索引地址：系列索引 非线性滤波 中值滤波（Median bluring） 中值滤波法是一种基于排序统计理论的一种能有效抑制噪声的非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，也就是将中心像素的值用所有像素值的中间值（不是平均值）替换。中值滤波通过选择中间值避免图像孤立噪声点的影响，对脉冲噪声、斑点噪声、椒盐噪声有良好的滤除作用，特别是在滤除噪声的同时，能

索引地址：系列索引 线性滤波 线性邻域滤波是一种常用的邻域算子；邻域算子（局部算子）是利用给定像素周围的像素值的决定此像素的最终输出值的一种算子。下面这个图解可以很好的说明这个过程： 邻域算子（局部算子）是利用给定像素周围的像素值的决定此像素的最终输出值的一种算子。而线性邻域滤波是一种常用的邻域算子，像素的输出值取决于输入像素的加权和，具体过程如下图。 邻域算子（局部算子）是利用给定像素周围的像

索引地址：系列索引 在OpenCV滤波算法中，有两个非常重要的基本工具函数，copyMakeBorder和borderInterpolate copyMakeBorder函数原型： 1234void copyMakeBorder( const Mat& src, Mat& dst, int top, int bottom, int left,

索引地址：系列索引 噪声 图像去噪是指减少数字图像中噪声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。 噪声是图象干扰的重要原因。一幅图象在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。 简单来说，噪声就是图片使用过程中出现的不是我们需要的像素点。比如说，图片水印。打扰了，不同行业不同使用背景噪

索引地址：系列索引 透视变换(Perspective Transformation)是将图片投影到一个新的视平面(Viewing Plane)，也称作投影映射(Projective Mapping)。如下图所示。 通用变换公式为： [x′y′w′][uvw]∗[a11a12a13a21a22a23a31a32a33]\begin{aligned} \begin{bmatrix} x'

索引地址：系列教程索引地址 图像强度 英文名称是image intensity，意思是单通道图像像素的值大小。在灰度图像中，图像强度是就是图像的灰度级。在RGB颜色空间中，可以理解为RGB三个通道的像素灰度值，即RGB包含三种图像强度。其他颜色空间也是同样的道理。 测试代码： 123456789101112131415161718192021222324252627282930313233343

索引地址：系列索引 距离变换于1966年被学者首次提出,目前已被广泛应用于图像分析、计算机视觉、模式识别等领域，人们利用它来实现目标细化、骨架提取、形状插值及匹配、粘连物体的分离等。距离变换是针对二值图像的一种变换。在二维空间中，一幅二值图像可以认为仅仅包含目标和背景两种像素，目标的像素值为1，背景的像素值为0；距离变换的结果不是另一幅二值图像，而是一幅灰度级图像，即距离图像，图像中每个像素的灰度

索引地址：系列索引 对数变换将图像的低灰度值部分扩展，将其高灰度值部分压缩，以达到强调图像低灰度部分的目的；同时可以很好的压缩像素值变化较大的图像的动态范围，目的是突出我们需要的细节。反对数变换则与对数函数不同的是，强调的是图像的高灰度部分，对数变换公式如下 s=c log(1+r)s=c\ log(1+r) s=c log(1+r) 实现方法有三种方式，详细的看程序，logTransform1

索引地址：系列索引 在医学图像处理，尤其是在处理血管断层扫描类（如OCT、IVUS等）图像的过程中，不可避免的会使用到极坐标变换，也即是我们通常所说的“方转圆”。同样，我们可以使用极坐标变换的反变换实现“圆转方” 极坐标变换及其反变换的关键在于，根据极坐标变换前的图像（我们称为“方图”）确定极坐标变换后的图像（我们称为“圆图”）上每个像素点的像素值。也即是找到“圆图”和“方图”间几何坐标的对应关系

索引地址：系列索引 gamma变换说明 Gamma变换是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系： Vout=AVinγV_{out}=AV_{in}^{\gamma} Vout​=AVinγ​ 这个指数即为Gamma。 注意这个 VinV_{in}Vin​ 的取值范围为0～1，因此需要先进行归一化，然后取指数。 Gamma变换就是用来图像增强，其提升了暗部