有没有办法让直方图均衡和对比度有限的自适应直方图均衡算法只适用于图像矩阵的非零像素值？someImage');我的意思是，值的范围被拉长了(既然这样，均衡化会做什么呢在下面的图形直方图均衡化将图像拉伸到两个end.But处的空像素的示例中，
浏览 0提问于2016-02-22得票数 0
我正在努力增强旧的手绘地图，这些地图是通过扫描进行数字化的，这一过程造成了图像中的一些模糊区域，使得图像中的文本很难读懂。我尝试了自适应直方图均衡和其他几种基于直方图的方法，使用MATLAB，但没有给我想要的结果。我可能可以减轻更深的灰色阴影，并使它看起来更好，使用自适应直方图均衡化，但它并没有真正帮助文本。原始图像如下所示：下面是使用自适应直方图均衡化</em
浏览 4提问于2015-08-20得票数 0
回答已采纳
2回答
假设基于我的，我对图像的直方图进行了均衡化，现在的问题是如何在图像上应用这个新的均衡化直方图？很明显，这张照片中显示的最后一个for循环用于在图像矩阵上应用均衡化直方图。
请再次注意，这是一项大学作业，我不允许使用图像处理工具箱中提供的内置函数。
浏览 3提问于2013-06-26得票数 0
回答已采纳
1回答
我目前正在应用对比度有限自适应直方图均衡算法和一种算法来执行照片去噪。
有限自适应直方图均衡的对比度编码 cla
浏览 3提问于2021-05-21得票数 2
回答已采纳
2回答
我想知道clahe参数i.e clipLimit and tileGridSize的正确解释。以及clipLimit值如何影响图像的对比度，以及在选择tileGridSize时要考虑哪些因素(如图像分辨率、对象大小)。提前感谢
浏览 0提问于2016-07-21得票数 8
回答已采纳
1回答
自适应直方图均衡(AHE)算法
、、、、
我一直试图找出算法来执行完全自适应直方图均衡(不插值)。然而，我似乎仍然错过了一部分，没有设法得到正确的结果形象。(如本文第20页所建议：)
对于源图像中的每个像素，查找其在其局部区域中的等级(局部区域大小将作为输入)。
浏览 20提问于2015-03-11得票数 5
1回答
我尝试过的方法:局部直方图均衡(11x11邻域)+自适应阈值二值化+形态学细化(使用Erode+Dilate+Substract，即所谓的白顶帽)。我尝试了一种不同的方法，局部直方图+维纳滤波+自适应阈值二值化+骨架。结果是不同的，一些是完美的，一些是可怕的背景噪音和数十亿错误的连接。我还尝试在采取任何行动之前应用高斯或中值模糊。在指纹的边界上，似乎有数百万的错误连接，算法倾向于在指纹周围绘制边界。但我仍然认为这是一个很好的结果，但也需要一些建议来克服
浏览 2提问于2013-12-09得票数 0
除了它们调整的算法不同之外，我想知道它们对图像的具体影响，以及它们对图像直方图的具体影响。
浏览 3提问于2014-11-08得票数 1
回答已采纳
首先，我将对比度限制的自适应直方图均衡化(CLAHE)应用于以下功能：但我看到了一个白色的图像。这是两个薄物体(软骨)的原始图像和手工分割：
然后，我读了一篇论文，他们对显微图像进行了预处理，如各向异性扩散滤波器(ADF)，K算法，以及批-正交匹配追踪(OMP)。我不知道哪种算法适用于使软骨物体更加清晰。我真的很感谢你的帮助。
浏览 3提问于2017-05-02得票数 1
回答已采纳
本文提出了一种基于Kittler方法的自动阈值选择算法，该算法利用灰度图像的直方图来确定目标与背景的最佳阈值(类似于在OpenCV中实现的Otsu算法)。现在，要使算法成功，需要在被分析的对象和背景之间进行适当的对比，所以我很难让它处理下面的图像。为了增强图像的对比度，我尝试了不同的对比度拉伸和自适应均衡化，但效果很差。
浏览 4提问于2022-07-21得票数 0
1回答
如何去除图像上的卷曲线
、、、
我使用tesseract ocr来识别图像上的文本。我对有卷曲线条的图像有问题。我尝试过各种方法，如阈值、高斯滤波、彩色提取等.但我不能移除它。我想删除这些行而不丢失数字。
我使用opencv进行图像处理，使用tesseract 4.0对文本进行重新编码
浏览 0提问于2018-04-23得票数 2
回答已采纳
1回答
我有两个图像1和2。我想得到hsv图像的v(强度)值，然后我想要第一个图像的v(强度)值等于第二个图像的v(强度)值？v = image1(:, :, 3);如何使u和v值相同？
浏览 4提问于2014-02-06得票数 0
回答已采纳
我使用直方图均衡化和自适应从灰度图像中擦除光照：import numpy as npimport mahotas as mh但是在之后，我使用otsu方法：gray =( binimg< thresh)源图像：直方图均衡化和适应后在中，建议我使用直方图<
浏览 6提问于2014-01-30得票数 1
回答已采纳
The original Image Edge Detection of image 到目前为止，我已经尝试了自适应阈值，GaussianBlur，MedianBlur，各种形态学操作，霍夫变换和直方图均衡化
浏览 20提问于2020-12-14得票数 1
4回答
我试图恢复和增强图像细节的几张照片。我试图通过增加cv2.filter2D()和的清晰度来展示细节。[-1 -1 -1][-1 -1 -1][ 0 -1 0][ 0 -1 0]输入图像当前结果
imp
浏览 0提问于2019-06-28得票数 4
回答已采纳
1回答
本文对全局阈值分割与自适应阈值分割的区别进行了研究。全局阈值保持:定义一个像素值0-65535.扫描图像，使阈值以下的每一个值都保持黑色，否则，将其变为白色。自适应阈值保持:为每个像素定义一个阈值保持，然后确定它是白色还是黑色。编辑：
所以看这张图，N是图像中的像素数。
浏览 6提问于2014-05-28得票数 1
回答已采纳
4回答
搜索谷歌的直方图、均衡化、python、或对比拉伸Python，我被指向OpenCv中的python文档中的相同链接，这些链接实际上都与均衡化和非拉伸相关(IMO)。阅读这些文件，它似乎混淆了措辞，因为它将均等化描述为一种牵强的操作：
因此，您需要将该直方图扩展到两端(如下图所示，摘自维基百科)，而这就是直方图均衡化所做的(简单的单词)。我
浏览 11提问于2017-02-15得票数 8
回答已采纳
我坚持使用自适应直方图均衡(CLAHE)在c#中有没有类似的东西，或者我可以使用的任何库，或者在c#中可以做到这一点的任何方法。
浏览 2提问于2013-07-23得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
