基于自适应线性加权的彩色图像灰度化算法研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 彩色图像灰度化的研究背景及意义 | 第9-11页 |
| 1.2 彩色图像灰度化的研究现状 | 第11-13页 |
| 1.3 当前典型彩色图像转灰度图像效果介绍 | 第13页 |
| 1.4 本文主要工作 | 第13-14页 |
| 1.5 本文结构安排 | 第14-15页 |
| 第二章 彩色图像灰度化的相关概念 | 第15-26页 |
| 2.1 数字图像的类型 | 第15-16页 |
| 2.1.1 二值图像 | 第15页 |
| 2.1.2 灰度图像 | 第15页 |
| 2.1.3 RGB图像 | 第15-16页 |
| 2.1.4 索引图像 | 第16页 |
| 2.2 颜色空间介绍 | 第16-18页 |
| 2.2.1 RGB空间 | 第16-17页 |
| 2.2.2 Lab空间 | 第17页 |
| 2.2.3 RGB空间和Lab空间的相互转换 | 第17-18页 |
| 2.3 相关数字图像处理知识介绍 | 第18-23页 |
| 2.3.1 图像熵 | 第18页 |
| 2.3.2 灰度直方图 | 第18-19页 |
| 2.3.3 欧氏距离 | 第19-20页 |
| 2.3.4 图像的梯度与边缘检测 | 第20-21页 |
| 2.3.5 Canny边缘检测 | 第21-23页 |
| 2.4 图像质量评价方法 | 第23-25页 |
| 2.4.1 主观评价 | 第23页 |
| 2.4.2 客观评价 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 彩色图像灰度化的相关算法介绍 | 第26-35页 |
| 3.1 几种基本的灰度化方法 | 第26-27页 |
| 3.2 基于线性加权的典型算法介绍 | 第27-31页 |
| 3.2.1 GcsDecolor算法 | 第28-29页 |
| 3.2.2 基于图像熵的灰度化算法 | 第29-30页 |
| 3.2.3 CorrC2G算法 | 第30-31页 |
| 3.2.4 结果与分析 | 第31页 |
| 3.3 基于Lab空间的灰度化算法 | 第31-34页 |
| 3.3.1 Color2Gray算法 | 第32页 |
| 3.3.2 基于区域显著性模型的灰度化算法 | 第32-34页 |
| 3.3.3 结果与分析 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于自适应线性加权的彩色图像灰度化算法 | 第35-44页 |
| 4.1 基本的灰度化方法及其存在的问题 | 第35-36页 |
| 4.2 算法设计思路 | 第36-38页 |
| 4.3 算法介绍 | 第38-43页 |
| 4.3.1 离散权重空间 | 第38-39页 |
| 4.3.2 获取边缘图像 | 第39-41页 |
| 4.3.3 双阈值的选取 | 第41-42页 |
| 4.3.4 确定最优投影方向 | 第42-43页 |
| 4.4 算法流程 | 第43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 实验结果与分析 | 第44-59页 |
| 5.1 主观评价与分析 | 第44-53页 |
| 5.2 客观评价与分析 | 第53-56页 |
| 5.2.1 C2G_SSIM评价模型 | 第53页 |
| 5.2.2 E-Score评价模型 | 第53-56页 |
| 5.3 算法运行时间分析 | 第56-57页 |
| 5.4 实验结论 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 在学期间的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
