如何通过调节gamma曲线以调节图像的对比度,亮度等参数

如何通过调节gamma曲线以调节图像的对比度，亮度等参数

本文来自CSDN博客，转载请标明出处：

https://www.sodocs.net/doc/9012740599.html,/ipromiseu/archive/2010/10/11/5934064.aspx

作者 Gray Luo(guohui.great@https://www.sodocs.net/doc/9012740599.html,)

由于某些sensor并未提供图像属性调节功能，而仅提供了gamma曲线的调节，我们可以适当调节gamma曲线，以达到对这些参数的适当调整。

一. 何为Gamma曲线：（资料来源于网络）

伽玛校正(Gamma Correction),对图象的伽玛曲线进行编辑，以对图象进行非线性色调编辑的方法。

(Gamma Correction，伽玛校正）：所谓伽玛校正就是对图像的伽玛曲线进行编辑，以对图像进行非线性色调编辑的方法，检出图像信号中的深色部分和浅色部分，并使两者比例增大，从而提高图像对比度效果。计算机绘图领域惯以此屏幕输出电压与对应亮度的转换关系曲线，称为伽玛曲线（Gamma Curve）。以传统CRT（Cathode Ray Tube）屏幕的特性而言，该曲线通常是一个乘幂函数，

Y=(X+e)γ，其中，Y为亮度、X为输出电压、e为补偿系数、乘幂值（γ）为伽玛值，改变乘幂值（γ）的大小，就能改变CRT的伽玛曲线。典型的Gamma值是0.45，它会使CRT的影像亮度呈现线性。使用CRT的电视机等显示器屏幕，由于对于输入信号的发光灰度，不是线性函数，而是指数函数，因此必需校正。

在电视和图形监视器中，显像管发生的电子束及其生成的图像亮度并不是随显像管的输入电压线性变化，电子流与输入电压相比是按照指数曲线变化的，输入电压的指数要大于电子束的指数。这说明暗区的信号要比实际情况更暗，而亮区要比实际情况更高。所以，要重现摄像机拍摄的画面，电视和监视器必须进行伽玛

补偿。这种伽玛校正也可以由摄像机完成。我们对整个电视系统进行伽玛补偿的目的，是使摄像机根据入射光亮度与显像管的亮度对称而产生的输出信号，所以应对图像信号引入一个相反的非线性失真，即与电视系统的伽玛曲线对应的摄像机伽玛曲线，它的值应为1/γ，我们称为摄像机的伽玛值。电视系统的伽玛值约为2.2，所以电视系统的摄像机非线性补偿伽玛值为0.45。彩色显像管的伽玛值为2.8，它的图像信号校正指数应为1/2.8＝0.35，但由于显像管内外杂散光的影响，重现图像的对比度和饱和度均有所降低，所以现在的彩色摄像机的伽玛值仍多采用0.45。在实际应用中，我们可以根据实际情况在一定范围内调整伽玛值，以获得最佳效果。

请参考：https://www.sodocs.net/doc/9012740599.html,/wiki/Gamma_correction

二. 本篇中Gamma角色

本篇中Gamma并不用来对图像的整体色彩单边的加亮或者变暗，而是用它来对图像的对比度进行调节，所以当我们要让对比度增加的时候，需要使亮的地方更亮，暗的地方更暗；而要让对比度减小的时候，需要使亮的地方变暗一些，暗的地方亮一些；当然图像的总体色彩是不能变化的，而且这个调节不能幅度过大，调节的值需要围绕sensor的默认曲线，且曲线的趋势不能改变，在这些条件的基础上尝试一些值，以画出平滑的，色彩正常的图像Gamma曲线。而这里我们采用最简单的方法，使用excel的图表功能来尝试一些数据，以画出一些曲线，最终使用这些曲线值来设置sensor相应寄存器以达到对其图像的对比度的调节。如果你对gamma曲线的功能还不是很了解，你可以使用photoshop或者GIMP的图像曲线工具，对一张图片进行色彩调节来看一下它究竟是个什么玩意。

三. 利用gamma曲线调节对比度方法

1. excel的图表功能不熟悉的同学，先去google学习一下。

2. 先使用sensor的默认值画出一条这个sensor的默认gamma曲线，一般为一个对数曲线。

3. 由于gamma值为0~255，所以我们鉴定128为图像的明暗分界线，当然这只是假设，实际并没有严格的分界。如果我们要增加对比度，则需要调低默认曲线值低于128的点的值，调高默认曲线值高于128的点的值；要减小对比度，则需要调高默认曲线值低于128的点的值，调低默认曲线值高于128的点的值。这就是本文的关键。

4. 比如，增加对比度：

5. 减小对比度：

与增加相反

四. 利用gamma曲线调节亮度方法

方法其实跟上面一样，只不过曲线的趋势不一样而以，这个亮度变化的曲线其实效果与gamma默认曲线的趋势一致。这里就不累述了。

五. 后记

本文内容仅本人个人见解，可能有不对的地方，希望广大朋友可以批评指导。

gamma调试简要步骤与注意事项

Gamma调试简单操作说明： 1，连接好工具。 先在这里选择COM port 115200连接 如果是智能方案，工厂菜单连接好工具后会出现此标志 2，然后用I2C串口形式，并按下stop停止IC运行。 如果用USB连接，选择I2C(usb) 3，点击菜单栏的View，选择下拉栏中的Direct Vidio Adjustment选项，在弹出的快捷菜单中（get Device ID）选择OK. 图三

4,进入多项调试，见下图。在这里可以调试GAMMA、颜色矩阵、FCC、DLC、NR、清晰度等等，如果要调试GAMMA就在图四所标上方选择GAMMA项。注意红色标记位，后面有具体说明 图四 5，先在图四选择此工具框中右方的Read按钮，在All(RGB)选中下点击右方的Read按钮。这个时候左边的RGB三色曲线图就是调试平台的GAMMA曲线。 6，再按一下Sync按钮同步，然后选择Write按钮，在All(RGB)选中下点击右方

的Write按钮。后面修改GAMMA后都要在All(RGB)选中下按Write按钮，把改变后的GAMMA值写入屏中。 7，这个时候选择图四中上部按钮Value Report, 8,进入此页面后，选择红色圈起来的选项，图八

图八 9，在图八框中方格画面点击鼠标，出现有颜色的点，同时会在调试的屏上出现十字标号。灰阶先定点16灰阶调，调好后，再去定32灰阶，微调32灰阶。如果只是有几阶色温值变化大或者颜色偏离大，或者亮度梯变大，就选择不好的那几阶对应着定点去调。注意：100%白场即第255灰阶在屏无异常时定好点后不再调动。 点击此处G 健，可以回到图四界面。

图像的后处理

图像后处理技术 DSP的重要功能在于进行数字图像处理。本装置的图像处理功能包括前处理和后处理，其中前处理分为采样处理（最大值采样、峰值偏差采样、点采样），失径平滑，图像的数字勾边及帧相关处理。而后处理包括有线性插值，H平滑，灰度窗口处理及 校正。 （图像处理功能示意图） 图像的前处理是沿着失径扫描线对数据进行处理的，它不可避免的要受到扫描方式的限制，因而处理功能比较简单。而图像后处理是在经过扫描变换以后的具有标准电视扫描方式的图像上进行处理，因而处理的功能就比较强。可加入的数字图像的内容也比较繁多，它可以将图像送往计算机中进行各种图像运算和处理，但对于实时动态显示的图像，为了满足实时的需要，目前本装置只加入了比较实用的对图像具有一定效果的处理功能。 1．图像的线性插补处理 目前在实时超声扇形扫描仪中数字扫描变换（DSC）已成为不可缺少的部分。这是由于它既可以使用标准显示和记录装置，也可以在图像上叠加别的信息，进行各种冻结方式的处理，并能灵活地，实时地显示多幅图像。然而经过数字扫描变换以后使图像产生了失真，这是将图像由原来的失径扫描经数字扫描变换转换成直角扫描所具有的固有缺陷，最具有代表性的是“云纹斑”（Morie）畸变的出现，显示过密或出现空缺。 1）云纹斑出现的机理 数字扫描转换的像素地址逻辑单元将每一点的极坐标转换成直角坐标，仔细地考虑这一坐标转换过程不难发现，每一采样点在空间的实际位置一般说来不会和显示点准确对应起来。由于在写入存储器时这种地址必须首先进行转换，将其空间地址转换到与实际位置最接近的存储单元。即像素地址首先由极坐标转换直角坐标，此时的直角坐标为地址数字化到最接近的一个像素地址，因而使得扇形图像的进场区域在两条相邻的扫描线上的部分数据采样点会被写在相同的像素地址单元中，即发生重写而造成显示过密。其次随着两条相邻扫描线离探头距离的增加其间隙也所之变大，这样两条扫描线之间某些像素不会被采样，从而形成“黑洞”，云纹斑正是这种预料中未采样的“黑洞”云集

视频会议视频调试技术与技巧

视频会议视频调试技术与技巧 视频会议是图像、声音的有机结合，为了获得理想的效果，必须按照操作规程做好前期的准备和调试工作。在实际应用中还有许多不尽人意的地方，主要表现在参数设置和实际操作等方面。如何做到心中有数、得心应手?本文就相关技术问题进行探讨，提出不同的解决方法和应用技巧。在视频调试过程中，常见的问题是图像无彩色和图像偏色。对于图像无彩色现象，可通过会议终端控制软件中的参数设置来加以解决;对于图像偏色现象，要通过白 视频会议是图像、声音的有机结合，为了获得理想的效果，必须按照操作规程做好前期的准备和调试工作。在实际应用中还有许多不尽人意的地方，主要表现在参数设置和实际操作等方面。如何做到心中有数、得心应手?本文就相关技术问题进行探讨，提出不同的解决方法和应用技巧。 在视频调试过程中，常见的问题是图像无彩色和图像偏色。对于图像无彩色现象，可通过会议终端控制软件中的参数设置来加以解决;对于图像偏色现象，要通过白平衡调整来校正因光源的色温变化而引起的图像偏色。会场中应避免使用混合光(室内照明光源、室外阳光的直射和散射)作为照明光源，不同色温的光源混合使用，将得不到理想的色彩还原，因此要尽量避免在会场中存在两种以上不同色温的光源。若使用视频会议摄像机，可通过重启的方法加以排除;若使用专业摄像机，可通过白平衡调整来加以解决，具体方法是：根据会场照明光源的色温选择合适的色温滤色片，采用自动白平衡调整，以保证准确的色彩还原。 在召开会议期间，要显示各地分会场的画面，若分会场采用“推”、“拉”、“摇”技巧来拍摄，存在问题的具体表现为运动画面不连贯、运动速度不均匀、落幅画面不到位。“推”是把视线逐渐接近被摄对象，由整体引向局部，突出整体中的某一部分;“拉”是由局部引向整体，说明某一局部所处的环境;“摇”分为左摇和右摇。“推”和“拉”是在同一镜头内包含有特写、近景、中景、全景画面，强调落幅，因此落幅的画面构图尤其重要，这是衡量画面是否到位的标准。不论采用哪种拍摄技巧，都要确保画面的稳定性和连续性，都要以稳定的画面作为起幅，并以稳定的画面作为落幅，并要有足够长的时间来保证画面的相对静止，这是人们心理要求和镜头组接所需要的。无目的地急推、急拉、突然变速、中途停止等，都会使观众造成视觉感受异常和动荡不安的感觉，其主要原因是操作失误和画面延滞效应所造成的。 对于采用会议终端控制软件进行控制的，要采用手动方式进行。比如，若要进行“推”(或拉)的动作，先构好落幅的画面，然后“拉”(或推)到全景，当总控室切换到本端的画面后，再按下鼠标，在落幅处松开鼠标;若要进行“摇”的动作，先构好落幅的画面，当总控室切换到本端的画面后，再按下鼠标进行左摇或右摇，在落幅处松开鼠标。但在实际操作中，由于摄像机的机位所限制，“摇”动作的落幅画面不太理想。对于采用专业摄像机控制的，要采用电动变焦方式进行，按下T(推)或W(拉)即可完成所需要的拍摄技巧。由于按压变焦钮

效果调试之GAMMA篇

效果调试之GAMMA篇 很久以前就想写点人家说的所谓心得，但一直不敢下手，因为我自己还没上手，还在摸索阶段，深怕一不小心就“误人子弟”。最近深圳的唯冠、上海的东杰，对白平衡要求特别高，再加上一点别的刺激，突然觉悟，有些东西是没办法等你完全搞清楚是怎么回事才去做。我就把我懂的先做个总结，错了以后再改，也欢迎各位来挑错共同学习进步。 调效果最关键的一个环节就是GAMMA，这三根曲线若拉得好的话，可以说别的都不用怎样调了。 MST指导文档是这样写的：Gamma在LCD Panel上除了起还原亮度信号的线性外，还可矫正Panel色温，绝大部分Panel都有Gamma Buffer，而且都做得比较好，我们可以通过测量Panel的色温确认我们是否需要通过Gamma去校正Panel色温，测量方法：用芯片test pattern产生32阶灰阶，测量5NIT 以上亮度 1、如果我们测量到最低色温值和最高色温值相差大于10000，那我们就需要进行调试矫正panel 色温，调试中请注意：调节gamma时，选择一个色坐标进行调节，最好要与屏最亮时的色温接近，一般屏最亮时的色温为屏最低色温； 2、如果我们测量到最低色温值和最高色温值相差小于10000，就可以认为panel本身的Gamma基本可以，我们的gamma就可以给一条RGB重叠曲线，这时这条Gamma主要起提高Panel 景深的作用； 按上面这样说首先我们要把背光打到最亮，亮度、对比度都打到最大，借用CA210测一下屏本身的色温，当测量到是低色温值和最高色值相差小于10000时，可以采用大小S 曲线。至于用大S还是小S就要看屏本身了，把GAMMA关掉看下测试暗场、白场的那些图片，若暗场底噪太大，白场不会饱和，可以采用大S；反之，采用小S。这种方法是在那些没什么仪器，什么都靠眼测的客户比较适用。 若很不幸你调的屏刚好是第一种情况，需要进行调试矫正PANEL色温的，而且客户又有仪器测试，这时就只能借用CA210和MST的GAMMA TOOL生成三根不同的GAMMA 曲线。 首先连接好设备如下图：

基于matlab 的gamma校正

基于matlab 的gamma校正 一、gamma校正的原理 其原始图像产生了失真，失真程度有具体系统的gamma值决定，通过相应的软件对图像数据进行预补偿，再送入CRT 显示。 二、分析 原图如下： I=imread('aaa.jpg'); subplot(2,2,1); imshow(I); title('aaa'); [m,n,k]=size(I); r=zeros(m,n,k,'uint8'); gama=0.8; p=255/255^(gama);p=(1/p)^(1/gama); for i=1:m for j=1:n for l=1:k r(i,j,l)=floor(p*double(I(i,j,l))^(1/gama)); end end end

subplot(2,2,2); imshow(r); title('gama=0.8'); gama=0.6; p=255/255^(gama);p=(1/p)^(1/gama); for i=1:m for j=1:n for l=1:k r(i,j,l)=floor(p*double(I(i,j,l))^(1/gama)); end end end subplot(2,2,3); imshow(r); title('gama=0.6'); gama=0.4; p=255/255^(gama);p=(1/p)^(1/gama); for i=1:m for j=1:n for l=1:k r(i,j,l)=floor(p*double(I(i,j,l))^(1/gama)); end end end subplot(2,2,4); imshow(r); title('gama=0.4');

Gamma校正

Gamma校正 一、历史的巧合 在早期介绍Gamma校正的文章中都是这样说的：由于CRT显示器响应曲线的非线性关系，即亮度与输入电压呈指数为2.2的幂函数关系,如下图中实线所示。如果直接將相机或摄像机采集到的线性图像输入，图像就会被压得很暗，因此就需要对输入图像做一个与CRT响应曲线相反的校正如下图中虚线所示，將图像提亮,使输出与原图保持一致，

这就是图像的Gamma校正，Gamma值为2.2。这种说法在很长一段时间内被视为对Gamma校正的经典解释。 现在的显示器大多数用的是LCD，这种显示器已不具备CRT这样的特性，应该说可以不需要或者是用另外的参数来做Gamma校正。但是生产厂商还是通过硬件或软件方法使其保持有Gamma=2.2响应曲线，也就是说输入图像仍然需要做2.2的Gamma校正。这是为什么呢？原来输入图像的Gamma校正不仅是为了补偿CRT的响应曲线，更重要的是能真实反映人眼对亮度感知的特性和合理分配8位图像的阶值。这个美妙的历史巧合一直延续至今。但是现在CRT显示器已被淘汰，再沿用这样的解释就会引起更多的混乱与矛盾，因此有必要回归到Gamma 校正的真实意图。 二、人眼视觉与中灰色 人眼对亮度的感知是非线性的，也就是感知与亮度的增加不是成正比的，在一个小黑屋中，当点燃第一支蜡烛时会感受到亮度有很大提高，如果已经点燃了100支蜡烛，再点燃第101支蜡烛时感觉到亮度的变化是很微小，尽管第101支蜡烛与第一支蜡烛对亮度的贡献是相同的。总量为A，变化量为ΔA，人的感觉取决于ΔA／A，而不是ΔA。相同的ΔA，总量越小感觉越明显，也就是在较暗的环境下对亮度的变化更为敏感。因此在从黑色到白色线性分佈的色板中，人眼感知到的中灰色不在色板中间，而是在物理亮度为白色的20%左右的地方，如下图所示。所以摄影用的灰卡称为18%灰，即为白卡18%反射率。

遥感影像的分类处理

摘要 在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像分类思想的关键环节展开讨论和研究，(1) 采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行分割。构建了基于高斯尺度金字塔的多尺度视觉单词，并且通过实验证明其表达能力优于经典的词包表示。最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而完成影像的分类。 近些年来，随着航空航天平台与传感器技术的高速发展，获取的遥感影像的分辨率越来越高。高分辨率遥感影像在各行业部门的应用也越来越广泛，除了传统的国土资源、地质调查和测绘测量等部门，还涉及到城市规划、交通旅游和环境生态等领域，极大地拓展了遥感影像的应用范围。因此，对高分辨率遥感影像的处理分析成为备受关注的领域之一。高分辨率遥感影像包括以下三种形式：高空间分辨率（获取影像的空间分辨率从以前的几十米提高到1 至5 米，甚至更高）；高光谱分辨率（电磁波谱被不断细分，获取遥感数据的波段数从几十个到数百个）；高时间分辨率（遥感卫星的回访周期不断缩短，在部分区域甚至可以连续观测）。本文所要研究的高分辨率遥感影像均是指“高空间分辨率”影像。 相对于中低分辨率的遥感数据，高空间分辨率遥感影像具有更加丰富的空间结构、几何纹理及拓扑关系等信息，对认知地物目标的属性特征更加方便，如光谱、形状、纹理、结构和层次等。另外，高分辨率遥感影像有效减弱了混合像元的影响，并且能够在较小的空间尺度下反映地物特征的细节变化，为实现更高精度的地物识别和分类提供了可能。 然而，传统的遥感影像分析方法主要基于“像元”进行，它处于图像工程中的“图像处理”阶段（见图1-1），已然不能满足当今遥感数据发展的需求。基于“像元”的高分辨率遥感影像分类更多地依赖光谱特征，而忽视影像的纹理、形状、上下文和结构等重要的空间特征，因此，分类结果会产生很严重的“椒盐(salt and pepper)现象”，从而影响到分类的精度。虽然国内外的很多研究人员针对以上缺陷提出了很多新的方法，如支持向量机(Support Vector Machine，SVM) 、纹理聚类、分层聚类(Hierarchical Clustering) 、神经网络(Neural Network, NN)等，但仅依靠光谱特征的基于像元的方法很难取得更好的分类结果。基于“像元”的传统分类方法还有着另一个局限：无法很好的描述和应用地物目标的尺度特征，而多尺度特征正是遥感信息的基本属性之一。由于在不同的空间尺度上，同样的地表空间格局与过程会表现出明显的差异，因此，在单一尺度下对遥感影像进行分析和识别是不全面的。为了得到更好的分类结果，需要充分考虑多尺度特征。 针对以上问题，面向对象的处理方法应运而生，并且逐渐成为高空间分辨率遥感影像分析和识别的新途径。所谓“面向对象”，即影像分析的最小单元不再是传统的单个像元，而是由特定像元组成的有意义的同质区域，也即“对象”；因此，在对影像分析和识别的过程

色彩配对与GAMMA值校正

我们在处理RGB的图像时经常遭遇到一个非常令人讨厌的问题，那就是色彩的准确度问题。RGB 的图像往往会因为搭配的硬件有所不同而出现不一致的结果。所以经常出现的问题就是--在某一操作平台所制作的图像到了另外一台机器上看就不是那么回事了。例如，一张在 PC 上制作出的杰作移到了MAC上浏览就变得灰灰白白的甚至有点褪色的样子。 这个问题是因为并非所有的显示器都是一个样的，常常会因为显示器摆放位置周围的以及亮度的调整值不同而无法一致。但是RGB 各数值与实际屏幕屏幕上所显示的色彩几乎是一模一样的。例如当我们将红色频设置为 200 时，理论上应该就会比红色频设置为 100 时看来明亮 2 倍，但实际上并非如此。而实际影响这种结果的因素，我们称他为gamma。每一台电脑的 gamma 值都不尽相同，因此即使某一个色彩能够吻合，但是其余的色彩却？有办法对应。 色彩管理对于许多电脑周边设备来说也是一道难题。例如在MAC上所使用的是一种叫做图像处理软件--ColorSync 的？建式色彩配对系统，而数码相机、扫描仪和打印机所使用的色彩管理系统则是--Pantone Matching System，它会直接将色彩原封不动的传到这些硬件上。那么在网页上的图像又该如何做色彩管理呢？这恐怕难度更高了，这是和每个使用者的所使用的显示器设置有关。不过倒也不是没有办法，你可以试试 gamma 校正的方式。你可以将特定的 gamma 值放入图像中，那么当使用者打开图像的时候，使用者所安装的相关工具就可以完成对 gamma 值的校正，并且调整使用者的显示器色彩曲线，使得完整的原始图像能够准确地表现出来。 但是非常遗憾的是目前最欢迎迎且流通最广泛的图像格式并不支持 gamma 值的校正。可以预见的是在网络非常发达的今天，使用者对于网络上视觉所见的每个物品的真实度的要求只会越来越迫切。特？是对于某些从网上服装、化妆品以及艺术品销售的公司来说，色彩的表现是否适当而准确更是非常重要的一个课题。或许Portable Network Graphics (PNG)格式的出现正好可以加速解决色彩管理的迫切需要。W3C 在 1996 年确定并发表了最终版的PNG 规格，但是直到最近浏览器和图像处理软件才开始支持PNG 的规格。 点阵家族与矢量家族 在一台电脑的屏幕上，图像不过只是各种颜色像素 (pixel) 的集合而已。有些类型的图像文件即是以一个个的像素来纪录。这种类型的图像就叫做点阵图像，你只能通过点阵图像的编辑软件来修改图像像素。 Photoshop 和 Paint Shop Pro 是目前两个最受欢迎的点阵图像编辑软件。 矢量图像是通过叙述的方式来纪录一张图像，也就是数一张图像是经过许多不同形状的几何图形所拼？而成的。这些几何图形可以被转换成点阵图像然后显示在电脑屏幕上。矢量图像比较容易被修改，因为它的每一个物体都可以独立移动、放大缩小、旋转或者删除。像PostScript 就是印刷业中最受欢迎的矢量格式，而 Macromedia 的 Flash 所做的文件则是在网络上最接近标准的矢量格式。为了让它成为广为业界所使用的标准，Macromedia 在

遥感图像分类后处理

遥感图像分类后处理 一、实验目的与要求 监督分类和决策树分类等分类方法得到的一般是初步结果，难于达到最终的应用目的。 因此，需要对初步的分类结果进行一些处理，才能得到满足需求的分类结果，这些处理过程就通常称为分类后处理。常用分类后处理通常包括：更改分类颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。 本课程将以几种常见的分类后处理操作为例，学习分类后处理工具。 二、实验内容与方法 1.实验内容 1.小斑块去除 ●Majority和Minority分析 ●聚类处理（Clump） ●过滤处理（Sieve） 2.分类统计 3.分类叠加 4.分类结果转矢量 5.ENVI Classic分类后处理 ●浏览结果 ●局部修改 ●更改类别颜色 6.精度评价 1.实验方法 在ENVI 5.x中，分类后处理的工具主要位于Toolbox/Classification/Post Classification/；

三、实验设备与材料 1.实验设备 装有ENVI 5.1的计算机 2.实验材料 以ENVI自带数据"can_tmr.img"的分类结果"can_tmr_class.dat"为例。数据位于"...\13数据\"。其他数据描述： ?can_tmr.img ——原始数据 ?can_tmr_验证.roi ——精度评价时用到的验证ROI 四、实验步骤 1.小斑块去除 应用监督分类或者非监督分类以及决策树分类，分类结果中不可避免地会产生一些面 积很小的图斑。无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除或重新分类，目前常用的方法有Majority/Minority分析、聚类处理（clump）和过滤处理（Sieve）。 1)Majority和Minority分析 Majority/Minority分析采用类似于卷积滤波的方法将较大类别中的虚假像元归到该 类中，定义一个变换核尺寸，主要分析（Majority Analysis）用变换核中占主要地位（像元数最多）的像元类别代替中心像元的类别。如果使用次要分析（Minority Analysis），将用变换核中占次要地位的像元的类别代替中心像元的类别。 下面介绍详细操作流程： （1）打开分类结果——"\12.分类后处理\数据\can_tmr_class.dat"； （2）打开Majority/Minority分析工具，路径为Toolbox /Classification/Post Classification/Majority/Minority Analysis，在弹出对话框中选择"can_tmr_class.dat"，点击OK； （3）在Majority/Minority Parameters面板中，点击Select All Items选中所有的类别，其他参数按照默认即可，如下图所示。然后点击Choose按钮设置输出路径，点击OK执行操作。

伽玛校正及其重要性

正确理解伽玛校正及其重要性 随着有源矩阵快速发展，薄膜晶体管液晶显示器(TFT-LCD)市场已重新定义无数人的生活、工作和娱乐方式。从高清(HD)电视到桌面、笔记本和计算机，从智能手机到汽车信息娱乐系统，TFT-LCD以这样或那样的方式无处不在。 尽管电视厂商一般不以"伽玛"本身作为卖点，但这一术语自阴极射线管(CRT)电视时代便已存在，并且仍是目前TFT-LCD的重要幕后特征。 就现代LCD电视而言，伽玛技术将清晰度提高到较新水平。每个LCD电视厂商必须在开发过程中的某个点重视伽玛。否则，他们可以有世界上绝对最好的显示屏技术，却因为不能准确重建图像而没人买他们的显示屏。这里所说的"不准确" 指色彩表现和光强度，远达不到准确还原/重建源图像应有的水平。 那么，电视中这种神秘的所谓"伽玛"是什么呢?它与许多放射性衰变相关的高能"伽玛辐射"不是一回事。首先，我们简要讨论伽玛在CRT电视系统中含义。然后，说明其如何向TFT-LCD电视系统转化，以及为什么我们应该或需要了解这一技术。 伽玛与CRT电视 CRT电视工作时，采用电子束轰击屏幕上的磷光质涂层。通过相应的电子束扫描，轰击这些磷光体可在屏幕上"描绘"图像。电子枪所加控制电压与屏幕产生光强度之间的关系本质上是非线性的，近似于一阶方式幂律方程(表示为Y(x)=x a)，称为CRT伽玛响应。 人眼对光强，即"亮度"，具有本能的非线性敏感(光感)。眼睛对较低灰度(较暗)光亮的变化最敏感。眼睛的这种自然响应与CRT相反的固有响应非常相近。这是一个意外、却非常有用的副作用，通过对源数据进行单一校正可补偿系统非线性，使眼睛感受到一致的亮度变化。 源数据编码方式必须考虑CRT响应和眼睛已知亮度响应。摄像机按视频信号红、绿、蓝颜色分量(RGB)进行伽玛校正，视频需要以摄像系统读取亮度变化类似于人眼读取的相同方式编码。由于CRT响应与此相反，因此光强度的感觉是线性的。伽玛校正还具有其他优点，如降低视频信号噪声，提高低电平有效分辨率(这两个因素关系到生成效果的一致性)。 在幂律方程中，对于给定系统来说，亮度(简单地)等于施加的电子枪电压提高到某一乘幂。这个幂是伽玛系数(γ)，这个公式近似定义了CRT的整体转换函数。一般情况下，典型CRT伽玛应为2.2至2.5。伽玛系数越高，图像对比度越大，而且增加了黑暗部分的深度(因为低电平分辨率加大)。伽玛系越小，会使图像显得模糊或单调(因为低电平分辨率下降)。 伽玛响应为1.0的系统视为线性，但从各种原因角度看并非都有利。最关键的是，不能还原颜色和对比度感觉正确的伽玛校正图像。 总之，伽玛校正为系统伽玛响应进行必要补偿，保证(至少接近)摄像机摄入的亮度与CRT电视显示的相同，使眼睛看到正确的图像效果，图1。

《数字图像处理》复习大作业及答案

2014年上学期《数字图像处理》复习大作业及参考答案 ===================================================== 一、选择题（共20题） 1、采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对如下哪一类图像进行增 强。（B） A 图像整体偏暗 B 图像整体偏亮 C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景 2、图像灰度方差说明了图像哪一个属性。（B ） A 平均灰度 B 图像对比度 C 图像整体亮度D图像细节 3、计算机显示器主要采用哪一种彩色模型（ A ） A、RGB B、CMY或CMYK C、HSI D、HSV 4、采用模板［-1 1］T主要检测（ A ）方向的边缘。 A.水平 B.45? C.垂直 D.135? 5、下列算法中属于图象锐化处理的是：( C ) A.低通滤波 B.加权平均法 C.高通滤波 D. 中值滤波 6、维纳滤波器通常用于（ C ） A、去噪 B、减小图像动态范围 C、复原图像 D、平滑图像 7、彩色图像增强时， C 处理可以采用RGB彩色模型。 A. 直方图均衡化 B. 同态滤波 C. 加权均值滤波 D. 中值滤波 8、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。 A. 逆滤波 B. 维纳滤波 C. 约束最小二乘滤波 D. 同态滤波 9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以 便引入一些低频分量。这样的滤波器叫B。 A. 巴特沃斯高通滤波器 B. 高频提升滤波器 C. 高频加强滤波器 D. 理想高通滤波器 10、图象与灰度直方图间的对应关系是 B __ A.一一对应 B.多对一 C.一对多 D.都不 11、下列算法中属于图象锐化处理的是：C A.低通滤波 B.加权平均法 C.高通滤 D. 中值滤波 12、一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：( A ) A、256K B、512K C、1M C、2M 13、噪声有以下某一种特性（ D ） A、只含有高频分量 B、其频率总覆盖整个频谱 C、等宽的频率间隔内有相同的能量 D、总有一定的随机性 14. 利用直方图取单阈值方法进行图像分割时：（B） a.图像中应仅有一个目标 b.图像直方图应有两个峰 c.图像中目标和背景应一样大 d. 图像中目标灰度应比背景大 15. 在单变量变换增强中，最容易让人感到图像内容发生变化的是（ C ）

视频图像质量诊断系统综合方案(DOC 30页)

视频图像质量诊断系统综合方案 ?图像模糊检测 ?图像亮度异常诊断 ?图像偏色检测 ?图像雪花滚屏等噪声检测 ?球机或云台操控失灵检测 ?画面冻结与信号缺失检测 ?基于网络浏览器的远程查询与管理 ?诊断结果统计分析 ?报表自动生成与导出 ?适用于模拟和数字系统 北京世纪东方国铁科技股份有限公司

目录 一、系统综述 (2) 1.1、现状描述 (3) 1.2、需求分析 (3) 1.3、系统目标 (3) 二、系统总体方案设计 (5) 2.1、设计原则 (5) 2.2、系统结构 (5) 2.3、模块设计 (6) 2.4、功能定义 (7) 2.5、核心技术 (8) 2.6、系统特点 (10) 2.7、前端软件系统 (12) 2.7.1、总体介绍 (12) 2.7.2、系统设置 (13) 2.7.3、参数设置 (17) 2.8、后端管理系统 (19) 2.8.1、用户登录 (19) 2.8.2、诊断记录查询 (19) 2.8.3、统计分析 (20) 2.8.4、报表导出和打印 (22) 2.8.5、摄像头信息设置 (23) 2.8.6、系统管理 (24) 2.9、安全保障体系设计 (26) 2.10、产品优势 (26) 三、性能参数 (28) 3.1、总体性能指标 (28) 3.2、硬件配置 (28) 一、系统综述 监控摄像机数量的不断增加，监控的时间不断延长，推动了平安城市建设的发展，也给监

控系统的维护工作带来了新的挑战。如何及时了解前端视频设备的运行情况，发现故障并检测恶意遮挡与破坏的不法行为已成为视频监控系统运行的首要迫切问题。 1.1、现状描述 前端摄像头的故障分析与日常维护因监控系统的不断扩大而日益受到人们重视，从现在普遍出现的摄像头故障类型来看，影响视频监控系统视频质量的因素有很多，主要概括来说有以下几点： ?首先是摄像机的设置不当或器件老化失效造成，包含摄像机的分辨率、摄像机对光照的灵敏度、镜头聚焦调整、色彩校正无不涉及其中。 ?其次，大型监控网络中视频信号必须通过长距离电缆传输、多级矩阵切换以及多级网络转发，电源、控制器等多种干扰信号可能对视频信号产生强烈的干扰，线路老化、接头松动等现场环境的变化可能带来视频噪声。 ?另外，很多治安监控系统的特点是大量使用PTZ球机，长期的运动变焦有可能让部分球机发生方向错误、不可控等故障。为了确保所有的视频输入设备正常工作，视频图像录而可用，就需要随时检查和分析视频质量和球机运行状态。 1.2、需求分析 目前来说，视频监控系统的维护工作一般是由人工完成的。维护人员在中心监控室，通过模拟矩阵或数字视频流媒体服务器将远端视频调出到监视屏中，人工判断每路视频的质量，并将有问题的视频记录到维护报表中。这项工作十分耗时繁重，因此一般维护工作会以半月或一月为周期定期检查，视频故障只能在检测的时候才能发现。 由于监视屏数量有限，维护人员往往在一个监视屏同时监看多台摄像机或随机抽取摄像头显示，造成部分监控点被漏看或被忽视；另外，维护人员存在一定的不稳定性、随意性和局限性，加上人的注意力有限、容易疲劳，会被其他事物干扰，使得这样的人工检查结果也不具客观性。这种人工维护工作不仅费时费力，而且效果不好，视频信号在出现不同的常见故障后，往往不能及时地被维护人员发现，一旦发生紧急情况，再想补救已经来不及。 1.3、系统目标 自主研发的视频质量诊断系统主要应用在视频监控系统的控制中心，通过轮询的方式对各路模拟或数字视频信号进行自动检测，利用先进的机器学习和计算机视觉技术，仿真人类的视

GAMMA曲线调整

关于gamma矫正的共享内容 1.前言。 2.Gamma问题的产生。 3.基本知识的准备（色温、色域xy值、白平衡）。 4.Gamma矫正对主观效果有何影响。 5.Gamma曲线的测量。 6.Gamma曲线形态的解读。 7.Gamma矫正的原理以及实现。 8.电视机确定效果参数的一般步骤。 一、前言。 Gamma矫正是显示设备根据主要显示器件本身的特性改善整体显示效果的重要技术，我们较早的机型曾经实现过Gamma矫正曲线现场可调节并记忆，但由于我们当时大量使用的LG屏内部含有Gamma矫正电路使其GAMMA性能较好，在后来的一段时间内我们很少调整Gamma参数，由于广辉屏和NEC等屏的选用导致对Gamma软件矫正需求加强，我们才意识到，实际上这些地方有一些方法可以改善图像细节和色彩的效果。听说Gamma矫正效果的调节是日系彩电色彩和细节表现效果好的一个重要原因。 二、Gamma问题的产生。 对于显示设备，输入的信号将在屏幕上产生三种亮度输出，但是显示设备的亮度与输入的信号不成正比，存在一种失真，如果输入的是黑白图像信号，这种失真将使被显示的图像的中间调偏暗，从而使图像的整体比原始场景偏暗，如果输入的是彩色图像信号，这种失真除了使显示的图像偏暗以外，还会使显示的图像的色彩发生偏移。gamma就是这种失真的度量参数。对于CRT显示器，无论什么品牌的，由于其物理原理的一致性，其gamma值的趋势几乎是一个常量，为2.5。（注意，gamma＝1.0时不存在失真），由于存在gamma失真，输入的信号所代表的图像，在屏幕上显示时比原始图像暗。如下图所示。

（RGB）Gamma1.0时的128阶现象 （RGB）Gamma2.5时的128阶现象 下面是2.2Gamma曲线的示意图： 上图为一典型显示设备的Gamma 曲线非常接近指数函数（注意上图中输入值为数字化的，即通常的RGB值），归一化后我们通常可以用一个简单的函数表达：Output=Input^Gamma。 Gamma 就是指数函数中的幂。 注意上图曲线的一些特性： * 端点是不变的，即不管gamma值如何变化，0对应的输出始终是0，1的输出始终是1（这一特性会被用到）。这可能是gamma又被叫作“灰度”系数的原因吧。 * gamma > 1时，曲线在gamma=1斜线的下方；反之则在上方。 上面对Gamma 的原理已经阐述了，下面对Gamma的概念做一下明确（有可能越明确越糊涂：）） gamma概念的第一演化（系统gamma和显示设备gamma） 由于存在显示失真，这样的图像不能应用，所以需要校正这种失真。上文讲到，对于显示设备来说，gamma值是常量，不可改变，所以校正过程就只能针对输入的图像信号了。这种校正就是将正常的图像电压信号向显示器失真的相反方向去调整，既然失真使图像的中间调变暗，那么在图像电压信号输入到显示器之前，先将该电压信号的中间调调亮，然后再输入到显示器，这样就可以抵消显示器的失真了，如图所示。

遥感图像的分类

实验四遥感图像分类 一、背景知识 图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。常规计算机图像分类主要有两种方法：非监督分类与监督分类，本实验将依次介绍这两种分类方法。 非监督分类运用ISODATA（Iterative Self-Organizing Data Analysis Technique)算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。使用该方法时，原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。 监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要经过以下几个步骤：建立模板(训练样本)分类特征统计、栅格矢量转换、评价模板、确定初步分类图、检验分类结果、分类后处理。由于基本的非监督分类属于IMAGINE Essentials级产品功能，但在IMAGINE Professional级产品中有一定的功能扩展，非监督分类命令分别出现在Data Preparation菜单和Classification菜单中，而监督分类命令仅出现在Classification菜单中。

envi遥感图像监督分类

envi遥感图像监督分类 监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。 遥感影像的监督分类一般包括以下6个步骤，如下图所示： 详细操作步骤 第一步：类别定义/特征判别 根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。

启动ENVI5.1，打开待分类数据：can_tmr.img。以R:TM Band 5，G: TM Band 4，B：TM Band 3波段组合显示。 通过目视可分辨六类地物：林地、草地/灌木、耕地、裸地、沙地、其他六类。 第二步：样本选择 （1）在图层管理器Layer Manager中，can_tmr.img图层上右键，选择"New Region Of Interest"，打开Region of Interest (ROI) Tool面板，下面学习利用选择样本。 1）在Region of Interest (ROI) Tool面板上，设置以下参数： ROI Name：林地 ROI Color： 2）默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择Complete and Accept Polygon，完成一个多边形样本的选择； 3）同样方法，在图像别的区域绘制其他样本，样本尽量均匀分布在整个图像上； 4）这样就为林地选好了训练样本。 注：1、如果要对某个样本进行编辑，可将鼠标移到样本上点击右键，选择Edit record是修改样本，点击Delete record是删除样本。 2、一个样本ROI里面可以包含n个多边形或者其他形状的记录（record）。 3、如果不小心关闭了Region of Interest (ROI) Tool面板，可在图层管理器Layer Manager上的某一类样本（感兴趣区）双击鼠标。 （2）在图像上右键选择New ROI，或者在Region of Interest (ROI) Tool面板上，选择工具。重复"林地"样本选择的方法，分别为草地/灌木、耕地、裸地、沙地、其他5类选择样本； （3）如下图为选好好的样本。

图像分类结果后处理方法介绍

图像分类结果后处理方法介绍 应用监督分类或者非监督分类以及决策树分类，分类结果中不可避免地会产生一些面积很小的图斑。无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除或重新分类，目前常用的方法有Majority/Minority 分析、聚类处理（clump）和过滤处理（Sieve）。6.5.2 majority 和minority分析Majority/Minority分析采用类似于卷积滤波的方法将较大类别中的虚假像元归到该类中，定义一个变换核尺寸，用变换核中占主要地位（像元素最多）的像元类别代替中心像元的类别。如果使用次要分析（Minority Analysis），将用变换核中占次要地位的像元的类别代替中心像元的类别。在主菜单中，选择Classification->Post Classification->Majority/Minority Analysis。在打开的文件选择对话框中，选择分类图像。打开Majority/Minority Parameters对话框（图6.28），下面填写Majority/Minority Parameters对话框中的参数。（1）选择分类类别（Select Classes）：单击Select All Items按钮，选择所有类别。（2）选择分析方法（Analysis Method）：Majority。（3）选择变换核（Kernel Size）：5x5。必须是奇数且不必为正方形，变换核越大，分类图像越平滑。（4）中心像元权重（Center Pixel Weight）：1。

在判定在变换核中哪个类别占主体地位时，中心像元权重用于设定中心像元类别将被计算多少次。例如：如果输入的权重为1，系统仅计算1次中心像元类别；如果输入5，系统 将计算5次中心像元类别。（5）选择输出路径及文件名，单击OK执行majority和minority分析。图6.28 Majority/Minority Parameters对话框6.5.3 聚类处理(clump) 聚类处理（clump）是运用形态学算子将临近的类似分类区 域聚类并合并。分类图像经常缺少空间连续性（分类区域中斑点或洞的存在）。低通滤波虽然可以用来平滑这些图像， 但是类别信息常常会被临近类别的编码干扰，聚类处理解决了这个问题。首先将被选的分类用一个扩大操作合并到一块，然后用参数对话框中指定了大小的变换核对分类图像进行 侵蚀操作。在主菜单中，选择Classification->Post Classification->Clump Classes。在Classification Input File 对话框中，选择一个分类图像，单击击OK按钮，打开Clump Parameters对话框（图6.29）。下面填写Clump Parameters对话框中的参数。（1）选择分类类别（Select Classes）：单击Select All Items按钮，选择所 有类别。（2）输入形态学算子大小（Rows和Cols）：3，3。（3）选择输出路径及文件名，单击OK执行Clump处理。图6.29 Clump Parameters对话框6.5.4 过滤处理(Sieve)过滤处理（Sieve）解决分类图像中出

数字图像处理简答题及答案..

数字图像处理简答题及答案 简答题 1、数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 2、什么是图像识别与理解？ 3、简述数字图像处理的至少3种主要研究内容。 4、简述数字图像处理的至少4种应用。 5、简述图像几何变换与图像变换的区别。 6、图像的数字化包含哪些步骤？简述这些步骤。 7、图像量化时，如果量化级比较小会出现什么现象？为什么？ 8、简述二值图像与彩色图像的区别。 9、简述二值图像与灰度图像的区别。 10、简述灰度图像与彩色图像的区别。 11、简述直角坐标系中图像旋转的过程。 12、如何解决直角坐标系中图像旋转过程中产生的图像空穴问题？ 13、举例说明使用邻近行插值法进行空穴填充的过程。 14、举例说明使用均值插值法进行空穴填充的过程。 15、均值滤波器对高斯噪声的滤波效果如何？试分析其中的原因。 16、简述均值滤波器对椒盐噪声的滤波原理，并进行效果分析。 17、中值滤波器对椒盐噪声的滤波效果如何？试分析其中的原因。 18、使用中值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？

19、使用均值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？ 20、写出腐蚀运算的处理过程。 21、写出膨胀运算的处理过程。 22、为什么YUV表色系适用于彩色电视的颜色表示？ 23、简述白平衡方法的主要原理。 24、YUV表色系的优点是什么？ 25、请简述快速傅里叶变换的原理。 26、傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的高通滤波中的应用原理。 27、傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的低通滤波中的应用原理。 28、小波变换在图像处理中有着广泛的应用，请简述其在图像的压缩中的应用原理。 29、什么是图像的无损压缩？给出2种无损压缩算法。 2、对于扫描结果：aaaabbbccdeeeeefffffff，若对其进行霍夫曼编码之后的结果是：f=01 e=11 a=10 b=001 c=0001 d=0000。若使用行程编码和霍夫曼编码的混合编码，压缩率是否能够比单纯使用霍夫曼编码有所提高？ 31、DCT变换编码的主要思想是什么？ 32、简述DCT变换编码的主要过程。 33、什么是一维行程编码？简述其与二维行程编码的主要区别。 34、什么是二维行程编码？简述其与一维行程编码的主要区别。 35、简述一维行程编码和二维行程编码的异同。 36、压缩编码算法很多，为什么还要采用混合压缩编码？请举例说明。 37、对于扫描结果：aaaabbbccdeeeeefffffff，若对其进行霍夫曼编码之后的结果是：f=01 e=11 a=10 b=001 c=0001 d=0000。若使用行程编码和霍夫曼编码的混合编码，压缩率是否能够比单纯使用行程编码有所提高？ 38、连续图像和数字图像如何相互转换？