前处理系列，结果整理。伽马校正，高斯差分滤波，对比度均衡，特征比对

本文主要是介绍前处理系列，结果整理。伽马校正，高斯差分滤波，对比度均衡，特征比对，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

http://blog.sina.com.cn/s/blog_48e673350100vcg5.html

自己调研之后，写的伽马校正：

TestImgNum =1  ;00 335
str = strcat('.\',num2str(TestImgNum),'.bmp');
L_FaceImg = imread(str);
figure,imshow(uint8(L_FaceImg));
temp = double(L_FaceImg);
temp = temp./256;
gamma = 1/2.2;
 y = imadjust(temp,[0; 1],[0; 1],gamma)
% y=gamma(temp);%实现gamma校正
%  y = gamma_filter(temp,gamma);
y = y.*256;
figure,imshow(uint8(y));

 

原理不明，只是会用而已。具体过程就是归一化人脸图像到[0,1]之间之后，运用imadjust函数，将其根据伽马值gamma转换到另一个范围在[0,1]的空间中去，然后乘以255加以倍数，输出即得伽马校正的结果。

 

xb调研完之后，写的代码：

L_FaceImg=double(L_FaceImg_org);
%L_FaceImg=L_FaceImg.^0.2;
gama=2;
p=255/255^(gama);p=(1/p)^(1/gama);
for i=1:imrow
    for j=1:imcol
        %for l=1:k
       % r(i,j,l)=floor(p*double(I(i,j,l))^(1/gama));
        L_FaceImg_gmma(i,j)=floor(p*L_FaceImg(i,j)^(1/gama));
        %end
    end
end
完全是原理性的东西。

高斯查分滤波，在网上查DoG查了好久，最后终于终于在pudn上面找到相关c代码，结果被xb两句话解决了……具体见下面：

low= imfilter(L_FaceImg_gmma,fspecial('gaussian',7,1),'same','replicate');
lowlow=imfilter(L_FaceImg_gmma,fspecial('gaussian',9,2),'same','replicate');

Resimage=low-lowlow;
其中L_FaceImg_gmma是经过伽马光线校正之后的图像，分别作滤波，之后差分相减，就得到高斯差分滤波的结果了……囧。明天去pudn上查查代码，看看是不是这样写的……

下面是fspecial函数的使用样例，写上来原因是蛮喜欢subplot函数，哇咔咔~

  I = imread('cameraman.tif');
       subplot(2,2,1);imshow(I);title('Original Image');
       H = fspecial('motion',20,45);
       MotionBlur = imfilter(I,H,'replicate');%replicate表示Input array values outside the bounds of the array  are assumed to equal the nearest array border value 输入值自动对齐到最近邻
       subplot(2,2,2);imshow(MotionBlur);title('Motion Blurred Image');
       H = fspecial('disk',10);
       blurred = imfilter(I,H,'replicate');
       subplot(2,2,3);imshow(blurred);title('Blurred Image');
       H = fspecial('unsharp');
       sharpened = imfilter(I,H,'replicate');
       subplot(2,2,4);imshow(sharpened);title('Sharpened Image');

 

对比均衡化还没搞明白，先把代码贴出来，供慢慢研究……

%Contrast Equalization.
a=0.1;
for i=1:imrow
       for j=1:imcol
       Resimage_temp(i,j)=(abs(Resimage(i,j)))^a;   
    end
end
 mu=mean(mean(Resimage_temp));
 Resimage=Resimage./(mu^(1/a));

tt=10;
for i=1:imrow
       for j=1:imcol
       Resimage_temp(i,j)=min(tt,(abs(Resimage(i,j)))^a);   
    end
end
mu=mean(mean(Resimage_temp));
Resimage=Resimage./(mu^(1/a));
Resimage=tt*tanh(Resimage/tt);
Resimage_max=max(max(Resimage));
Resimage_min=min(min(Resimage));
 for i=1:imrow
       for j=1:imcol
       Resimage(i,j)=(Resimage(i,j)-Resimage_min)/(Resimage_max-Resimage_min)*255;   
    end
 end
% imshow(uint8(Resimage));
 
 %提取LBP模板
% [result , Lbpface] = lbp(L_FaceImg);
 %figure,imshow(uint8(Lbpface));
L_FaceImg_bandpass=uint8(Resimage);

    TestImage = strcat('.\M00模糊脸_bandpass\',num2str(ii),'.bmp');
    imwrite(uint8(L_FaceImg_bandpass),TestImage,'bmp');
%     figure,imshow(uint8(blurred));
end

 

晕死，就俩公式：

其中a = 0.1，t= 10.看着挺简单，我咋就做不出来呢？

真是的啊我

这篇关于前处理系列，结果整理。伽马校正，高斯差分滤波，对比度均衡，特征比对的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---