1.概述

????????圖像預(yù)處理的主要目的是消除圖像中無關(guān)的信息、恢復(fù)有用的真實(shí)信息、增強(qiáng)有關(guān)信息的可檢測(cè)性和最大限度地簡(jiǎn)化數(shù)據(jù)，從而改進(jìn)特征提取、圖像分割、匹配和識(shí)別的可靠性。常見的圖像預(yù)處理包括：灰度變換、圖像平滑、圖像銳化等。

2.灰度變換

2.1?invert_image()

????????反轉(zhuǎn)圖像灰度。

2.2?emphasize()

????????增強(qiáng)圖像的高頻區(qū)域（邊緣和拐角），使圖像看起來更清晰。

2.3?illuminate()

????????? ? 增強(qiáng)圖像的高頻區(qū)域（邊緣和拐角）的對(duì)比度，使圖像看起來更清晰。

2.4?scale_image()

????????灰度縮放，拉開圖像的對(duì)比度，讓圖像中黑的地方更黑，亮的地方更亮。

3.?

3.圖像平滑

3.1 mean_image()

????????均值濾波，其原理是讓特征區(qū)域在圖像滑動(dòng)，每一點(diǎn)（與特征區(qū)域的中點(diǎn)重合）的值為特征區(qū)域所覆蓋的范圍的均值。

3.2 media_image()

????????中值濾波，其原理是讓特征區(qū)域在圖像滑動(dòng)，每一點(diǎn)（與特征區(qū)域的中點(diǎn)重合）的值為特征區(qū)域所覆蓋的范圍的中值。

3.3?gauss_filter()

????????高斯濾波，其原理與中值/均值濾波類似，只不過特征區(qū)域內(nèi)的每個(gè)點(diǎn)做了加權(quán)處理，可以根據(jù)需要讓哪個(gè)單元的權(quán)重大，哪個(gè)單元的權(quán)重小。

4.其他

4.1?sobel_amp()

????????sobel，計(jì)算圖像的邊緣。

4.2 laplace()

? ? ? ? laplace，計(jì)算圖像的邊緣。

by Ryou2-