偏振融合伪彩色图像(原理)
最近的大作业是基于偏振图像 的HSI伪彩色增强,现把原理进行分享~~,里面有很多公式上传不了进行了截图,特别上传了word,想直接copy公式也OK
指纹识别程序,附带word-机器学习文档类资源-CSDN下载
二、偏振矢量图像融合原理
2.1偏振光的产生
由振动方向与光波的前进方向形成的平面,被称为振动平面,将光的振动平面限制在某一固定方向,被称为平面偏振光或线偏振光。
如果光波的电矢量的振动空间分布,存在着相对于光的传播方向失去对称性的现象。那么就只有横波才能产生偏振,所以光的偏振,其实是光的波动性的另一个证明例子。
在垂直于传播方向的平面内,则包括所有可能方向的横向振动,实际上就平均而言,它们在所有方向上的振幅都是一样的。横向振动与传播方向对称的光称为自然光(非偏振光)。振动失去这种对称性的光统称为偏振光。
2.2偏振光的种类
偏振光是指光矢量的振动方向不改变或有规律变化的光波。偏振光按其性质可分为平面偏振光(线偏振光)、圆偏振光、椭圆偏振光和部分偏振光。
(1) 自然光
因为我们看到的(如阳光、灯光)自然光,其实是由许多光波列组成的。尽管光在自然界中是偏振的,但在自然界中的大多数情况下,光似乎是非偏振的。这些光波列中的每一个都是偏振的,但它们的偏振方向是随机的并且不断变化。平均而言,在我们的观察期内,这两个方向都没有优势。这是自然光,也称为非偏振光。
(2) 线偏振光
自然光通过偏振装置后,只有一个方向的偏振光可以通过,我们得到线偏振光。确定线性偏振光的振动方向。
(3) 部分偏振光
如果线偏振光与部分自然光混合,也就是说,这种光包含了各个方向的偏振光,偏振的优势体现在某个方向上。它是部分偏振光。
(4) 圆偏振光
圆偏振光光矢量沿圆周旋转,也就是说,这种光的偏振方向有规律地旋转。然而,光矢量的强度在旋转过程中保持不变。它是圆偏振光。
在圆偏振光的观察期间平均,圆偏振光类似于自然光。然而,圆偏振光的偏振方向是按一定规律变化的,而自然光的偏振方向是随机的、不规则的变化的。
(5) 椭圆偏振光
椭圆偏振光的光矢量沿椭圆旋转,换句话说,这种光的偏振方向也有规律地旋转,但其光矢量的强度也在旋转过程中发生变化。
在椭圆偏振光观察期间,平均椭圆偏振光的结果与部分偏振光的结果相似。但与部分偏振光不同的是,它的偏振方向和光矢量的大小是按照着一定的规律变化的。
(6) 部分偏振光
如果光波的电矢量振动,在其传播过程中仅在某个方向上相对占优势,这种偏振光称为部分偏振光。
2.3偏振光表示方法
2.3.3邦加球法
斯托克斯向量的元素与笛卡尔坐标系中球体的坐标完全对应。 如果将第一项归一化为单位圆,则它是 Bonga 球体。球体赤道的上半部分为正,代表右旋偏振光; 球体的下半部分是负的,代表左偏振光。
球体赤道上的点代表不同方位角的线偏振光; 球体的北极和南极代表左旋或右旋圆偏振光; 球体上的其余点代表椭圆偏振光。例如,I=[1;-0.2;-0.5;0.8994] 的椭圆偏振光可以表示为:
2.4 HSI伪彩色融合
2.4.1 HSI色度空间
色彩空间的划分是为了便于以一定的标准来规范不同的色彩。它基本上是一个标准系统,每种颜色都由系统中的一个点表示。此时常用的色彩空间分为两类:面向(如彩色动画)应用的和面向(如彩色显示器和打印机)硬件的。
在数字图像处理方面,面向硬件的模型通常在彩色显示器和彩色打印机中使用 RGB(红、绿、蓝)模型相机; CMY(青色、品红色、黄色)彩色(青色、品红色、黄色)和CMYK(青色、品红色、黄色、黑色青色、品红色、黄色、黑色)打印机型号等,HSI(色相、饱和度、强度、亮度)
在这些常用的色度空间中最接近人类的描述,因此,HSI 具有减少图像中颜色和灰度信息干扰的先天优势,因此 HSI 非常适合处理许多大型 y 尺度图像。
1915年,美国调色师蒙苏(HAMunseu)提出了一种新的HSI色度模型色度模型。HSI色度模型以人类视角为模型,根据色调、饱和度和亮度来描述颜色。 HSI 模型的三维视图如图 2-3 所示。
HSI色度模型中色相是指颜色的属性,描述颜色的简单外观,用来区分颜色的种类和名称,通常用标准色轮表示。HSI色度模型中饱和度是纯白光下稀释程度的量度,通常以颜色还原成分的百分比来衡量。HSI色度模型中亮度,又称光度,是人的主观描述,用来定义人对目标物体的辐射量或发光量的主观光感。 HSI色度模型通常由三维图中的三维中心线表示,使用黑与白的百分比。
HSI模型将图像的亮度、色调和饱和度分开,因此可以通过在图像处理过程中去除色调和饱和度,从而减少图像中光线和颜色变化的影响。因此,HSI模型在相关图像处理算法的开发中具有一定的优势。因此,HSI模型被广泛应用于机器视觉领域。
从 RGB 模型和 HSI 模型的模型立体图上,不难看出来,RGB 模型到 HSI 模型的转换,本质上是坐标系的转换,整个转换过程是基于单位立方体的转换。在笛卡尔模型上。基于极坐标圆柱的双锥体中的笛卡尔坐标系。
这里,设R、G、B分别代表红、绿、蓝坐标点,取值范围为:
2.4.2 伪彩色处理原理
计算机也可以使用二进制来表示颜色。 24位颜色称为真色,真色可以达到人眼分辨率的极限。伪彩色和灰度图像一样,也是单波段图像,但是这个单波段图像是彩色的,不再像一张灰度图,但它的每一个灰度值都对应色彩空间中的某个值。它可能是彩色图像,但请始终记住,图像只是一个通道。因此,伪彩色图像即为索引图像,伪彩色图像的颜色值是根据索引得到的。
具体来说,每个像素的颜色不是直接由每个像素的颜色原色分量的值决定的,而是将像素的颜色值作为颜色查找表(CLUT)的入口地址,来查找像素的颜色显示器。下图是从灰度图像中得到的伪彩色图像。以伪颜色的颜色为索引,找到对应的RGB值,将该值的颜色分配给像素。
2.4.3 HIS彩色融合原理
HIS为:亮度(I)、色相(H)、饱和度(S);
强度代表光谱的整体亮度,对应于图像的空间分辨率;
传统HSI图像融合方法的基本思想是将HSI空间中的低分辨率亮度替换为高分辨率图像的亮度分量。 传统的HSI变换融合方法包括三个步骤:
1. HSI 对原始多光谱图像进行变换
2. 将多光谱图像空间分辨率较低的I分量直接替换为全色图像(高分辨率图像),保持H和S不变
3.增强后的多光谱图像是通过逆HSI变换得到的。
偏振融合伪彩色图像(原理)相关推荐
- 模型融合stacking原理
一.Stacking思想简介 1.Stacking的思想是一种有层次的融合模型,比如我们将用不同特征训练出来的三个GBDT模型进行融合时,我们会将三个GBDT作为基层模型,在其上在训练一个次学习器(通 ...
- 模型堆叠(Stacking)和模型融合的原理与实现以及一个库heamy的介绍
向AI转型的程序员都关注了这个号
- 图像融合之泊松融合,原理讲解及C++代码实现(特别适合新手)
本篇文章主要为讲解图像处理的泊松融合的原理及实现. 泊松融合原理来源于这篇文章:<Poisson Image Editing> 本人为图像处理的小白,在机缘巧合下,看到了泊松融合的图像处理 ...
- Unity3D实现3D立体游戏原理及过程
下面的教程是我今天整理的资料,教大家一步步完成自己的3D立体游戏,并向大家介绍一些3D成像的原理. 理论上,每个普通的非立体3d游戏,都可以改为3D立体游戏,看完这篇帖子,你们都可以把自己之前做过的3 ...
- unity3d 模拟电脑实现_Unity3D实现3D立体游戏原理及过程
下面的教程是我今天整理的资料,教大家一步步完成自己的3D立体游戏,并向大家介绍一些3D成像的原理. 理论上,每个普通的非立体3d游戏,都可以改为3D立体游戏,看完这篇帖子,你们都可以把自己之前做过的3 ...
- 推荐系统笔记(模型融合)
思维导图: 推荐系统在技术实现上一般划分三个阶段:挖掘.召回.排序. 模型融合: 挖掘的工作就是对用户和物品做非常深入的结构化分析,对各个角度的特征都被呈现出来,并且建好索引,供召回阶段使用,大部分挖 ...
- 图片融合 c++ cuda加速
1.新建cuda项目 2. 添加环境 在vc++目录-->包含目录添加 D:\Program Files\opencv\opencv-3.4.5\build_cuda\install\inclu ...
- 使用EKF融合odometry及imu数据
整理资料发现早前学习robot_pose_ekf的笔记,大抵是一些原理基础的东西加一些自己的理解,可能有不太正确的地方.当时做工程遇到的情况为机器人在一些如光滑的地面上打滑的情形,期望使用EKF利用i ...
- [OpenCV实战]24 使用OpenCV进行曝光融合
目录 1 什么是曝光融合 2 曝光融合的原理 3 代码与结果 4 参考 本教程中,我们将了解使用OpenCV的Exposure Fusion(曝光融合). 1 什么是曝光融合 曝光融合是一种将使用不同 ...
- 【CV】图像融合结果评价
###Date: 2018.3.22 ============================================================== 简介 本篇主要是记录下图像融合结果图 ...
最新文章
- linux后台执行命令:amp;与nohup的用法
- PCIe知识学习 (转载)
- Xilinx软硬IP双管齐下解决音视频处理痛点
- 【调试】Linux下超强内存检测工具Valgrind
- C语言中strdup函数使用方法
- 怎样在matlab q-q图上读出斜率,Q分解法潮流计算matlab小程序
- Ocelot中文文档-Raft(实验功能不能用于生产环境)
- 防止自己骄傲,它是你一生的敌人。
- 你应该首先保护哪些应用程序?这个问题本身问错了!
- 数学基础(9)--MATLAB 数据拟合 SSE,MSE,RMSE,R-square
- 软件工程 选课系统的uml类图_软件工程课程设计-基于UML的学生选课系统的软件工程课程设计 精品推荐...
- 数学证明方法介绍(演绎推理、数学归纳法)
- anaconda安装完怎么打开_录像机怎么样安装在机柜上,看完就明白
- 简述算法和程序的区别并举例说明
- Keyphrase Chunking - bert2chunk_dataloader.py分析
- CCF 难题汇总(2013-2019 持续更新)
- Elecard StreamEye Tools
- pythonturtle画彩虹简单版吉他谱弹唱_《彩虹》吉他谱-C调弹唱谱-高清图片谱-周杰伦...
- 如何做好舆情管控,TOOM舆情监控服务工作经验总结
- 天之痕中文硬盘版@BT影视天堂@猪猪乐园@只发精品的解压密码