对比度

线性变换： 图像为I,宽为W,高为H，输出图像记为O,图像的线性变换可以利用一下公式定义： 　　　　 O(r,c)=a*I(r,c)+b 0≤r＜H,0≤c＜W 当a=1,b=0时，O为I的一个副本；如果a＞1，则输出图像O的对比度比I有所增加；如果0＜a＜1，则O的对比度比I有所减小。 而b值的改变，影响的是输出图像的亮度，当b＞0时，亮度增加；当b＜0时，亮度减小。 分段线性变换： 针对不同灰度级范围进行不同的线性变换，即分段线性变换。 　　　 a1*I(r,c)+b1　　　　　　　　 I(r,c)＜阈值1 O(r,c)= a2*I(r,c)+b2　　　　　　　　 阈值1≤I(r,c)＜阈值2 　　　 a3*I(r,c)+b3　　　　　 　 阈值2≤I(r,c)＜阈值3 来源： https://www.cnblogs.com/tangjunjun/p/11688269.html

关于线线相机、镜头、光源的选型，欢迎来电探讨线扫描系统的搭建与选型 随着机器视觉的大规模普及与工业流水线速度、精度的提高，线扫描系统越来越被视觉工程师和最终用户所认可。　　 首先，我对线扫描系统做一个大致的介绍。线扫描系统用于被测物体和相机之间有相对运动的场合，通过线扫描相机高速采集，每次采集完一条线后正好运动到下一个单位长度，继续下一条线的采集，这样一段时间下来就拼成了一张二维的图片，也就类似于面阵相机采集到的图片，不同之处是高度可以无限长。接下来通过软件把这幅“无限长”的图片截成一定高度的图片，进行实时处理或放入缓存稍后进行处理。 视觉部分，包括线扫描相机，镜头，光源，图象采集卡和视觉软件；　　 运动控制部分，包括马达, 马达驱动器, 运动控制卡或PLC，为了保证采集的图象与输送带同步，有时还会需要编码器。　　 由于线扫描信息量大，所以需要一台高性能的工控机，配置大容量的内存和硬盘，主板要提供PCI、PCI-E或PCI-X插槽。　　 一般来说，一个面阵视觉系统的配置选型是按照这样的顺序进行的。：　　 　　　　　　　　　　　相机＋采集卡－>镜头－>光源　　 线阵项目也类似，根据系统的检测精度和速度要求，确定线阵CCD相机分辨率和行扫描速度，同时确定对应的采集卡，只是需要选线阵相机镜头接口(mount)时同时考虑镜头的选型，最后确定光源的选型。 线阵摄像机(线阵工业相机）的选型 　

　　本文的分析基于《Adaptive and integrated neighborhood-dependent approach for nonlinear enhancement of color images》一文相关内容，但对其进行了深度的改良。 　　我们首先解读或者说翻译下这篇论文。 　　论文公布的时间是2005年了，已经是比较久远的了，我第一次看到该论文大概是在2014年，后面在2016年左右实现了该算法，这里还有当时开发留下的记录，居然是除夕左右做的。佩服自己。 　　以前没有特别注意到该算法的效果，觉得也就那样吧，所以没有怎么去发挥它，但是，最近再次审视，发现他除了实现实现简单、速度快，而且还具有效果佳、适应性广、不破坏本身就光照好的位置等等众多优点，似乎比目前我看到的低照度增强算法都好。 　　算法本身的步骤分为三步，第一步是根据的图像亮度分布建立一个自适应的全局映射函数，这一步大大的提高了图像中暗部像素的像素值，同时也压缩了图像的动态范围。第二步是所谓的自适应对比度增强，根据像素领域内的平均值和像素值本身的比例，做一个映射，提高整体的对比度。后续还有一个步骤是颜色恢复的过程。 　　第一步的全局曲线调整如下所示： 　　首先计算出彩色图像的亮度值，这个其实可以有很多方式，包括常用的YUV空间的Y通道，HSL空间的L分量，甚至可以使用我提到的对比度保留去色那种方式获取

对比度的概念 对比度(contrast ratio)衡量的是图像中亮区和暗取的比例，对比度是影响视觉效果的重要因素，对比度小的图像，其色彩层次少，看起来要么太亮要么太暗。 直方图均衡化() 来源： https://www.cnblogs.com/xqwang/p/11527353.html

写在 前面的话 液晶（ LCD）显示具有功耗低、体积小、重量轻、超薄等许多其他显示器无法比拟的优点，近几年被广泛应用于FPGA控制的智能仪器、仪表和低功耗的电子产品中 。 LCD可分为段位式LCD、字符 式 LCD和点阵式LCD。其中 段位式 LCD和字符式LCD只能用于字符和数字的简单显示，不能满足图像曲线和汉字显示的要求；而点阵式LCD不仅可以显示字符、数字，还可以显示各种图形、曲线及汉字，并且可以实现屏幕上下左右滚动、动画功能、分区开窗口、反转、闪烁等功能，用途十分广泛。 基本 概念 LCD12864 是一种具有4 位/8 位并行、2 线或3 线串行多种接口方式，内部含有国标一级、二级简体 、 中文字库的点阵图形液晶显示模块 ;其显示分辨率为128×64, 内置8192 个16*16 点汉字，和128 个16*8 点ASCII 字符集， 利用该模块灵活的接口方式和简单方便的操作指令，可构成全中文人机交互图形界面。可以显示 8×4 行16×16 点 阵的汉字，也可完成图形显示。低电压低功耗是其又一显著特点。由该模块构成的液晶显示方案与同类型的图形点阵液晶显示模块相比，不论硬件电路结构或显示程序都要简洁得多，且该模块的价格也略低于相同点阵的图形液晶模块。 硬件电路结构 我们开发板上所使用的液晶为晶联讯生产的 JLX12864G-13903型液晶显示器，可以显示128列

亮度是指图片的明暗程度，对比度是指图片明暗的差异，饱和度则是图片颜色的饱满程度。 图片文件一般是RGB格式，当然也有的是YCBR格式。前者主要用于显示，后者则主要用于印刷。当然世上没有绝对的事情，也有人喜欢在电脑或手机上看YCBR格式的，至于印刷嘛，如果用RGB格式则可能会偏色。 RGB是三种颜色的缩写，其中R是指红色（Red）、G是指绿色（Green），B是指蓝色（Blue）。现代的时候颜色理论认为所有颜色都是红、绿和蓝三种颜色的组合。 YCBR则是四种颜色的缩写，其中Y是指黄色（Yellow），C是指青色（Cyan），B是指蓝色（Blue），R是指红色（Red）。现代的彩色印刷，最好的都是用黄色、青色、蓝色和红色的四色胶片来完成的。 在计算机中，每一种颜色都是用一个字节（Byte）来记录，RGB图片文件中就用三个字节来分别记录红绿蓝三种颜色，所以比较好的图片文件都是24位的。有的图片文件还支持透明度，透明度也可以用一个字节来记录，因此支持透明度的图片文件就是32位的。 在 用一个字节记录颜色 时，字节可以看成数字，一个字节有8位（bit），每位可代表一个数值为0或1的二进制数，这样一个8位的二进制数转换成十进制数就可以表示从0到255的范围。 颜色值就可以用从0到255的数值来表示颜色的明暗 。当数值为0时颜色最暗，而当数值为255时颜色最亮。当红绿蓝三个的颜色值都是0的时候

来源： https://www.cnblogs.com/shuguomeifuguo/p/11938703.html

1.计算机视觉（CV） 从图像和时频中提取数值或符号信息的计算系统； 使计算机能够和人类一样看到并理解图像； 应用： 识别、鉴别、监测； 运动、分割、跟踪、多视图几何； 线型滤波、边缘监测、纹理； 相机模型、相机标定、辐射测定、颜色； 2.scikit-image 2.1skimage的图像数据 skiamge中的图像数据是由Numpy的多维数组表示的 由skimage加载的图像可以调用其他常用的包进行处理和计算，如matplotib,scipy等 2.2数据类型和像素值 CV中的图像的像素值通常有以下两种处理范围 0-255 0-黑色 255-白色 0-1 0黑色 1-白色 skimage支持以上两种像素范围，至于如何选择是根据数组的dtype决定的 float 0-1 unsigned bytes 0-255 unsigned 16-bit integers 0-65535 像素值数据类型转换 img_as_float, img_as_ubyte 推荐使用float， skimage包内部大多数使用的是float类型，即像素值是0-1 显示图像 通过matplotlib， plt.imshow() 可以指定不同的color map 图像I/O 加载图像，skiamge.io.imread() 同时加载多个图像，skimage.io.imread_collection()

1.打开素材： 2.ctrl + l 色阶，增加对比度 3.切换到通道，选择对比大的通道，然后复制。 4.反相 Ctrl + I, 打开色阶调整一下，增加对比度。然后将人物的区域部分全涂成白色。 5.按住ctrl, 选择缩略图， 出现蚂蚁线，此时选择rgb通道，返回图层面板。 6.打开色阶继续调整，将人物的明暗度调合适。 7.ctrl + J ,剪切新图层，然后将旧的图层随便填充个什么颜色，此时可以看到我们的人物有百边，选择人物的图层，然后右击 图层--》修边--》清除百边。大功告成。 来源： https://www.cnblogs.com/pro-wall-box/p/11335656.html

直方图均衡化是什么有什么用 先说什么是直方图均衡化,通俗的说,以灰度图为例,原图的某一个像素为x,经过某个函数变为y.形成新的图.新的图的灰度值的分布是均匀的,这个过程就叫直方图均衡化. 图像直方图均衡化作用:用来增强对比度. 这种方法通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。这种方法的一个 缺点是它对处理的数据不加选择，它可能会增加背景噪声的对比度并且降低有用信号的对比度 。 先看直观的效果,图三变为图四的过程,就利用了直方图均衡化. 再来看看缺点: 对比度增强了,但是面部太亮,看不清楚了. 什么是直方图 其实就是离散的概率分布图. 比如256灰度图.横轴就是像素值,从0-255,纵轴是当前像素值对应的像素个数. 是用以表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。可以借助观察该直方图了解需要如何调整亮度分布