本文共 789 字，大约阅读时间需要 2 分钟。

图像预处理技术

1. 直方图均衡化

直方图均衡化是一种通过调整图像灰度分布，使其在0-255范围内更加均衡的技术。这一方法特别适用于对比度较低的图片，能够有效提高图像的对比度并增强细节。

2. 伽马矫正

伽马矫正是一种基于伽马函数的图像增强技术，主要用于对图像中的灰度值进行修正。其核心公式为：

[ \text{dst} = (\text{src})^{\gamma} ]gamma值的选择直接影响矫正效果，gamma越小，低灰度部分的细节增强效果越明显；gamma越大，高灰度部分的细节增强效果越明显。伽马矫正尤其适用于处理对比度偏低且整体亮度偏高（过曝）的图片。

3. 拉普拉斯锐化

拉普拉斯锐化是一种强化图像边缘和细节的技术，同时也会部分增强噪声。其原理基于领域对比：当某像素的灰度值低于其领域内其他像素的平均值时，该像素灰度值会进一步降低；反之，当其灰度值高于平均值时，灰度值会被提高。

拉普拉斯锐化常与LOG算子和双阈值算子（DOG算子）结合使用，以更好地平衡边缘检测与噪声抑制。

4. 白平衡（灰度世界法）

白平衡是通过对不同色温光源下图片的颜色进行校正的技术，以确保白色物体的颜色呈现一致性。

这种方法通过参考白色物体的颜色，调整图像的整体色调，使其更符合人眼感知的效果。

5. 高斯滤波

高斯滤波是一种线性平滑滤波技术，主要用于去除高斯噪声。与均值滤波相比，高斯滤波的平滑效果更柔和，且能够较好地保留图像的边缘细节。

高斯滤波的平滑程度取决于滤波核的标准差，标准差越小，平滑效果越温和。

6. 盒式滤波（OpenCV中的均值滤波）

盒式滤波是一种基于积分图的线性滤波技术，其核心在于通过预先计算像素值之和的数组S，实现快速域内像素值的求和和方差计算。

盒式滤波的优势在于计算复杂度较低，但其局限性在于只能支持固定尺度的滤波，且容易过度平滑图像，导致细节丢失。

转载地址：http://vxoe.baihongyu.com/