halcon的灰度变换(图像增强)

简介: halcon的灰度变换(图像增强)

参考Halcon代码:

image.png

1、线性灰度变换
1.1 图像相加

image.png

上面函数的意思是,将(图像1灰度+图像2灰度)*4+50,等于最终的图像灰度

1.2 图像取反

image.png

2、非线性灰度变换

exp_image (Image, ExpImage, ‘e’)
特点:降低低灰度值像素的对比度,提高高灰度值像素的对比度,因为高灰度值对应X轴正方向的值,x增加相同值,y轴的值增加的更多。

image.png

log_image (ImageInvert, LogImage, ‘e’)
特点:提高低灰度值像素的对比度,降低高灰度值像素的对比度,因为高灰度值对应X轴正方向的值,x增加相同值,y轴的值增加的越少。

3、直方图变换

*直方图均衡化
equ_histo_image (Image, ImageEquHisto)
将图像的灰度范围按照一定的关系进行扩大,从而增强图像对比度
参考代码如下:

image.png

图像Image是均衡化前的灰度范围,蓝色柱状图显示如下,横坐标为灰度值,纵坐标为该灰度值的个数

image.png

均衡化后的图如下:
可以看出灰度范围变宽了

image.png

直方图工具在Halcon中是如下箭头所指的一个图标,当双击图像变量时,就能出现右上角所示的灰度直方图统计图。

image.png

目录
相关文章
|
5月前
|
算法 计算机视觉
图像处理之基于高斯金字塔的图像融合
图像处理之基于高斯金字塔的图像融合
40 3
|
6月前
|
机器学习/深度学习 算法
低光图像增强
这篇摘要讨论了低光照图像增强技术,涉及HDRNet、GAN、轻量化伪影、语义分割网络和Retinex等方法。核心任务是提升图像亮度和细节。方法包括分布映射(如伽马矫正、直方图均衡化)、模型优化(Retinex理论)和深度学习(亮度增强与噪声去除)。传统方法不依赖数据,但可能产生伪影;深度学习方法需大量训练数据,无监督学习更优。不足之处在于缺乏成对数据集和精确标签。
159 1
|
3月前
|
计算机视觉
【图像处理】 Halcon 实现图像亚像素边缘检测
如何在Halcon软件中实现图像亚像素边缘检测,包括读取图片、图像阈值化、边界提取、区域扩张、亚像素边缘提取、轮廓拟合和彩色绘图等步骤,并提供了相应的Halcon代码实现和检测效果展示。
84 2
|
5月前
|
算法 计算机视觉
图像处理之USM锐化
图像处理之USM锐化
42 0
|
5月前
|
计算机视觉
图像处理之直方图均衡化
图像处理之直方图均衡化
36 0
|
6月前
|
计算机视觉
[Halcon&图像] 图像增强算子汇总
[Halcon&图像] 图像增强算子汇总
259 1
|
6月前
|
大数据 计算机视觉
Halcon 学习笔记三:形态学
Halcon 学习笔记三:形态学
202 0
|
6月前
|
算法
[Halcon&图像] 图像阈值分割算法汇总
[Halcon&图像] 图像阈值分割算法汇总
182 0
|
6月前
|
算法
[Halcon&图像] 边缘提取算法汇总
[Halcon&图像] 边缘提取算法汇总
358 0
|
测试技术 C#
C# halcon SubImage的使用
C# halcon SubImage的使用