Image processing 如何增强噪声图像的颜色和对比度

我以前问过这个问题“如何从图像中提取数字”，最后我做了这一步，但当我试图识别数字时，有一些测试案例会导致糟糕的输出。。把这个形象作为一个例子

这张图像对比度很低（从我的POV来看），我试图调整它的对比度，结果仍然不可接受。我也尝试对它进行锐化，然后应用gamma校正，但结果仍然不公平，因此分类器无法很好地识别提取的数字

这是（锐化+伽马）后的图像

分离后的4号：

---

有谁能告诉我解决这样一个问题的最佳方法是什么吗？

锐化并不总是解决这样一个问题的最佳工具。与名称所暗示的相反，锐化并不能“恢复”信息以将细节和边缘添加回图像中。相反，锐化是一类沿边缘增加局部对比度的操作

因为您的原始图像高度退化，所以此锐化操作看起来会在图像中添加大量噪声，并且通常不会使任何效果更好

还有另一类称为“去模糊”算法的算法，它试图通过（更复杂的）数学模型实际重建图像细节。其中一些版本是盲反褶积、正则化反褶积和维纳反褶积

但是，需要注意的是，所有这些方法都是近似的-一旦图像内容因模糊等操作丢失，它（几乎）永远无法完全恢复。此外，这些方法通常要复杂得多

---

处理这些情况的最佳方法是确保它们永远不会发生。在图像捕获过程中确保对焦良好，使用分辨率适合您任务的系统，控制照明环境。但是，当这些方法不起作用或不能起作用时，需要使用图像重建技术。

您的图像模糊，我建议您尝试一下。你可以假设点扩散函数是高斯函数，然后观察反褶积过程。因为您事先不知道模糊内核，所以可以选择它。

您是如何进行分类的？@ZawLin我正在使用MINST数据库对手写数字进行分类。分类是通过使用KNN算法完成的。在打印文本上使用手写分类器就像在动物图片（人类除外）上使用行人分类器一样1.我认为明斯特不合适。我建议你只需收集更多真实世界的数据并进行培训。如果这很困难，您可以从干净的字体生成有噪音的图像。例如，您可以生成大约几百个具有不同对比度、模糊度、小旋转（-5,5）、小偏移、纹理噪波和再培训的图像。我不认为你能做任何关于锐度的事情。你只需要改进分类器，你更喜欢使用特定的算法吗？链接将是首选