图像增强—彩色增强技术

本文涉及的产品
视觉智能开放平台,图像资源包5000点
视觉智能开放平台,视频资源包5000点
视觉智能开放平台,分割抠图1万点
简介: 图像增强—彩色增强技术

文章目录


1. 肉眼对色彩的辨别

2. 彩色增强技术

2.1. 伪彩色处理

2.1.1. 灰度分层法

2.1.2. 灰度变换法

2.2. 假彩色处理

2.2.1. 将景物映射成奇异的色彩,提高其关注度

2.2.2. 适应人眼对颜色的灵敏度,提高鉴别能力

2.2.3. 遥感多光谱图像处理成假彩色,以获得更多信息


正文


1. 肉眼对色彩的辨别


人的肉眼可分辨的灰度级在十几到二十几之间,却能区分几千种不同色度、不同亮度的色彩。可以说人眼对彩色的分辨力可以达到灰度分辨力的百倍以上。

将灰度图像转换为彩色图像,或改变已有彩色的分布,会改善图像的可视性,是从可视角度实现图像增强的有效方法之一。


2. 彩色增强技术


目前彩色增强技术分为两大类:

  1. 伪彩色处理(pseudo color):把灰度图像处理成伪彩色图像
  2. 假彩色处理(false color):把自然彩色图像或遥感多光谱图像处理成假彩色图像


2.1. 伪彩色处理


伪彩色图像处理针对灰度图像提出,其目的是将灰度图像F ( x , y ) 的不同灰度级按照线性或非线性映射成不同的彩色,以提高图像内容的可辨识度


主要有两种方法


2.1.1. 灰度分层法


对原图像在不同的灰度等级区间的像素赋予不同的彩色


1.png

用n个水平平面切割图像,得到n 个不同灰度区间L 1 , L 2 , . . . , L n ,对每一层灰度区间映射一种彩色,层次越多,细节越丰富,色彩越柔和


例如将下左图的灰度映射到深蓝色-红色区间,明显提高了图像的辨识度:

2.jpg


2.1.2. 灰度变换法


对原图像中像素的灰度等级用不同的映射函数映射到不同的彩色通道,然后再把RGB三个颜色通道合成到一张彩色图像

3.png

例如将灰度映射到RGB彩色通道得到的彩色图三原色曲线:

4.png


2.2. 假彩色处理


假彩色处理的目的是将真实的自然彩色图像或遥感多光谱图像处理成假彩色图像。处理的对象是三基色描绘的自然图像或同一景物的多光谱图像。

用途多为:


2.2.1. 将景物映射成奇异的色彩,提高其关注度


5.png

例如

6.png


2.2.2. 适应人眼对颜色的灵敏度,提高鉴别能力


7.jpg


2.2.3. 遥感多光谱图像处理成假彩色,以获得更多信息


9.jpg

相关文章
|
5月前
|
机器学习/深度学习 算法 测试技术
低照度增强算法(图像增强+目标检测+代码)
低照度增强算法(图像增强+目标检测+代码)
|
4月前
|
算法 计算机视觉
图像处理之基于像素的图像混合
图像处理之基于像素的图像混合
26 1
|
5月前
|
机器学习/深度学习 人工智能 算法
使用纹理对比度检测检测AI生成的图像
在本篇文章中我们将介绍如何开发一个深度学习模型来检测人工智能生成的图像
52 0
|
机器学习/深度学习 存储 编解码
|
机器学习/深度学习 存储 编解码
|
机器学习/深度学习 存储 编解码
底层视觉与黑白图像上色
底层视觉(即视觉增强)是计算机视觉中的一个分支,它专注于提高图像整体的观看体验。如果 “中高层视觉” 关注的是如何让计算机理解图像中的内容,那么底层视觉则致力于解决图像的清晰度、色彩、时序等各类画质问题。这些问题的出现与拍摄环境、设备等因素有关,而视觉增强技术则旨在修复这些问题,提供更好的视觉观看体验。
|
计算机视觉
根据特征进行全景图像拼接
根据特征进行全景图像拼接。
94 0
|
机器学习/深度学习 算法 数据挖掘
传统图像处理之颜色特征
传统图像处理之颜色特征
213 0
传统图像处理之颜色特征
|
机器学习/深度学习 数据可视化 图形学
【视觉高级篇】24 # 如何模拟光照让3D场景更逼真?(下)
【视觉高级篇】24 # 如何模拟光照让3D场景更逼真?(下)
125 0
【视觉高级篇】24 # 如何模拟光照让3D场景更逼真?(下)
下一篇
无影云桌面