问题标签 [image-enhancement]

嗨，我想使用邻域像素值来增强图像的对比度。

让图像被认为是u0。然后我想通过使用公式来增强图像

这里，M1 是邻域像素中 u0 的最小值，M2 是最大值，Mg 是原始图像的最大灰度值。我的手术所在的社区是 9X9。uN 是新生成的图像（对比度增强图像）。

我已经尝试了以下代码，但不确定我是否正确。

我得到的一些结果如下所示：

谁能检查并告诉我我的代码是否正确？我自己也不太确定。另外请告诉我是否有更好的方法来做到这一点。提前谢谢各位。

已编辑的问题我重新阅读了这项工作，并且我必须将滑动窗口功能仅应用于几个指定的像素。**

在此方法中找到了我必须应用的像素。检测到图像的初始轮廓（在图像上以红色显示）。然后在指定距离处绘制轮廓周围的带。 滑动窗口函数必须仅应用于原始图像的窄带内的那些像素

我正在给出图像、初始轮廓和波段图像。

标记为白色的像素是我指定的必须应用滑动函数的像素。可以将 nfilter 应用于此类标准吗？请帮忙。如果我的问题不正确，我会进一步澄清。

我想为 Android 中的图像添加一些效果。我在Aviary中导入库文件。我只是 Android 开发的新手。任何人都可以提供一个关于如何使用库文件中的方法的小例子吗？提前致谢。各位圣诞快乐。我也从这里尝试了一个例子。但我对实施这个例子感到困惑。

代码 ：

我不确定上述代码的实现是对还是错。它没有按预期执行，所以我猜它错了。我的 logcat 在调用该方法时显示 NullPointerException。

日志猫：

我还从 StackOverFlow 的某些帖子中了解到，来自http://xjaphx.wordpress.com的一些示例没有按预期工作。任何帮助将不胜感激。圣诞节快乐。

我的目标是处理图像上的照明和表情变化。所以我尝试实现一个 MATLAB 代码，以便只处理图像中的重要信息。换句话说，只使用图像上的“有用”信息。为此，有必要从图像中删除所有不重要的信息。

参考：本文

让我们看看我的步骤：

1)应用直方图均衡以获得histo_equalized_image=histeq(MyGrayImage). 以便在一定程度上可以处理较大的强度变化。

2)对histo_equalized_image. 但在此之前，我应用了 svd 分解 ( [L D R]=svd(histo_equalized_image))，然后这些奇异值用于生成在 1 和 2 之间变化J=L*power(D, i)*R的派生图像。i

3)最后，将导出的图像与原始图像组合到：C=(MyGrayImage+(a*J))/1+a. 其中 a 从 0 到 1 变化。

4）但上述所有步骤在不同的条件下都不能很好地执行。所以最后，应该使用小波变换来处理这些变化（我们只使用 LL 图像块）。低频分量包含有用的信息，不重要的信息也会在这个分量中丢失。(LL) 分量对光照变化和表情变化无效。

我为此写了一个matlab代码，我想知道我的代码是否正确（如果没有，那么如何纠正它）。此外，我很想知道我是否可以优化这些步骤。我们可以改进这种方法吗？如果是，那怎么办？请我需要帮助。

现在让我们看看我的 Matlab 代码：

最近，我在尝试学习 Matlab 的同时实现了各种算法。

我一直在阅读的一篇论文是：Color by Correlation，它被数千人引用并用于在许多其他颜色恒常性实验中进行比较。

不幸的是，我在网上找不到单个示例（与 MaxRGB 示例和其他无处不在的白点估计不同）。

这可以用最少的代码在 Matlab 中实现吗？如果是这样，有人可以指出我的来源或提供一个例子。

我有一个 C# 应用程序，我正在使用Emgu。

我想照亮沉闷的图像。当我使用 EqualHist 时，细节就在那里，但有点太强了。有没有办法增强图像的现有细节，但不如 EqualHist 充满活力？谢谢..

示例图像：

我正在尝试使用 opencv 增强水下视频图像。对象检测发生在 HSV 颜色空间中。在此之前，我一直在尝试找出消除水中颜色失真的技术。我读到的一种技术是对比拉伸 RGB 颜色空间，然后在 HSI 中拉伸饱和度和强度。

为了产生类似的东西，我想出了在 BGR 上使用归一化，然后转换为 HSV 并对饱和度和值进行归一化。这似乎并不能消除蓝色。我的订单有问题还是我错过了水下图像增强功能？

我正在实现图像增强代码并应用傅立叶和傅立叶逆变换我正在使用下面的代码，但结果它给出了黑色图像。

有没有人有更快的替代方法来adapthisteq在 Matlab 中运行。

使用此功能处理帧图像后，我的帧速率从 40 fps 变为 19fps。有什么帮助吗？

顺便说一句，我正在使用mexopencv。

I'm trying to implement the method of improving fingerprint images by Anil Jain. As a starter, I encountered some difficulties while extracting the orientation image, and am strictly following those steps described in Section 2.4 of that paper.

So, this is the input image:

And this is after normalization using exactly the same method as in that paper:

I'm expecting to see something like this (an example from the internet):

However, this is what I got for displaying obtained orientation matrix:

Obviously this is wrong, and it also gives non-zero values for those zero points in the original input image.

This is the code I wrote:

I've already searched a lot on the web, but almost all of them are in Matlab. And there exist very few ones using OpenCV, but they didn't help me either. I sincerely hope someone could go through my code and point out any error to help. Thank you in advance.

Update

Here are the steps that I followed according to the paper:

1. Obtain normalized image G.
2. Divide G into blocks of size wxw (16x16).
3. Compute the x and y gradients at each pixel (i,j).

4. Estimate the local orientation of each block centered at pixel (i,j) using equations:

5. Perform low-pass filtering to remove noise. For that, convert the orientation image into a continuous vector field defined as:

where W is a two-dimensional low-pass filter, and w(phi) x w(phi) is its size, which equals to 5.

6. Finally, compute the local ridge orientation at (i,j) using:

Update2

This is the output of orientationMat after changing the mat type to CV_16SC1 in Sobel operation as Micka suggested:

例如，如果我在 Matlab 中使用 fspecial 函数（'average'，[9 9]）应用平均滤波器。尝试修复模糊图像的最佳方法是什么？

我的问题的实际方面是，如果我们有相同类型的模糊，就像平均过滤一样，我们如何才能在尝试去模糊时获得最佳结果？