Questions tagged «image-processing»

图像处理是图像信号的计算转换。它涉及批处理转换，转换和增强的技术方面，与后处理（调整图像以达到所需外观，可能使用图像处理）不同。

3
如何使用快速傅立叶变换法分析图像？
我正在学习使用FFT（快速傅立叶变换）方法分析图像。我正在分析的图像附在下面： 摆在草的妇女画象，乔治・马克。盖蒂图片社。 此图片的FFT分析结果如下所示： 在FFT图像上，低频区域位于图像的中心，而高频区域位于图像的角。有人可以告诉我有关FFT图像的形成吗？例如，为什么会有一条水平的白线穿过中心？另外，为什么FFT图像像“太阳”一样发出光束？
6
为了获得最佳效果，是否始终需要进行后期处理？
在使用旧的傻瓜相机时，我曾经考虑过在Photoshop中对照片进行后期处理，例如不自然，伪造和欺骗性的处理。但是在购买数码单反相机后，我不仅要考虑光圈，快门速度和ISO设置等许多参数，还要考虑要为拍摄的照片选择哪种格式：RAW或JPEG。而且大多数建议是使用RAW。 RAW格式的主要优点是可以进行后期处理而不会损失质量，因此我得出结论，后期处理始终是获取优质图片的必要部分。我的结论对吗？ 经验丰富的摄影师在多大程度上使用后处理来获得最佳（或恰好）效果？
4
如何自动对齐一堆头像？
我正在自己的“日常工作”项目中工作-拍摄自己的照片，然后将它们依次组合。 我想知道对齐所有图片的最简单，最快的方法是什么，以便我的眼睛对于所有图片都处于完全相同的位置。 在所有图片中，诸如从我的脸到相机的距离以及头部的位置之类的参数都非常相似，但是每张图片之间都有一些变化。 根据眼睛的位置对齐图片的最快方法是什么？
11
相机为什么不记录整个快门的光线数据？
抱歉，问题标题令人困惑，我不知道最好的措词，因此，如果您能想到更好的方法，请随时进行更改。我了解到，电子快门可以一次捕获全部图像，而无需使用使用窗帘的机械快门。这给了我一个主意。假设给定的镜头可以在1 / 200s处正确曝光，但是图像的动态范围太宽，相机无法捕捉。 为什么带有电子快门的相机不能在快门的整个持续时间内连续捕获并记录图像中的光数据，而不是仅仅收集光数据并最终将其存储为一张照片？就像看到一个房间从黑暗开始，然后逐渐增加亮度一样。然后，摄像机将能够捕获图像的整个动态范围，并且只需一张照片即可将数据编译为具有整个动态范围的图像，而无需为HDR进行多次曝光。这也将允许在后期处理中进行曝光调整，而不会丢失任何信息，因为相机已存储了整个曝光范围的光数据。为什么现在不实施这个想法？
4
为什么现代数码单反相机仍需要物理抗混叠滤波器？
我知道抗锯齿（AA）过滤器的目的是防止出现波纹。数码相机首次出现时，必须使用AA滤镜才能产生足够的模糊效果以防止出现波纹。当时，相机处理器的功能非常有限。但是，为什么仍然需要在现代DSLR相机的传感器上方放置一个AA滤镜？ 在对传感器的输出进行去马赛克处理时，通过应用的算法难道无法轻松地做到这一点吗？似乎相机中当前可用的处理能力将使这种功能比几年前更加强大。佳能当前的Digic 5+处理器的处理能力是Digic III处理器的100倍以上，这使最早的数码相机的能力相形见war。尤其是在拍摄RAW文件时，是否不能在后期处理阶段对AA进行模糊处理？即使使用第二个滤镜抵消第一个滤镜，这也是尼康D800E的基本前提吗？
3
我将如何使用单反相机来测量照片的“绿色”？
背景 我的数码照片可以作为amxnx 3矩阵读入计算机程序（如Matlab或R），其中mxn是三个（红色，绿色和蓝色）传感器分别观察到的像素数，并且矩阵中的每个单元都有一个数字从1-255可以反映传感器观察到的亮度。 我想利用这些信息来客观地衡量照片中的绿色度，因为我想尝试将绿色度与植物生长相关联（想象一下，每天玉米田一张照片）。 先前在此方向上的工作已经取得了一些成功，方法是计算绿色指数，即 绿色％=绿色/（蓝色+红色）或 绿色散度= 2 *绿色-红色-蓝色 来自网络摄像机图像的每个mxn像素，但无法控制光圈或入射辐射（太阳角）。 请注意，我并不是要寻找“绝对”的绿色度量标准，数字的规模和分布并不重要-它只需要提供一致的相对绿色度量标准即可。 题 我可以使用我的SLR来获得可靠的绿色度量，该度量对于以下任何一个或所有特征都是不变的： 云盖？ 一天中的时间？ 一年中的一天？（这是唯一的要求） 在背景中天空/地面的比例是多少？ 当前状态 我提出了以下想法，但是我不确定哪个是必要的，或者哪个对绿色/（红色+蓝色）的比例没有影响 拍摄白色塑料片的图片，并使用此图片对其他值进行归一化 固定光圈 固定快门速度 用白纸设置白平衡 从同一角度拍摄所有照片 在太阳正午拍所有照片
2
我可以使用哪种算法来模拟散景？
我正在尝试编写一个脚本，该脚本循环遍历照片中的每个像素，并将散景应用于整个图像。 我基于此链接构建了一个脚本，但是这似乎是一个hack。 我有三个输入图像：黑白深度图，照片和散景“画笔”图像（当前为六边形）。对于照片的每个像素，我都在bokeh画笔上加盖印记，以使其居于该像素上并以该像素的颜色为中心。 看起来...对微小的散景笔刷来说还可以，但是一旦我增加了散景笔刷的大小，它最终看起来就像是高斯模糊。这是我的算法模糊的时间平方的图片： 没关系，黑暗的边缘，我可以解决。 您可以说出它与高斯有所不同，但距离可以被称为bokeh的东西还有很长的路要走，边缘清晰： 我了解为什么我的算法会执行它的工作...我如何才能更准确地模拟bokeh？
4
我可以将几张低质量的图片合并为一张高质量的图片吗？
是否有一个简单的工具来组合从手机拍摄的低质量照片，它们都是相同的东西，但彼此之间的间隔在几秒钟之内，并且大多受到轻微的焦距问题的困扰？如何将它们组合成更高质量？ 编辑：显然，该概念是堆叠的：“焦点堆叠是对同一对象的多个图像进行部分聚焦，并以保持清晰的部分并消除模糊的部分的方式组合它们”
7
如果相机使用完全不同的原色会怎样？
因此，正如许多人所知道的，人类拥有三个视锥细胞，使我们能够看到三种不同的“原色”颜色，这些颜色可能会结合在一起形成我们能够看到的整个光谱。同时，许多其他动物有四个或更多的视锥细胞，使它们能够看到更广阔或更明确的光谱。 现在，数码相机通常使用光敏“像素”阵列记录光。像素通常以四个为一组排列，其中两个专门用于绿色（使用过滤材料），一个用于红色，一个用于蓝色。每个像素检测到的强度，然后使用某种算法将其转换为RGB文件。每个专门像素记录的强度可以映射到下面的色相光谱。 这就是我们通常想要的，因为生成的图像对我们的眼睛来说非常有意义，并且足以记录大多数意图和目的的场景。但是，为什么我们必须限制相机以人类看到的方式捕获和记录光？ 假设我们更改了光敏“像素”上的滤光片，以最佳地吸收不同的波长，尤其是我们通常看不到的波长，或者是在可以提供更多细节的特殊颜色范围内更近的波长。从那里，我们可以拉伸色相光谱，其中0/360为第一色，120为第二色，240为最终色。 我很想知道这样做的结果是什么，例如，如果我们选择800 nm，400 nm和200 nm的波长，以便更多地看到红外线和紫外线。或者，如果我们拼贴的是蓝色的东西，我们可以选择450 nm，475 nm和500 nm的波长，以便更轻松地区分相似的阴影。另一种可能性是检测四个不同的波长并将其映射到色调光谱上。这样就可以进行“四色”摄影。 这是一个可能的预期模型（已更改以更好地反映该问题）： 以下是一些要回答的问题： 这已经完成了吗？如果没有，为什么不呢？（我以前见过紫外线和红外线摄影，但是通常是黑色/白色或黑色/洋红色。为什么要使用一维尺寸，为什么不拉伸光谱？） 以这种方式拍摄图像的消费者技术存在什么？ 技术上对可以捕获哪些波长有限制吗？
4
使用特定图像文件格式的优点是什么？
如果我使用GIMP，Photoshop或MS Paint等应用程序编辑图像文件，则在保存时会要求我选择所需的文件格式。有不同的格式，常见的是JPEG，PNG 和BMP，GIF和TIFF。在某些程序中，甚至还有更多格式，例如JP2。 那么我应该选择哪个选项呢？使用特定文件格式的优点和缺点是什么？
2
如何缝制具有相同中心但外围内容不同的图像？
寻找解决此问题的帮助。我想将一系列图像拼接在一起。形容它最简单的方法是，例如，我沿着一条长街，两边都有重复的建筑物。因此，我拍了一张面向街道的照片，这使建筑物在外围视野中显得有些像。然后，我移动了一定数量的步骤并拍摄了另一张照片，依此类推。如何将这些照片拼接在一起？ 这是我要拼接的图像样本： 这些不是相机拍摄的照片，而是来自与我的发射器垂直的光子检测器块的读数。
3
拍摄RAW时，相机中的图像处理器是否有用？
相机问世时，公司通常会声明图像处理器已升级。 Does such an upgrade matter when one only shoots in RAW? 拍摄RAW图像时，直接从传感器拍摄图像。该处理在计算机上的相机外进行。 Does the on-camera image processor process the RAW image or is it just used when the camera outputs JPEG? If it comes into play when shooting RAW, what does it exactly do?
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.