- 1、本文档共27页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
图像处理技术与应用第三章图像的点运算-伽玛变换非线性变换:伽玛变换直方图均衡化1非线性变换幂函数:y=xγ线性:y=a*x+bγ(gamma)=1非线性:y=xγγ1或γ12伽玛变换伽玛变换:y=x^gamma;gamma1,较亮的区域灰度被拉伸,较暗的区域灰度被压缩的更暗,图像整体变暗;gamma1,较亮的区域灰度被压缩,较暗的区域灰度被拉伸的较亮,图像整体变亮;2伽玛变换伽玛变换:y=xγ,γ1或γ1,0=x,y=12伽玛变换线性归一化DA(单通道)0~255归一化到DB0~1之间DBxy=max(DA)=255min(DA)=0DB=a*DA+ba=1/{max(DA)-min(DA)}=1/(255-0)=1/255b=-min(DA)/{max(DA)-min(DA)}=-0/(255-0)=02伽玛变换例子:原始数据:x=[10101020202020101010]归一化:x=(1/255)*x+0x=[0.03920.03920.03920.07840.07840.07840.07840.03920.03920.0392]Gamma=2y=x^2y=[0.0392^2?]Gamma=0.5y=x^0.5y=[0.0392^0.5?]2伽玛变换例子:原始数据:x=[10101020202020101010]归一化:x=[0.03920.03920.03920.07840.07840.07840.07840.03920.03920.0392]Gamma=2y=x^2y=[0.00150.00150.00150.00620.00620.00620.00620.00150.00150.0015]Gamma=0.5y=x^0.5y=[0.19800.19800.19800.28010.28010.28010.28010.19800.19800.1980]2伽玛变换练习(1):1、手工计算;2、编程计算x=[10101020202020101010]归一化:x=[0.03920.03920.03920.07840.07840.07840.07840.03920.03920.0392]Gamma=3y=Gamma=0.2;y=Gamma=0.1;y=2伽玛变换练习(1)代码:2伽玛变换importnumpyasnp#声明一个numpy数组并赋值data=np.asarray([10,10,10,20,20,20,20,10,10,10])#归一化normalized_data=data/255.0#伽马值gamma=2#输出结果print(归一化:,normalized_data)print(伽马变换:,np.power(normalized_data,gamma))幂函数:y=x
您可能关注的文档
- Python图像处理与机器视觉入门 课件 第11章 卷积与相关.ppt
- Python图像处理与机器视觉入门 课件 第12章 图像降噪.ppt
- Python图像处理与机器视觉入门 课件 第13章 图像锐化.ppt
- Python图像处理与机器视觉入门 课件 第14章 频率域图像增强(中文).ppt
- Python图像处理与机器视觉入门 课件 第15章 频率域图像增强(中文).ppt
- Python图像处理与机器视觉入门 课件 第16章 频率域图像增强.ppt
- Python图像处理与机器视觉入门 课件 第17章 图像特征提取(中文).ppt
- Python图像处理与机器视觉入门 课件 第18章 图像分割.ppt
- Python图像处理与机器视觉入门 课件 第19章 图像修复.ppt
- Python图像处理与机器视觉入门 课件 第21章 形态学.pptx
文档评论(0)