空间域图像增强
增强的目的是处理图像,使其比原始图像更适合于特定应用。
图像增强方法分为空间域方法(直接对图像的像素处理)和频域(傅里叶变换为基础)。
以这两种结合来增强图像的非常少!最好的图像处理方法是得到最好的机器可识别的结果。
空间域图像增强公式g(x,y)=T(f(x,t)).g处理后的图像,f是原始图像,T是对f的一种操作。
图像增强的三个基本类型函数:线性(正比例,反比例),对数的(对数和反对数变换),幂次的(n次幂好n次方根变换)。
以下,r为原始灰度,s为变换后的灰度。
线性的图像反转:s=L-1-r。此种变换适用于增强嵌入域图像暗色区域的白色或灰色细节,特别是当黑色占主导的时候。通俗的,就是白色变黑色,黑色变白色,中间依次。
对数变换:s=c*log(1+r)。c常数。主要用于图像灰度的压缩和扩散,幂次更灵活。重大用处是很大程度上压缩了像素值得动态范围,典型应用是傅里叶频谱,它的像素值有很大的动态范围,一般要用对数变换调整一下。
幂次变换:s=c*(r^k)。其中c,k是常数。k大于1用于增强暗区(变黑),小于1用于亮区域增强对比度(变亮)。改变k叫做伽马校正,不仅改变灰度,还能改变G/R/B的比例。网上自动伽马校正是取了各种仪器期望的平均值。
分段线性变换函数
对比拉伸变换:提高图像处理时灰度级的动态范围。(r1,s1)=(r_min,0),(r2,s2)=(r_max,L-1)。
灰度切割:提高特定灰度范围的亮度,增强特征和X射线中的缺陷。所需灰度变大,其他区域不变或是变小。
位图切割:取高阶比特位面,用于图像压缩。例如阀值法。