Android 台灣中文網 › 標籤 › 轉灰

標籤: 轉灰

相關帖子	版塊	作者	回覆/查看	最後發表

沒有相關內容

相關日誌

分享轉灰階前處理: 嵐風 2022-8-15 19:42; 首先，會進行色彩空間的變換轉換過後保留照片中的亮度資訊即為灰階照片，這樣的處理，是由於人眼的視覺特性，對於灰階照片所呈現的亮度變化較為敏感，所以透過色彩空間的轉換，以灰階照片來進行處理，即能夠降低資料量，進而提高接下來處理的效率第一步：本方法在演算流程的前處理環節，首先會展開色彩空間轉換的處理，也就是將原始輸入進來的彩色照片，換移至灰色丈量的照片空間，如此變換的用意，是為了讓進入程序的照片數據，得到有效的壓縮，因為原生給定的照片，所攜帶的訊息量是紅、藍、綠三通道，其原本彩色照片的體量，是純粹灰照片的三倍，為了減壓情報數，與利於後續的計算，所以展開了轉變至灰照片的流程，就如同下述方程式三之一所示。所謂的灰階值，也即是模擬人類視覺中的杆細胞活動，對於像這類的生物體徵，以及隨帶的激活特性，所可以接收到灰之亮暗的刺發感應，並且能夠近似地偵測到二百五十五種灰色度衡的變化量等，這樣的原理，其實就是將三原色的原始彩照片透析出紅、藍、綠三方通道的同等照片映射。首先彩色照片轉灰照片的搬運，其實算屬於一對一的映射函式，如何得到灰照片的全體圖象，是由於從給定輸出灰照片的初始位置象素，乃至遍歷到他的各個象素，以及結束符的最終位置，都會等效地綁定於同樣三原色通道照片的對映位置象素。而變換處理三色彩度，並接續產出灰照片象素值的方程式，是為這三張通道照片的對映位置象素，乘上各自配給的權重加總，最終會型成輸出灰照片的對映象素值，並在終端環節表達出灰照片的模樣。而基礎理論所給定出的混合比例，如下述方程式三之二所示，式中演示了如果想求得灰照片裡第零之零的座標象素，那麼只要擇定這些解析出來的三通道割裂特徵圖，也同樣地代入他們對應零之零位置的象素值即可，緊接地輸入貫通聯結三通道的象素值，代進算式並求解得出象素值答案，而這答案也就意味著新生成的灰照片座標象素，接著只要如擬這般的往下個位置象素迭代往復，以此類推地算演出答案，就可以得到灰照片的全圖。例如，在不知道將要產出的灰照片象素值的情境中，但已有輸入三原色彩照片的前提下，假定將先算得灰照片的初始象素值，那麼開始於灰照片座標零之零的地方，也會同樣地鏈接到三通道照片的零之零象素位置。又或者，假設已經先得知彩照片變換至灰照片的灰階值答案，就如同圖 3-1 所傳達的，圖中左下角的灰照片，是左上部組件的輸入彩照片進行變換，所處理得出的結果，而右旁連帶給出的數值矩陣，是給定產出的灰照片內核之對映象素值。上述圖 3-1 中的展示內容，全部都是以 python cv 2 的實做平臺來演示的，而被橘色框圈畫住的部分，代表著彼此之間相連附屬的關係，特別註記「灰通道」的象素值矩陣，是彩照片過渡至灰地帶的變換處理後，最終得出的灰照片象素，其實也可以順帶地聯想到左下角旁的灰照片視窗，就是從右旁這些內核象素值所組成的矩陣所表達出來的，並而能夠呈現出像是灰照片這樣適宜可行的視覺與效果，來接續地供人眼觀察瀏覽。而圖 3-1 的右半大部分，也就驗證了前述所說的基礎定理，即是左上角視窗中的的彩照片，可以被解拉出紅、藍、綠這三通道的剝析特徵圖，這三原色的分割頻道，都有著各自度量的象素值矩陣，而且只要通過特定的變換方程，就可以生產出像是左下角的灰照片，而像這樣原始地從輸入三通道彩圖通過映射的函式，所降維得出的灰度照片，擁有著簡潔精鍊的純粹通道象素，有利於各種機器視覺的任務，其原因是運算的處理需求，只希望得到明確震度變化的象素特徵圖，因為只需要辨識出線條輪廓，而不是困擾於攜帶了很多紅藍綠彩度通道的冗餘訊息，如此的窘境將會複雜地提高了計算偵測難度，以及影響到偵測的準確效率，在圖 3-1 裡，如果「灰通道」的第一個象素值是八十六，如橘長方框的標識所傳達，也同等於方程式三之三的左方所給定出，也就是說，結果將生成出的灰照片，其第一個八十六的座標象素值，是圖中紅、藍、綠這三通道各自橘框所圈住的象素值，依照上述方程式三之三所練算得出，若是要得到灰照片全體的生成樣態，就按照前敘的操算流程，並以此類推地實行，將 m * n 尺寸的輸入照片轉換至灰照片後，運用八乘八正方型的窗口，從照片最左上角開始，向照片右側循環往復地移動，到達最右側後，再回到照片最初始的左側，並往下移動一行。而且重複地按照上述如此連環的分割操做，依循此方法，可以將給定的 m * n 照片，分割成 (m-b+1)*(n-b+1) 個模塊，而 b = 8 ，意味著八乘八正方型的離散餘弦變換係數矩陣。; 59 次閱讀|0 個評論

更多...

標籤: 轉灰

相關帖子

相關日誌

警告：您的Adblck已啟用