰之间的最低         谷处就是阀值所在。取到阀值之后再一 一比较就可以了。
    下面给出一张美女图片二值化后的效果图:(漂亮的大白腿依稀可见。)
     

    一张美女的大白腿图片清晰可见

    展开全文
  •   图像处理的第一步操作基本都是进行灰度化,二灰度化的方式都很多种,可以根据自己的具体需要进行参数调整,基本分为四大种,分别为YUV亮度灰度化、最大值灰度化、平均值灰度化、Gamma校正灰度化。 ...
  • 将这些灰度值保存成一个矩阵A A = imgdata(:,1);%第一列的所有数据 若是仅仅画数据,直接用plot(A) 例子如下: filename = 'I.jpg'; imgData = imread(filename); imshow(imgData);%该函数...
  • 图像(各种图形和影像的总称):图像是人类视觉的基础,是自然景物的客观反映,是人类认识世界和人类本身的重要源泉...计算机图像处理方式上可以分为位图和矢量图。 -------------------上述来自百科解读
  • ​像素点是最小的图像单元,一张图片由好多的像素点组成。如下图 &nbsp; &nbsp; &nbsp; 可以看到上述图片尺寸是500 * 338 的,表示图片是由一个500 * 338的像素点矩阵构成的,这张图片的宽度是500个...
  • 本专栏主要介绍如果通过OpenCv-Python进行图像处理,通过原理理解OpenCv-Python的函数处理原型,具体情况,针对不同的图像进行不同等级的、不同方法的处理,以达到对图像进行去噪、锐化等一系列的操作。...
  • * 区域生长,使用一个3*3的模板元素生长,容差为6,最小值为100,两个模板中心灰度差值不大于容差则合并为一个区域 * 因为模板大于1个像素,所以一般要先用该模板做低通滤波 regiongrowing(Image,Regions,3,3,6,10
  • 这学期矩阵分析期末考试整了个矩阵奇异分解的题,没顶住,痛定思痛,查阅了相关的文献,结合自己图像处理的研究方向,对矩阵奇异意义有了更加清晰的认识,故留此记录。 什么是矩阵奇异分解? 根据教材的定义...
  • MATLAB图形图像处理——图像灰度变换,介绍matlab处理图像的基础知识、图像灰度变换的基础知识。 通过直方图均衡化改变图像对比度和亮度,将模糊的图像变清晰。
  • MATLAB图像处理之二化以及灰度处理

    万次阅读 多人点赞 2018-10-02 17:01:07
    首先先来明白几个概念: ...假设现在每个基色用一个字节表示,那么彩色图像的每一个像素就是用3*8=24位来表示,即一个像素可以呈现出2的24次方颜色,大约是1600万种颜色。 2、灰度图像(gra...
  • 针对人脸识别的预处理,采用图像处理技术解决了人脸检测问题。首先建立输入图像的肤色模型,然后进行开运算处理,以消除图像噪声利于后面的眼睛定位。再对二值图像灰度投影实现人脸粗分割,定位双眼。最后对细化分割...
  • 图像 - 灰度化、灰度反转、二

    千次阅读 2020-12-29 04:40:43
    图像灰度化:将彩色图像...而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,其一个像素点的变化范围为255种,所以数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些...
  • 图像处理:图像灰度

    千次阅读 2019-05-24 16:38:43
     图像灰度化处理可以作为图像处理的预处理步骤,为之后的图像分割、图像识别和图像分析等上层操作做准备。 意义: 很多简单的识别算法对于颜色的依赖性不强,灰度化之后矩阵维数下降,运算速度大幅度提高,并且...
  • 图像处理(1)灰度直方图实验

    千次阅读 2022-02-21 10:20:52
    直方图的基础: 一、定义 二、特征 三、形成灰度直方图实验 ...每张图片都是不同灰度级形成的图像,直方图则统计了每一个灰度级所出现的次数。 一幅图像具有特定的唯一的直方图。 一个直方图可对应多幅图像
  • 遥感数字图像处理复习(朱文泉)

    千次阅读 2021-12-29 16:45:15
    图像:①广义上讲我们肉眼所见的世界就是图像 ②图像是客观存在的二位、三位灰度或彩色的图认知感觉所产生的“像” 模拟图像:在图像处理中,如纸质照片、电视模拟图像等通过某种物理量的强弱变化来记录图像亮度...
  • 3. 连续图像f(x,y)与数字图像f(x,y)各量的含义各是什么?它们有什么区别和联系?它们的取值各什么范围内? 连续图像可用f(x,y)来表示,该连续图像是由无数个像素(光点)组成的,其中x,y代表像素所在的二...
  • RGB三通道图像灰度值简单理解

    万次阅读 多人点赞 2019-04-21 20:18:52
    24bit RGB图像也叫全彩图。...1.读一张图像(橘子蓝色背景下)并画一个点(图红×) get_grayval (Image, Row, Column, RGBGrayval) 获得所画点的灰度值,结果为 2.三通道分离,并获取灰度值 decomp...
  • 摘要:根据百度百科的描述,灰度值指黑白图像中点的颜色深度,范围一般从0到255,白色为255,黑色为0,故黑白图片也称灰度图像医学、图像识别领域有很广泛的用途。彩色图象的灰度其实转化为黑白图像后的像素值...
  • 本篇将介绍彩色图像灰度化和二化的原理,并使用Python来实现对应算法内容。
  • 数字图像处理的基本操作:将rgb图像转为灰度、二值、索引等;实现图像的放大、缩小;明确灰度值意义,对其进行操作和计算;等。
  • 使用Mean是平均灰度值,也代表着这张图像上红色荧光的平均荧光强度。 操作步骤: 1、File–>open 打开一张图片 2、Image–>Type(8-bit) Image–>Adjust–>Threshold 选择恰当的阈值,使得图片只显示...
  • 图像灰度值的计算

    万次阅读 2012-05-26 10:39:53
    这种文件格式就是每一个像素用8bit表示,显示出来的图像是黑白效果,最黑的像素的灰度(也叫作亮度)值为0,最白的像素的灰度值为255,整个图像各个像素的灰度值随机的分布0到255的区间,越黑的像素,其灰度值越...
  • RGBRGB色彩模式使用RGB模型为图像中每个像素的RGB分量分配一个0~255范围内的强度。RGB图像仅仅使用三种颜色,R(red)、G(green)、B(blue),就能够使它们依照不同的比例混合,屏幕上呈现16777216(256 256 256)种...
  • 图像处理 灰度世界算法

    千次阅读 2021-11-30 17:36:06
    灰度世界算法是以灰度世界假设为基础的,该假设认为对于一幅有着大量色彩变化的图像, R、 G、 B 三个分量的平均趋于同一个灰度K。 从物理意义上讲,灰色世界法假设自然界景物对于光线的平均反射的均值总体上是...
  • 图像增强图象增强的含义和目的灰度变换直方图修正图像平滑图像锐化伪彩色处理图像增强实例——同态滤波 学习目标 掌握灰度变换、直方图修正技术 掌握空域滤波增强方法 -图像平滑、图像锐化 了解彩色增强 图象增强的...
  • 深度学习在图像处理领域的应用综述[J].高教学刊,2018(09):72-74 1.特征表达/提取方法->特征学习 图像特征是指图像的原始特性或属性,可以分为视觉特征或统计特征。视觉特征主要是人的视觉直觉感受的自然特征...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 19,712
精华内容 7,884
关键字:

灰度值在图像处理中的含义

友情链接: CODE2.rar