灰度
- 灰度分布曲線與冰勺頭部劈裂檢測
裂縫目標(biāo)與背景的灰度對比度不明顯、小裂縫無法識別等問題，提出了連通域長、短軸比值的裂縫檢測方法，但該方法漏檢率較高。由于裂紋呈現(xiàn)出線狀特征，對此有學(xué)者提出運用線檢測方式來檢測裂縫，如采用Hough 變換[6]、高斯線檢測[7]等，但冰勺頭部圖像光照不均勻、背景復(fù)雜，在運用線檢測時會造成大量誤檢。綜上所述，對于裂口閉合緊實、光照不均勻、背景復(fù)雜的情況，現(xiàn)有的檢測方法會造成誤檢甚至漏檢。2 冰勺頭部劈裂檢測算法原理冰勺示意圖如圖1 所示。冰勺劈裂從冰勺的正面和
微處理機 2023年6期2023-12-28
- 基于Python的直方圖均衡探討
強是指對圖像進行灰度變換，使圖像與視覺響應(yīng)相匹配，加強圖像的視覺效果的一種圖像處理方法。灰度變換的方法很多，其中的一種是點運算，指用一個單調(diào)遞增的函數(shù)對原圖像的灰度進行非線性運算，從而實現(xiàn)對比度增強[1-3]。如圖1 所示，x 表示變換源圖像的灰度值，y 表示目標(biāo)圖像的灰度值。變換函數(shù)y=T(x)需要滿足以下兩個要求：圖1 變換函數(shù)1) 0 ≤x ≤255,0 ≤y ≤255,x 和y 的取值范圍相同。這一條保證變換以后，像素值不能超過范圍。2)T(x)在
電腦知識與技術(shù) 2023年25期2023-11-06
- 航空濾光片陣列多光譜圖像條帶灰度調(diào)整算法
刻條帶間存在明顯灰度差異，影響后續(xù)圖像處理及應(yīng)用需求。此外，地物灰度差異使得圖像光譜特征提取變得困難、特征匹配時誤匹配率增加。為滿足濾光片陣列多光譜數(shù)據(jù)的應(yīng)用要求，必須進行灰度處理。目前，圖像灰度處理主要用于圖像拼接領(lǐng)域，較為常用的是對圖像進行勻光處理，例如：處理單幅圖像的MASK算法、同態(tài)濾波算法、Retinex算法等，處理多幅圖像的Wallis算法、直方圖匹配法等。但上述算法在處理濾光片陣列多光譜圖像的灰度差異時，效果并不理想。針對濾光片陣列多光譜圖像
兵器裝備工程學(xué)報 2022年8期2022-09-13
- 濾光片陣列多光譜圖像拼接與灰度調(diào)整算法
條紋，破壞了地物灰度一致性，影響了光譜圖像后期處理及應(yīng)用。因此，為滿足濾光片陣列多光譜圖像應(yīng)用需求，必須解決濾光片陣列多光譜圖像條帶間存在的地物灰度差異。目前，圖像灰度校正算法大致可分為兩種類型：一是在預(yù)處理階段對圖像進行校正，如Retinex算法[1-2]、Wallis算法[3]、直方圖匹配算法[4]等；二是在圖像拼接為全景圖時，對重疊區(qū)域像素灰度進行融合，如漸入漸出融合[5]、加權(quán)平均融合[6]、弧函數(shù)權(quán)重模型[7]等。上述算法主要從視覺效果上消除圖像
科學(xué)技術(shù)與工程 2022年33期2022-02-03
- 用灰度決策處理管理難題
唐超 圖/付常青灰度問題是管理者在工作中面臨的最難問題，通常復(fù)雜、棘手、風(fēng)險高，用常規(guī)方法往往不能起到好的效果。這就要求管理者具有灰度決策的能力。灰度決策是一種基于個體與組織實際，從人性出發(fā)，將現(xiàn)實與人文相結(jié)合的思考方式，是管理者通過深刻而全面的思考，置身于合理的道德情境，采取協(xié)同策略，聚焦過程，嘗試感同身受，最終憑直覺決斷的解決路徑。
中國醫(yī)院院長 2021年5期2021-12-02
- 基于matlab的直方圖均衡
強是指對圖像進行灰度變換，使圖像與視覺響應(yīng)相匹配，加強圖像的視覺效果的一種圖像處理方法。灰度變換的方法很多，其中的一種是點運算，指用一個單調(diào)遞增的函數(shù)對原圖像的灰度進行非線性運算，從而實現(xiàn)對比度增強。如圖1所示，x表示變換源圖像的灰度值，y表示目標(biāo)圖像的灰度值。變換函數(shù)y=T(x)需要滿足以下兩個要求：圖1：變換函數(shù)（2）T(x)在區(qū)間[0 255]上嚴(yán)格單調(diào)遞增。這一條保證源像素值和目標(biāo)像素值大小一一對應(yīng)。不允許出現(xiàn)灰度倒置甚至于灰度翻轉(zhuǎn)，否則影響視覺效
科教導(dǎo)刊·電子版 2021年29期2021-11-19
- 矩陣轉(zhuǎn)置對圖形變換的幾何意義*
則矩陣A及AT的灰度圖像如圖1所示.圖1 矩陣A及AT的灰度圖像(a)矩陣A的灰度圖像；(b)矩陣AT的灰度圖像將矩陣A的灰度圖像沿主對角線分割為上、下三角兩部分，如圖2(a)和(b)所示.分別將矩陣A的灰度圖像的上、下三角部分做鏡面翻轉(zhuǎn)，如圖3，4所示.由圖3和4可知，矩陣AT的灰度圖像也是將矩陣A的灰度圖像沿著主對角線進行鏡面翻轉(zhuǎn)得到的.圖2 矩陣A的灰度圖像沿主對角線分割圖(a)矩陣A灰度圖像的下三角部分；(b)矩陣A灰度圖像的上三角部分圖3 矩陣A
內(nèi)蒙古科技大學(xué)學(xué)報 2021年2期2021-11-17
- 混合光照干擾下靜態(tài)灰度圖像多特征識別仿真
合光照干擾的靜態(tài)灰度圖像通常存在在出處理過程中存在一定的問題，導(dǎo)致圖像使用效率不高，由此多特征識別是一個熱點話題，在企業(yè)機密和航空監(jiān)控反面更是至關(guān)重要。如何能夠有效的解決靜態(tài)灰度圖像多特征識別是國內(nèi)外專家一直挑戰(zhàn)的項目。之前Mean Shift均衡算法出現(xiàn)在圖像的目標(biāo)識別中，因為其可以對灰度圖像的背景進行穩(wěn)定跟蹤，并有效的識別出其灰度圖像中的多特征，從而成為當(dāng)時的主流算法，但該方法的魯棒性較差，不能很好的適應(yīng)復(fù)雜的現(xiàn)實環(huán)境，導(dǎo)致一些靜態(tài)灰度圖像的特征并不能
計算機仿真 2021年4期2021-11-17
- 灰度圖像與偽彩圖像顏色模式相互轉(zhuǎn)換研究
-4]。本文研究灰度圖像和偽彩色圖像顏色模式的相互轉(zhuǎn)換。1 彩色圖像轉(zhuǎn)化為灰度圖像1.1 實現(xiàn)方法RGB 顏色空間是以R（Red）、G（Green）、B（Blue）三種顏色為基礎(chǔ)的色彩模式。在RGB 顏色空間，彩色圖像轉(zhuǎn)化為灰度圖像的方法有分量法、最大值法、平均值法和加權(quán)平均法等[5]，分別對應(yīng)式(1)至(4)。其中，R(i,j),G(i,j),B(i,j)分別表示點(i,j)的紅綠藍(lán)分量，f(i,j)為該點灰度數(shù)值。按照上述原理，使用MATLAB 編程實
唐山師范學(xué)院學(xué)報 2021年3期2021-07-23
- 基于支持向量機與多種特征的煤矸石識別
煤與煤矸石圖像的灰度信息，分析差異確定分離閾值。Liu等[4]用多重分形去趨勢波動分析方法來提取煤和煤矸石的幾何特征，并與圖像的灰度和紋理特征相結(jié)合，提高了煤矸石識別率。近年來，隨著機器視覺與機器學(xué)習(xí)的發(fā)展，煤矸石分揀也出現(xiàn)了多種新技術(shù)。Pu等[5]提出了利用卷積神經(jīng)網(wǎng)絡(luò)圖像識別的典型工作流程和模型參數(shù)更新策略，基于功能強大的訓(xùn)練圖像識別模型VGG16，引入傳遞學(xué)習(xí)的思想，建立了一個自定義的卷積神經(jīng)網(wǎng)絡(luò)模型，解決了從頭開始建立全新模型所帶來的可訓(xùn)練參數(shù)大、
濟南大學(xué)學(xué)報（自然科學(xué)版） 2021年3期2021-05-06
- 天津港智慧工作平臺灰度發(fā)布系統(tǒng)和流程設(shè)計
津港智慧工作平臺灰度發(fā)布系統(tǒng)和流程，在原有的計算機端和移動端負(fù)載均衡架構(gòu)的基礎(chǔ)上增加灰度服務(wù)器，為不同的升級類型和場景提供相應(yīng)的發(fā)布策略，并配合服務(wù)器監(jiān)控、日志分析和回滾策略，完成面向指定用戶群體的灰度發(fā)布過程。1 港口企業(yè)信息系統(tǒng)灰度發(fā)布的必要性灰度發(fā)布指面向一定范圍內(nèi)的用戶群體發(fā)布系統(tǒng)新功能或修復(fù)系統(tǒng)問題，以確保系統(tǒng)升級發(fā)布過程的平滑性和穩(wěn)定性，避免其對用戶體驗造成大范圍的負(fù)面影響。灰度發(fā)布適用于用戶規(guī)模大、影響范圍廣的場景，是互聯(lián)網(wǎng)企業(yè)普遍采用的系統(tǒng)
集裝箱化 2021年1期2021-04-12
- 基于改進多尺度采樣算法的灰度圖像識別算法
，技術(shù)人員已針對灰度圖像特征設(shè)計了多種有效的識別方法。但灰度圖像的形成仍受到成像環(huán)境的影響，會存在邊界條件模糊、灰度區(qū)間狹窄、噪聲多等顯著缺陷。這些圖像缺陷會在不同程度上對圖像識別造成干預(yù)，而目前大部分針對灰度圖像的識別方法計算機識別，盡管基于計算機的識別方法智能性較強，但卻很難精準(zhǔn)地識別到灰度圖像的邊界條件[1]。此次研究將結(jié)合上述理論，對識別算法展開實踐研究，希望通過此次的研究，為提出的假設(shè)提供可靠數(shù)據(jù)作為支撐。1 灰度圖像識別算法1.1 基于改進多尺
電子技術(shù)與軟件工程 2021年23期2021-03-08
- 高斯加權(quán)的二維灰度重心法提取光條中心
態(tài)特征和基于光條灰度分布特征兩個方向。基于結(jié)構(gòu)光條形態(tài)特征的提取方法，其主要思想是利用光條圖像的形態(tài)學(xué)特征、光條曲線自身幾何特征進行光條中心提取。代表的方法有幾何中心法[4]、閾值法[5]等。幾何中心法確定光條中心速度快，但是當(dāng)激光條紋圖像中條紋出現(xiàn)缺失時，該方法提取的光條中心精度差，無法獲取準(zhǔn)確的中心位置；閾值法易受外界噪聲的影響，提取效果較差，其改進方法如多閾值法[6]、自適應(yīng)閾值法[7]等，一定程度上改善了傳統(tǒng)閾值法提取的光條精度，但仍未能滿足高精度
計算機工程與設(shè)計 2020年12期2020-12-28
- 碳纖維纏繞殼體數(shù)字射線檢測評價方法研究
研究了缺陷部位線灰度和本體線灰度差值與缺陷性質(zhì)的相關(guān)性。纖維纏繞殼體；數(shù)字射線；檢測評價1 引言碳纖維纏繞殼體是導(dǎo)彈武器系統(tǒng)的重要組成部分，其內(nèi)部質(zhì)量直接影響發(fā)動機的質(zhì)量可靠性。因此，對碳纖維纏繞殼體內(nèi)部質(zhì)量的無損檢測和評價具有十分重要的意義。在傳統(tǒng)碳纖維纏繞殼體的無損檢測中，主要采用X射線膠片成像，成本高、效率低。隨著數(shù)字射線檢測技術(shù)的發(fā)展和數(shù)字射線檢測相關(guān)標(biāo)準(zhǔn)的完善，數(shù)字射線檢測技術(shù)得到越來越廣泛的應(yīng)用。相比傳統(tǒng)膠片成像檢測，碳纖維纏繞殼體數(shù)字射線檢測
航天制造技術(shù) 2020年5期2020-11-10
- 華為“灰度”哲學(xué)
踐所證明。所謂的灰度管理，就是突破了將一切事物都一分為二看待的簡單思維。在管理的過程中，管理者在看待一個方案、看待一個員工時，不能簡單地說這個方案可行還是不可行，這個員工優(yōu)秀還是不優(yōu)秀。一些人或一些事在沒有絕對正確或錯誤的情況下，管理者要找出介于兩種結(jié)論之間的辦法，也就是將管理延伸到一個能夠伸縮的緩沖地帶，也就是灰色地帶。灰度不僅是一種世界觀，更重要的是一種思維方式。正如任正非所言：“灰度是常態(tài)，黑與白是哲學(xué)上的假設(shè)，所以，我們反對在公司管理上走極端，提倡
寧波經(jīng)濟(財經(jīng)視點) 2020年10期2020-10-19
- 華為“灰度”哲學(xué)
余勝海灰度是任正非的世界觀和思維方式，因此，任正非發(fā)展出一套系統(tǒng)的管理哲學(xué)、管理體系和管理方法論，這就是任正非的“灰度管理理論”。以華為為平臺，任正非將其付諸華為的經(jīng)營管理實踐。而華為的經(jīng)營發(fā)展實踐，也驗證了任正非的灰度管理理論。任正非是“灰色管理理論”的開創(chuàng)者和實踐者。他獨特的經(jīng)營管理思想已經(jīng)被華為30多年來的經(jīng)營管理實踐所證明。外界看任正非，是霧里看花，盲人摸象，給任正非貼上了多個矛盾的人格標(biāo)簽：狼性、獨裁、霸道、人性大師、智者、堂吉訶德、成吉思汗等。
經(jīng)理人 2020年9期2020-10-12
- 高灰階硅基OLED 微顯示器的遞歸掃描算法
LED 微顯示器灰度的調(diào)制技術(shù)可以分為模擬幅值調(diào)制和數(shù)字脈寬調(diào)制（pulse width modulation，PWM）兩種[6-7]。模擬幅值調(diào)制是通過電壓或者電流幅值的線性變化來調(diào)節(jié)灰度。但隨著顯示圖像分辨率以及灰度等級數(shù)的增加，整個顯示系統(tǒng)要求像素電路中的電容以及驅(qū)動電路中的數(shù)模轉(zhuǎn)換器具有更高的充放電速度，同時又要確保模擬量的精度滿足顯示高灰度等級數(shù)的精度要求，這些約束給驅(qū)動電路的實現(xiàn)帶來了巨大的挑戰(zhàn)[8-9]。數(shù)字脈寬調(diào)制則是利用脈沖寬度來調(diào)制灰度
上海大學(xué)學(xué)報（自然科學(xué)版） 2020年4期2020-05-24
- 數(shù)字圖像相關(guān)法散斑圖質(zhì)量評價方法
定程度隨機分布的灰度信息(或散斑)，這些隨機分布的灰度信息便是位移或變形的載體。國內(nèi)外研究人員對DIC方法位移測量精度進行了大量研究[9-12]，指出影響DIC方法位移測量精度的因素主要包括搜索算法、散斑圖質(zhì)量、亞像素插值方法、子區(qū)位移模式、光學(xué)鏡頭畸變等。VENDROUX等人[13]對牛頓-拉普森(Newton-Raphson,N-R)算法中的Hessian矩陣進行了近似處理，大大提高了該算法的計算效率。SCHREIER等人[14]研究了不同亞像素插值方
激光技術(shù) 2020年2期2020-04-09
- 輪廓波域內(nèi)局部對比度增強的彩色圖像灰度化算法
22)1 引 言灰度圖像因其能夠真正反映圖像特征，信息量小，系統(tǒng)處理效率高，對傳輸帶寬及存儲空間要求較低，在指紋檔案管理、運動目標(biāo)追蹤、醫(yī)學(xué)影像檢查診斷和藝術(shù)美學(xué)等領(lǐng)域得到廣泛應(yīng)用[1]。彩色圖像灰度化的本質(zhì)是一個將三維RGB像素矩陣轉(zhuǎn)換成二維灰度矩陣的過程，其基本思想是將三維彩色圖像中的各像素值，根據(jù)具體的應(yīng)用場景選擇最佳的映射函數(shù)，依次映射到特定的灰度級上，在轉(zhuǎn)換過程中不可避免地會丟失一些結(jié)構(gòu)信息[2]。最簡單的灰度化方法是采用固定權(quán)重對RGB通道進行
液晶與顯示 2020年2期2020-04-07
- 直方圖均衡化算法在表情圖像灰度標(biāo)準(zhǔn)化中的應(yīng)用研究
熱點。2 圖像的灰度變換受光線影響采集到的人臉圖像明度不一，質(zhì)量不齊，為了獲得高質(zhì)量的識別結(jié)果，經(jīng)常需要對采集到的圖像進行預(yù)處理，而灰度變換是圖像的預(yù)處理環(huán)節(jié)之一。灰度變換是圖像處理技術(shù)中的一種基礎(chǔ)、直接的空間域圖像處理方法，通過增強圖像對比度，達(dá)到改善圖像的質(zhì)量的目的，從而獲得更利于后續(xù)處理的結(jié)果。圖像灰度變換包括線性變換、對數(shù)變換和Gamma變換3種，其中對數(shù)變換和Gamma變換又稱為非線性變換。(1)線性變換。一種通過建立灰度映射來調(diào)整預(yù)處理圖像的灰
智能計算機與應(yīng)用 2020年10期2020-03-18
- Arduino小車巡線程序的灰度閾值優(yōu)化方案
巡線，一般采用四灰度傳感器形式（如圖1）：傳感器2和3用于夾線巡跡，傳感器1和4用于判斷路口。但在實際競賽中，經(jīng)常會巡線脫軌，這是受場地光線或噴繪工藝等因素的影響，灰度傳感器常將比賽圖上暗的白色區(qū)域誤判為黑色區(qū)域，或?qū)⒘恋暮谏珔^(qū)域誤判為白色區(qū)域所致。因此，如何提高巡線的成功率成為急需解決的一大難題?！?改進策略誤判原因：程序中的灰度閾值通常都固定取為550，但當(dāng)外部因素（場地光線或噴繪工藝等）影響比賽圖上某個區(qū)域的灰度時，灰度閾值550不會隨之變化，導(dǎo)致程
中國信息技術(shù)教育 2020年2期2020-02-02
- 灰度圖在地形建模中的應(yīng)用
接利用網(wǎng)上獲取的灰度圖將每個灰度值轉(zhuǎn)換為高程，生成數(shù)字高程模型，但這樣建立的地形精度較低，誤差較大，不能滿足需求。利用數(shù)字高程模型來建立虛擬地形適用于大面積、較復(fù)雜的地形制作，而且構(gòu)建的地形真實性較好［1］，是目前虛擬地形制作的主流方法。數(shù)字高程模型包括規(guī)則正方形格網(wǎng)DEM 和規(guī)則三角網(wǎng)DEM（如圖1，圖2）［2］，由于項目需求，本文采用規(guī)則格網(wǎng)DEM 來完成地形建立，規(guī)則格網(wǎng)DEM 優(yōu)點是數(shù)據(jù)結(jié)構(gòu)簡單、便于管理、有利于分析制圖；缺點是會損失地形的關(guān)鍵特征
火力與指揮控制 2019年11期2020-01-08
- LED背光源缺陷檢測方法的研究
form2.3 灰度曲線算法設(shè)計圖5 原始圖像及灰度曲線獲取方向Fig.5 Original Image and Gray Curve Choosing Direction圖像灰度和照度之間存在轉(zhuǎn)換關(guān)系[8]，故圖像處理算法針對灰度設(shè)計。當(dāng)透鏡與晶片間無位置偏移時形成的圖像，如圖5所示。圖像中心灰度低，往外側(cè)逐漸增大，然后再降低。選擇過圖像中心間隔45°的四個方向求取灰度曲線，此時任意方向灰度曲線均為對稱雙峰曲線。根據(jù)前文，圖像灰度曲線與缺陷類型之間具有對
機械設(shè)計與制造 2018年11期2018-11-12
- 對比度增強的彩色圖像灰度化算法
科技的不斷進步，灰度圖像憑借其信息量小和運算速率高等特點被廣泛的應(yīng)用于許多圖像預(yù)處理階段，比如運動目標(biāo)追蹤和人臉識別。灰度圖像可以理解為一種用介于黑色和白色之間的灰度值來表示的圖像，也可以看做是對任何一種顏色亮度值在不同程度上的采樣，還可以理解為是對亮度值不同的不同顏色種類的采樣[1]。一般來說，彩色到灰度的方法可以在局部或全局進行。在全局映射方法中，輸入圖像的所有像素使用相同的顏色到灰色映射。Gooch等人[2]引入了Color2gray算法，通過目標(biāo)函
長春理工大學(xué)學(xué)報（自然科學(xué)版） 2018年5期2018-10-31
- 基于FPGA的直方圖均衡化實現(xiàn)
喬東海1.引言灰度直方圖描述了一幅圖像的灰度級統(tǒng)計信息，是多種空間域處理技術(shù)的基礎(chǔ)，主要應(yīng)用于圖像分割、圖像增強及圖像灰度變換等處理過程。在暗圖像中，直方圖的分量集中在灰度級的低端。相反，亮圖像的直方圖分量集中在灰度級的高端。直方圖均衡化即灰度均衡化，在經(jīng)過均衡化處理后的圖像中，像素將占有盡可能多的灰度級并且均勻分布。因此，這樣的圖像將具有較高的對比度和較大的動態(tài)范圍。本文根據(jù)直方圖均衡化的原理及算法，設(shè)計了一種基于FPGA+SDRAM+雙口RAM+VG
電子世界 2018年7期2018-04-26
- 基于腹部CT圖像的肝臟三維建模研究
及可行性1 基于灰度分離的邊緣特征提取1.1 腹部CT圖像說明CT圖像序列以三視圖的形式進行呈現(xiàn)， 分別為軸狀位(Transverse/Axis plane)、 冠狀位(Coronal/Frontal plane)和矢狀位(Sagittal plane)。其中， 軸狀位表示以身高方向為法線的橫切面， 冠狀位指沿左、 右方向?qū)⑷梭w縱切為前后兩部分的斷面， 矢狀位即按前后方向?qū)⑷梭w縱切為左、 右兩部分的斷面。圖1所示為軸狀位。圖1 腹部CT圖像器官結(jié)構(gòu)肝臟是人
生物醫(yī)學(xué)工程學(xué)進展 2018年1期2018-04-26
- 結(jié)構(gòu)光中心提取中的條紋灰度退化調(diào)整
特性表明,條紋的灰度在橫截面上基本服從高斯分布[5],條紋中心位于截面灰度最大值附近。因此,學(xué)者們提出了極值法、幾何中心法、曲線擬合法、灰度重心法[6]和Steger法[7]等常用的條紋中心提取方法。極值法和幾何中心法實現(xiàn)簡單但是精度不高;曲線擬合法、灰度重心法和Steger算法均為亞像素中心提取方法,且抗噪效果較好。無論對于哪種中心提取方法,提取精度都依賴于條紋的截面灰度分布特征。實際上,結(jié)構(gòu)光條紋灰度會受到各種因素的影響而不再近似服從高斯分布,特別是當(dāng)
西安交通大學(xué)學(xué)報 2018年2期2018-02-27
- 基于GLCM和LBP的局部放電灰度圖像特征提取*
-4］。局部放電灰度圖像用于統(tǒng)計分析中，能直觀地展示局部放電的相位、放電量及放電程度特征，因而被廣泛用于局部放電特征提取分析。文獻(xiàn)［5］采用數(shù)學(xué)形態(tài)學(xué)提取局部放電灰度圖像的數(shù)學(xué)形態(tài)譜表征灰度圖像的粒度、形狀，但特征維數(shù)為100，不利于模式的快速識別；利用灰度圖像矩特征和相關(guān)統(tǒng)計特征構(gòu)成的統(tǒng)計特征［6］、灰度圖像分形特征［7-8］以及它們之間的組合特征［9］等提取灰度圖像特征方法雖然特征維數(shù)低，在一定程度上都描述灰度圖像形狀及粗糙度特征，但仍存在識別率較低的
電測與儀表 2017年1期2017-12-20
- 一種非線性組合變換的圖像增強技術(shù)
開顏色相近區(qū)域的灰度值，傳統(tǒng)的非線性變換又不能使灰度值變換到中部視覺敏感區(qū)域，提出一種先對圖像分割再進行組合非線性變換，該變換除了能有效拉開顏色灰度值之外，還能還能使灰度值盡量集中于視覺敏感區(qū)，對惡劣天氣下的照片增強效果優(yōu)秀。此外針對非線性變換的計算量給出了一個加速算法，可實現(xiàn)探頭圖像實時變換增強。圖像增強；組合變換；圖像變換加速；實時增強1.引言隨著電子技術(shù)的發(fā)展，數(shù)字成像技術(shù)越來越成熟，包括CMOS、CCD等技術(shù)方式[1]，幾乎在所有與成像有關(guān)的領(lǐng)域都
電子世界 2017年23期2017-12-19
- 一種煤和煤矸石圖像識別的新方法
造一種基于非線性灰度壓縮擴階共生矩陣的煤和煤矸石圖像識別的新方法，用于對煤礦成分中的煤和煤矸石進行紋理數(shù)據(jù)分析并分選。采用對原有圖像0-255級灰度信息前部分進行灰度級壓縮，并在該部分進行灰度級擴階，其剩余灰度部分保持原灰度級不變并且不作處理，并計算在此處理情況下4個不相關(guān)紋理特征值：能量、熵、慣性矩、相關(guān)性。實驗結(jié)果表明，該方法比常規(guī)灰度共生矩陣、間隔灰度壓縮擴階共生矩陣具有更高的區(qū)分度，對煤和煤矸石分選的正確率能達(dá)到92.5%。0 引言煤和煤矸石分選是
現(xiàn)代計算機 2017年17期2017-08-10
- 硅基OLED微顯示器最優(yōu)掃描算法的非線性校正
72 )針對最優(yōu)灰度掃描算法在灰度級豐富的圖像上產(chǎn)生輪廓線的問題，對算法進行非線性校正?首先分析最優(yōu)掃描算法的灰度級與像素數(shù)據(jù)的關(guān)系，并與傳統(tǒng)脈寬調(diào)制(PWM)灰度產(chǎn)生策略作比較，找出產(chǎn)生輪廓線的原因；根據(jù)人眼對不同灰度差值圖像的主觀感受，將灰度差值劃分為可接受差值和不可接受差值；然后通過MATLAB對最優(yōu)掃描各比特的灰度權(quán)值重新賦值，得到所有可能的組合，剔除不可接受差值的組合；最后計算線性度較好的組合在不同顯示分辨率下的數(shù)據(jù)傳輸頻率?實驗結(jié)果表明：對于2
光電工程 2016年12期2017-01-17
- 基于灰度圖像的銹蝕拉索狀況評定方法研究
04100)基于灰度圖像的銹蝕拉索狀況評定方法研究姚國文1,2，陳雪松2，鐘 力3(1. 重慶交通大學(xué) 山區(qū)橋梁與隧道工程國家重點實驗室培育基地，重慶400074；2.重慶交通大學(xué) 土木工程學(xué)院，重慶400074；3.重慶市萬州區(qū)城建工程管理處，重慶404100)對于評定斜拉橋銹蝕拉索的技術(shù)狀況，目前缺乏一種定量化的技術(shù)標(biāo)準(zhǔn)。針對不同銹蝕程度的平行鋼絲拉索，提出了基于表層圖像灰度分析的定量化技術(shù)狀況評定方法，并應(yīng)用MATLAB軟件，對V級鋼絲圖像進行灰度分
重慶交通大學(xué)學(xué)報(自然科學(xué)版) 2016年4期2016-05-22
- 視頻偵查中背景重構(gòu)方法研究
規(guī)則對圖像的像素灰度進行歸類更新，實現(xiàn)背景的自適應(yīng)。第一類背景自適應(yīng)方法中，主要方法先由Friedman和Russell提出將圖像分為前景、背景和陰影，將圖像像素灰度的分布用前景、背景及陰影三者高斯分布加權(quán)予以刻畫，這種方法中僅僅用三個高斯分布就刻畫了復(fù)雜的圖像，準(zhǔn)確性難以保證[2]1569；于是后來又有人提出了用K個高斯分布來刻畫背景圖像的像素分布的方法改進，該方法雖然增強了圖像刻畫的準(zhǔn)確性，但是卻存在算法計算量大，硬件依賴性高以及不能檢測陰影的缺點；接
中國刑警學(xué)院學(xué)報 2016年4期2016-03-06
- PCB三維CT圖像的直方圖變權(quán)累加增強算法
積求和的方式,把灰度值大小、灰度值概率以及灰度值區(qū)間附近的概率分布引入到變權(quán)策略中,生成一個兼顧提高對比度和擴展灰度范圍的灰度映射曲線,實現(xiàn)低對比度圖像的增強,提高PCB圖像中物體的可分辨性。實驗結(jié)果表明,該算法取得了較好的增強效果和圖像質(zhì)量。圖像增強;直方圖均衡;低對比度圖像;三維圖像;印刷電路板;CT圖像1 概述印刷電路板(Printed Circuit Board,PCB)是電子產(chǎn)品的非常重要組成部分,起著至關(guān)重要的作用。通過錐束 CT(Cone B
計算機工程 2015年1期2015-06-27
- 灰度歸一化在鼻竇CT圖像中的應(yīng)用
瑛 龔著琳章 魯灰度歸一化在鼻竇CT圖像中的應(yīng)用上海交通大學(xué)醫(yī)學(xué)院計算機教研室(上海 200025)朱浩棟 陳 瑛 龔著琳章 魯目的設(shè)計一種快速有效的鼻竇CT圖像灰度歸一化處理方法，消除或減小采用不同窗參數(shù)設(shè)置的鼻竇CT顯示圖像之間同質(zhì)組織不同灰度上的差異。方法數(shù)字化圖像預(yù)處理后，像素灰度做相對光密度轉(zhuǎn)換得到歸一化圖像；實驗同時評估了轉(zhuǎn)換前后圖像和病變組織的灰度準(zhǔn)確性和一致性。結(jié)果鼻竇CT圖像灰度歸一化處理后同一性質(zhì)的病變組織灰度均值和方差比處理前更趨于一
中國CT和MRI雜志 2015年5期2015-04-01
- 環(huán)境的“灰度”
在題目中借用了“灰度”一詞。當(dāng)然，“灰塵”與“灰度”在語義上并無關(guān)聯(lián)，可以說絲毫不搭界。之所以借用這個詞，是想趕趕時髦（悄悄聲明：并非因為有個美國情色新電影叫《50度灰》哦）?！?span id="j5i0abt0b" class="hl">灰度”本是視覺藝術(shù)的術(shù)語，本義是指純白與純黑兩種顏色中一系列的過渡色，把黑色與白色之間分成程度不同的256級，就叫“灰度等級”。但是現(xiàn)在有人把“灰度”這個詞的意義大大擴展了，甚至有企業(yè)家總結(jié)出了一套“灰度法則”，用灰度來形容企業(yè)管理上的妥協(xié)和寬容，鼓勵創(chuàng)新和隨市場趨勢改變的靈活性。
環(huán)境與生活 2015年1期2015-03-23
- 基于QT的數(shù)字圖像的灰度化處理程序設(shè)計
QT的數(shù)字圖像的灰度化處理程序設(shè)計趙之源北京郵電大學(xué) 北京 100876介紹了使用QT對BMP圖像進行灰度化處理的相關(guān)概念和方法。根據(jù)BMP格式圖像的格式類型和存儲原理，介紹對BMP格式圖像進行讀取和寫入方法，并在此基礎(chǔ)上介紹了對BMP圖片進行灰度化的方法。數(shù)字圖像；灰度化處理；QT；C++；位圖大家生活中很多情況下需要將一張彩色的圖片轉(zhuǎn)變成黑白的圖片，也就是灰度圖，但是大部分人都是直接使用PS或美圖秀秀這些圖片處理的軟件進行，而對圖片灰度化的過程不是十分
決策與信息 2015年23期2015-02-24
- 小學(xué)機器人灰度傳感器教學(xué)淺談
機器人的教學(xué)中，灰度傳感器有著不可忽缺的地位，圍繞灰度傳感器開發(fā)的比賽和活動項目也非常之多。低成本的機器人中灰度傳感器就是主要的學(xué)習(xí)內(nèi)容。如此重要的知識，卻也是學(xué)生學(xué)習(xí)機器人的一個難點，很多學(xué)生對灰度的運用理解不了，如何才能讓學(xué)生充分理解、運用灰度傳感器，筆者提出灰度傳感器教學(xué)三步走的方法。一、講請灰度原理，掌握測量方法教學(xué)中，教師首先要向?qū)W生講清灰度傳感器的工作原理和工作方法:灰度傳感器有一只發(fā)光二極管和一只光敏電阻，安裝在同一面上，在有效的檢測距離內(nèi)，
中國校外教育 2014年2期2014-08-15
- 基于圖像識別系統(tǒng)的灰度化算法研究與效率分析
技術(shù)的發(fā)展。圖像灰度處理本身就是圖像處理中最具有吸引力的領(lǐng)域之一。自動識別系統(tǒng)將為我們的生活帶來一場前所未有的革命，它將使我們的生活更便利、更快捷。它已被廣泛用于身份識別、資產(chǎn)管理、高速公路的收費管理、門禁管理、寵物管理等領(lǐng)域，可以實現(xiàn)快速批量的識別和定位，大幅提高企業(yè)的管理和運作效率，并降低供應(yīng)鏈過程中的成本，提升供應(yīng)鏈效率。同時，指紋識別、虹膜識別、掌紋識別等生物特征識別技術(shù)產(chǎn)品也開始在我國各領(lǐng)域中推廣和普及[2]。2.灰度簡介和現(xiàn)狀圖像由顏色構(gòu)成，彩
電子世界 2014年7期2014-03-16
- 改進中值濾波在脂肪肝血管影像去除中的應(yīng)用
基于空域的近遠(yuǎn)場灰度對比法，直方圖特征統(tǒng)計法等;有基于頻域的小波特征分析法，灰度共生矩特征分析法等［1－3］。使用這些方法能有效地提取脂肪肝圖像的特征，但存在一定的不足。如正常肝和脂肪肝的近遠(yuǎn)場灰度對比法中，依據(jù)脂肪肝嚴(yán)重程度的不同而顯示不同的對比結(jié)果，越嚴(yán)重近遠(yuǎn)場灰度對比越明顯，可見近遠(yuǎn)場灰度特征可作為脂肪肝的一個判斷標(biāo)準(zhǔn)，但此類方法提取的特征單一，不利于分類識別。灰度共生矩特征分析法雖然能夠很好地區(qū)分脂肪肝和正常肝［1］，但存在計算量大等問題，程序?qū)崿F(xiàn)
電子科技 2013年3期2013-12-17
- 滲流系統(tǒng)灰色數(shù)值模型輸出結(jié)果的灰度分析
流系統(tǒng)輸入信息的灰度對輸出信息灰度的影響。在給出滲流系統(tǒng)灰色數(shù)值模型的基礎(chǔ)上，通過一個算例，分析當(dāng)模型的輸入信息(包括導(dǎo)水系數(shù)、儲水系數(shù)、入滲水量)取不同的灰度時，模型的輸出結(jié)果——水位灰度將出現(xiàn)如何的變化。這個討論，對于模型的實際應(yīng)用具有特殊的意義。1 滲流問題的灰色數(shù)值模型把滲流問題中的參數(shù)和變量視為灰參數(shù)和灰變量，根據(jù)質(zhì)量守衡和能量守衡定律，可以得到滲流問題的灰色微分方程［7］:對以上方程運用伽遼金(Galerkin)有限元方法進行離散，可得任一結(jié)點
地下水 2013年1期2013-12-14
- 基于量子指針的量子灰度圖像處理
作者所提出的基于灰度圖像的量子圖像表達(dá)式，亦屬于第一類。經(jīng)典數(shù)字圖像變換向量子方向延伸的主要有量子小波變換［17］，量子傅里葉變換［9］和量子離散余弦變換［18-19］。這些變換都充分利用了量子的并行、疊加、糾纏等特性，使得各種變換量子形式比經(jīng)典形式在作用和效率等方面都有很明顯的完善［9］。在參考文獻(xiàn)［15-16］中，作者給出了多類量子幾何變換的酉變換算子，并通過這些變換設(shè)計出量子線路［20-21］，從理論上證明了幾何變換的應(yīng)用性和可實施性。在本文中，作者
華東交通大學(xué)學(xué)報 2013年3期2013-03-07
- 沉積物巖芯X光片圖像灰度數(shù)值及其影響因素①
物巖芯X光片圖像灰度數(shù)值及其影響因素①張喜林 范德江 劉 明 王 亮(中國海洋大學(xué)海洋地球科學(xué)學(xué)院海底科學(xué)與探測技術(shù)教育部重點實驗室 山東青島 266100)沉積體的X光影像包含了沉積物密度、結(jié)構(gòu)、構(gòu)造等眾多信息,對X光影像進行數(shù)字圖像分析可快速提取這些信息,成為進行沉積記錄和古環(huán)境演變研究的有力手段?；陂L江水下三角洲沉積物巖芯的X光影像,利用Matlab軟件平臺把X光影像轉(zhuǎn)換成數(shù)字灰度圖像,進而提取了巖芯灰度值;結(jié)合該巖芯的粒度等沉積學(xué)屬性,探討了灰度
沉積學(xué)報 2012年2期2012-12-14
- 全彩LED驅(qū)動芯片的S－PWM優(yōu)化
設(shè)的寵兒[2]。灰度等級是衡量LED顯示屏顯示效果的一個重要指標(biāo)，灰度等級越高，顯示的效果越逼真。所謂灰度等級，就是指可以進行控制的灰度級等級的多少。市場上現(xiàn)有的LED大屏幕顯示產(chǎn)品灰度等級一般在12 bit以上，對顯示效果要求更高的屏幕灰度等級可以達(dá)到16 bit。若使用傳統(tǒng)的PWM方法來產(chǎn)生如此高灰度等級的灰度控制信號，會存在當(dāng)高比特數(shù)據(jù)為0時LED燈長時間處于熄滅狀態(tài)，帶來數(shù)據(jù)刷新率變低的缺陷，可能會給人眼帶來閃爍感，從而影響LED屏幕顯示的效果[3
電視技術(shù) 2012年21期2012-06-07
- 一種基于小波分時灰度矩與概率神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷方法
的原信號的信息。灰度圖是不同時間和尺度上各小波系數(shù)的直觀表示，但它依賴于人的主觀判斷，更適應(yīng)于人的定性觀測。灰度矩可以定量的描述灰度圖中像素點的分布情況以及灰度圖的幾何形狀［5］，能更全面地反映信號特征，因而可利用故障后暫態(tài)信號小波變換灰度圖的矩信號來作為故障判斷的特征信息。概率神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則簡單，訓(xùn)練速度快，具有較強的模式分類、非線性函數(shù)逼近和自適應(yīng)學(xué)習(xí)能力，在電力系統(tǒng)中的應(yīng)用也越來越多［6］。利用它的強分類能力將更有助于故障的自動識別。本文在分析小波
重慶郵電大學(xué)學(xué)報(自然科學(xué)版) 2012年1期2012-06-06
- 基于熱區(qū)增強的分段線性變換提高室間隔缺損超聲圖像可懂度研究
進傳統(tǒng)的醫(yī)學(xué)圖像灰度增強方法，探討提高超聲圖增強效果的途徑，增強清晰度，加大對比度，提高圖像可懂度。1 資料與方法1.1 一般資料所用處理圖像從醫(yī)院B超室中挑選室間隔缺損B超圖像作為研究對象，在Windows XP環(huán)境下用matlab軟件進行處理,由于設(shè)備或探查手法的不同，原始顯示圖像一般具有低對比度，部分局部細(xì)節(jié)區(qū)域較暗不清晰，而采用增強預(yù)處理后，原圖像灰度圖像灰度集中的區(qū)域被充分?jǐn)U展至整個灰度區(qū)間，從而增大了對比度，使得圖像細(xì)節(jié)部分顯示清晰，對比度高，
科技傳播 2012年2期2012-02-01
- 一種基于灰度分割的調(diào)焦評價函數(shù)
提出一種新的基于灰度分割的調(diào)焦評價函數(shù)。該函數(shù)利用清晰圖像的灰度變化比模糊圖像頻繁的原理，以待調(diào)焦區(qū)域灰度均值作為其變化中心，并以該中心進行分割，最終計算出灰度圍繞中心的變化頻度作為評價函數(shù)值。比較了該函數(shù)和其他評價函數(shù)的效果。實驗證明，該函數(shù)滿足調(diào)焦評價函數(shù)的要求，可以在實際工程中較好的應(yīng)用。
現(xiàn)代電子技術(shù) 2009年6期2009-05-31