Peruskonsepti
Kuvan parantaminen korostaa osan kuvan tiedoista tietyn vaatimuksen mukaisesti, samalla kun heikentää joitakin tiedonkäsittelymenetelmiä. Esimerkiksi alkuperäinen kuva (kuva) kopioidaan positiivihiukkaseksi ja negatiivifilmiksi ja kahden eri ominaisuuden kalvo on täsmälleen päällekkäinen, kaksi diafragmaa. kuva, suurin osa sen kuvista on siirretty ja reunaosaan ilmestyy kirkas viiva (tai tumma viiva), joka saavuttaa taustasta lähtevän kuvan. Rajaviivan näyttövaikutus tekee kuvan parannuksista. Kuvanparannuksella parannettu kuva on erittäin tehokas tietyissä sovelluksissa. Yleisimmät kuvanparannukset sisältävät histogrammin muutokset, tasoitus, kuvan terävöittäminen, värinkäsittelytekniikka jne. Kuvan parannuksiin kuuluvat kuvien kontrastin parantaminen, kirkkauden parantaminen ja ääriviivojen lisääminen.
Reunojen ja reunan tunnistus
kuvassa on reunat. Vaikka tietokone on erittäin suuri, on mahdotonta käsitellä kuvia ilman reunoja. Kuvan reuna on kuvan olennaisin piirre. Se viittaa kokoelmaan pikseleitä, joissa on oikeat vaihtelut tai katon kaltaiset muutokset. Poggio sanoi: "Reunalla ei ehkä ole vastaavaa kuvaa objektista (rajasta) kuvassa, mutta reunalla on erittäin tyydyttävä luonne, mikä vähentää huomattavasti käsiteltävää, mutta säilytettävää tietoa Kuvan kohteen muotoinformaatiota. " Reunat ovat laajasti esillä objektien ja taustan välillä, ja esineet ovat objektien välissä. Siksi se on tärkeä ominaisuus kuvien segmentoinnissa. Kuvan reunantunnistus (tai reunan korostus) on kuvan ääriviivat, joilla kuvasta tehdään kuva. Kuvankäsittelymenetelmä. Se on tärkeä alueen käsittelytekniikka. Reunan tunnistus vaaditaan yleensä ennen kuvan purkamista ja sitten suoritetaan binäärisointi. Reunan tunnistus työntyy kuvan reunasta, muu kuva-alue kuin reuna yleensä heikkenee tai jopa poistetaan kokonaan. Käsitellyn reunan kirkkaus on verrannollinen alkuperäisen reunan ympärillä olevan reunan kirkkauteen.
Edge Enhance Imaging and Progress
During general imaging, we have obtained the image of the field of light intensity information. In many applications, imaging focuses on the characteristics details of the field, such as edge profile, etc., which requires edge enhancement processing on the field to highlight the desired edge profile. In order to obtain an edge enhanced image of the object field, one means is to image processing through the computer, but this method is limited to the information quantity of the obtained intensity image itself and the resolution and quality of the image. Factors, not available information; another method is to directly obtain edge enhancement information after processing information on the field of imaging system, which requires different optical components to apply different optical components in imaging systems. Processing, enhancement of detail information such as amplitude and phase of the field can be realized. In fact, these two methods are the later processing one is the pre-processing, and the theoretical basis applied is essentially consistent. In the spatial domain, the edge portion of the field is generally referred to as the boundary or reconstitution of the object field, and the region of the inner region is, and the change area of the object field. Generally, the object field can be described by a function, and if the function is different, the differential value of the variable region of the field field is small, and the differential value of the field edge mutant region is large. From this, it can be seen that the edge enhancement information of the field can be obtained by differential processing on the field. At the spectrum domain, the edge portion of the field is referred to, refers to the high frequency part of the field spatial spectrum, not the edge region, the low frequency portion of the spatial spectrum. It can be seen that by regulating or selecting the spectrum of the field, the edge enhancement information of the field can be obtained. In recent years, the image processing and acquisition is widely studied by obtaining image edge enhancement in the spatial domain or spectral domain operation, has been widely used in image processing, astronomical detection, pattern identification, etc.. Among them, many of them are utilizing spatial filtering to achieve transform or spectrum modulation on the object field to obtain edge enhancements, for example, with a filter that is transformed with the coordinate, composite sinusoidal grating, etc., the composite sinusoidal grating, etc. can be achieved to obtain a differential field to obtain an edge Enhanced; the low frequency component of the field can be removed or suppressed by the high-pass filter (due to most of the energy field is concentrated on its low frequency component, the high-pass filtering will make the energy loss of the field), so that the image of the image Improve, get a clearer edge; you can also perform Hilbert transform on the field, especially the proposal and development of vortex filtering, can hardly lose the energy of the field energy, so that this method has a large Application prospects. In addition to obtaining edge enhancement using spatial filtering, the Laplas differential reconstruction of the field field information recorded under different distances or conditions can also be obtained by using holographic technology.
Kuvanparannusalgoritmin yleiskatsaus
With the continuous development of imaging technology and computer technology, digital images have become an indispensable part of people's typical life, various imaging means And equipment is used in digital entertainment, identification, intelligent transportation, medical condition testing, military supervision, etc. Due to the insufficient nightlight, the fog, dust is affected, the burst of emergencies such as cameras in the image, or the target movement in the scene, will cause damage to the captured image or image sequence, and there is imaging blur, noise pollution and It is especially important to have an uneven exposure, for this purpose, image enhancement is particularly important. Comprehensive analysis related literature, image enhancement technology can be independently returned to airspace method and frequency domain method. Directly administer the pixel value to obtain enhanced effects, such as grayscale transformation, histoforming, histoforming method, etc. In the frequency domain method, the image is first converted to the frequency domain, that is, the first step is to perform Fourier Transform. In the frequency enhancement method, all enhanced operators are performed after the Fourier transform is performed, and then the Fourier reverse transform is performed to obtain an enhanced image. These enhanced operators are commonly used to adjust image brightness, contrast, or grayscale distribution, and the pixel values of the output image as the result can be changed according to the applied transformation function. The airspace method has a simple theoretical, and the algorithm has a low complexity, which can be widely used in real-time field image enhancement, and the disadvantage is lack of strong adaptive ability. The frequency domain image enhancement method relies on the frequency domain information conversion processing, which acts on the corresponding transform coefficient. Image enhancement methods of these frequency domains have the advantages of low complexity, corresponding transformation and characteristics. It is the main disadvantage that it is not possible to satisfy all parts of the image, and the algorithm is difficult to deal with adaptive Image enhancement.
Ihmisten korkealaatuisten kuvien kysynnän kasvaessa, jotkin kohtausten yksityiskohdat kuvan värissä ja kuvissa korostuvat, miten saada korkealaatuisia kuvia ja kuinka kuljettaa huonolaatuisia huonontuneita kuvia Paranna saavuttaaksesi parempia sovellustavoitteita, tulee yhä enemmän tutkijoiden painopiste ja tuoda enemmän visuaalisesti havaittuja värikuvia ja korkean dynaamisen alueen kuvia korkeammalla kuvan yksityiskohtien laadulla ihmisten tutkittavaksi.
Toteutus
Esimerkiksi käyttämällä vastaavaa maskitekniikkaa, kopioi alkuperäinen kuva (kuva) positiivi- ja negatiivifilmiksi ja tee kaksi erilaista ominaisuutta. Kalvo on tarkasti päällekkäinen. Kun valotus tulostetaan, kaksi diafragmaa mutatoituvat pienellä etäisyydellä niin, että vastaavassa kuvassa on hieman väärässä "raidallinen" kuva, ja suurinta osaa sen kuvista ei voida peruuttaa ja näkyviin tulee kirkas viiva (tai tumma viiva). reunaosassa saavuttaa näyttövaikutuksen, jossa kuvan rajaviiva työntyy esiin taustasta kuvan parantamiseksi. Reunaparannukset voidaan toteuttaa myös muilla menetelmillä tai tietokonekäsittelyllä.