1. 图像二值化
1.1. 简单阈值或全局阈值
1.2. 自适应阈值
2. 图像降噪
2.1. 均值滤波
2.2. 高斯滤波
2.3. 中值滤波
cv2.medianBlur(image, 3) 中值滤波是一种典型的非线性滤波，是基于排序统计理论的一种能够有效抑制噪声的非线性信号处理技术，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，让周围的像素值接近真实的值从而消除孤立的噪声点。该方法在取出脉冲噪声、椒盐噪声的同时能保留图像的边缘细节。这些优良特性是线性滤波所不具备的。
2.4. 双边滤波
3. 图像增强
3.1. 灰度图像
3.2. 饱和图像
3.3. 更改图像亮度
bright = tf.image.adjust_brightness(image, 0.4)
3.4. 基于直方图均衡化的图像增强
直方图均衡化是通过调整图像的灰阶分布，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节
3.5. 基于拉普拉斯算子的图像增强
使用中心为5的8邻域拉普拉斯算子与图像卷积可以达到锐化增强图像的目的，拉普拉斯算子如下图所示：
3.6. 基于对数Log变换的图像增强
3.7. 基于伽马变换的图像增强
4. 图像几何变化
4.1. 翻转图像
4.2. 旋转图像
4.3. 中心裁剪图像
5. 图像插值
5.1. 最邻插值算法
5.2. 双线性插值算法
5.3. 三次内插法
该方法利用三次多项式S(x)求逼近理论上最佳插值函数sin(x)/x, 其数学表达式为：
待求像素(x, y)的灰度值由其周围16个灰度值加权内插得到
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/232023.html原文链接：https://javaforall.net
