章节摘要:真实图像带噪声、光照不均。本章动手:均值/中值/高斯去噪、直方图均衡与伽马 O=I^{\gamma}、仿射/透视变换——SOURCE 第 3 章增强与 2.3 几何变换合并实验。
warpAffine 做旋转缩放第 2 章处理的是"真实图像不完美"的问题:有噪声、偏暗、歪斜。学习时把握一条主线——每个问题对应一类手段:噪声用滤波去,对比度用直方图均衡或伽马校正调,几何失真用仿射或透视变换正。三节内容互相独立,但都服务于同一个目标:把原始图像整理成"下游算法(分割、特征)好用的状态"。动手时建议用一个统一的实验对象(比如一张自己拍的欠曝照片),依次走完"去噪、增强、矫正"三步,能直观感受到预处理对后续结果的影响。
2.1 噪声与去噪是基础,重点理解"先看噪声模型再选滤波器"——椒盐噪声用中值,高斯噪声用高斯或双边。2.2 直方图是诊断工具,均衡化和伽马都基于直方图形状选择。2.3 几何变换偏工程,仿射与透视的区别(自由度、适用范围)要记牢。三节加起来约半天时间,每节都配了可跑代码,建议每段代码都亲手执行并观察输出。学完本章,你应该能回答:什么样的图像适合用中值滤波?均衡化为什么会放大噪声?旋转后图像裁边该怎么处理?
还有一个贯穿预处理的通用原则值得提前建立:任何变换都要问一句"下游算法吃得消吗"。例如去噪过度会抹掉边缘,均衡化过度会放大噪声,几何变换会引入插值伪影。预处理不是越强越好,而是"够用且不损信息"——判断标准是预处理后的图像能否让下游的分割和特征提取表现更好,这需要你在实验中反复对比验证。