• 图像灰度映射方案对比总结


    关于图像灰度映射方案对比总结

    方案简介(高位转低位)

    方案简介实质优缺点
    比例映射原空间的比例映射到0-255之间,保存数据(舍弃了比例计算后的小数部分)大空间映射到小空间(存在算法上的系统误差)思路直观,展示效果良好,但实际有的点映射到的空间有误
    划分空间将0-255每个单位空间映射到大空间所占用的单位空间,并将数据按照划分空间映射回小空间小空间映射到大空间,按照小空间精度将大空间等分相比大空间比例映射到小空间,这种方法更为合理,但两者视觉效果上相差无几

    方案算法简述

    原理与公式

    比例映射

    • 设灰度值范围的左右区间 [min, max]
    • 设原大空间作为输入的像素灰度值为X[i]
    • 设求小空间作为输出的像素灰度值为Y[i]

    Y [ i ] = ( X [ i ] − m i n ) / ( m a x − m i n ) ∗ 255 Y[i] = (X[i] - min) / (max - min) * 255 Y[i]=(X[i]min)/(maxmin)255

    显然Yi是浮点数,而我们需要的是8位保存的整数,因此必然存在舍弃小数位的操作,但究竟该向上取整还是向下取整其实应该被注意到,想当然的以为直接舍弃小数位即向下取整是不够精确即错误的。

    空间划分

    • 设灰度值范围的左右区间 [min, max]
    • 设划分的单位空间大小为unit
    • 设原大空间作为输入的像素灰度值为Xi
    • 设求小空间作为输出的像素灰度值为Yi

    Y [ i ] = ( X [ i ] − m i n ) / u n i t = = 256 ? 255 : ( X [ i ] − m i n ) / u n i t Y[i] = (X[i] - min) / unit == 256 ? 255 : (X[i] - min) / unit Y[i]=(X[i]min)/unit==256?255:(X[i]min)/unit

    如此,先在大空间按照小空间精度划分空间,得到单位空间大小和每个空间的起始位置,从而确定每个像素的归属空间,最后将其映射回小空间

  • 相关阅读:
    DFS与BFS模板
    Thread类中run和start的区别
    Vue3理解(7)
    手把手教你搭建JMeter Eclipse开发环境
    nginx的GeoIP模块
    JavaIO流:NIO梳理
    超全60000多字详解 14 种设计模式 (多图+代码+总结+Demo)
    CentOS7.9.2009离线安装yum命令
    PMP考试如何备考?只需3个步骤
    MindSpore反向传播配置关键字参数
  • 原文地址:https://blog.csdn.net/qq_47898198/article/details/126325309