一 图像轮廓和直方图
1.基本原理
对图像边缘提取，常见的方式是先对图片进行灰度处理，然后再利用图像梯度算法提取出边框。
直方图就是对数据进行统计，将统计值组织到一系列实现定义好的bin中。bin中的数值是从数据中计算出的特征的统计量，这些数据可以是梯度、方向、色彩或者任何其它特征。
2.代码
3.结果
二 高斯滤波
1.基本原理
高斯滤波实质上是一种信号的滤波器，其用途是信号的平滑处理，人们知道数字图像用于后期应用，其噪声是最大的问题，由于误差会累计传递等原因，很多图像处理教材会在很早的时候介绍Gauss滤波器，用于得到信噪比SNR较高的图像(反应真实信号)。与此相关的有Gauss-Laplace变换，其实就是为了得到较好的图像边缘，先对图像做Gauss平滑滤波，剔除噪声，然后求二阶导矢，用二阶导的过零点确定边缘，在计算时也是频域乘积=>空域卷积。滤波器就是建立的一个数学模型，通过这个模型来将图像数据进行能量转化，噪声就是属于高频率部分，高斯滤波器平滑处理后降低噪声的影响。
2.代码
3.结果
三 直方图均衡化
1.基本原理
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
2.代码
3.运行结果
扫描二维码关注公众号，回复：
9351033 查看本文章
