图像增强相关算法介绍 ------ 1

1、关于增强的理解

图像增强是为了强调图像中的某些信息，加强图像整体或局部特征。常用的方法有：统计正方图增强、图像平滑锐化等。按照实现的方式不同可以分为：空间域增强和频率域增强。频域处理是对图像的部分频率成分进行剔除（滤波）从而实现平滑或者锐化。空域处理是直接对图像数据处理，比如灰度变换和直方图变换等。

1.1 频域
原图像为I(x,y)，二位离散傅里叶变换可表示为：

$$F(u,v) = \frac{1}{MN} \sum_ {x=0} ^{M-1} \sum_ {y=0} ^{N-1}f(x,y)e^{-j2\pi (ux/M + vy/N)}$$
经过系统函数 $H(u,v)$的变换可以得到一个新的频率函数 $K(u,v)$:
$$K(u,v) = H(u,v) * F(u,v)$$ $$I^`(x,y) = F^{-1}[K(u,v)]$$
低频分量在视觉上为平滑部分，高频分量在视觉上为边缘部分，不同的分量处理得到不同的视觉效果。

1.2 空域
直接对图像的二维矩阵数据进行处理操作，如直接的灰度变换，阈值等。直方图处理是根据图像的数据得到图像数据的分布信息，由此信息我们可以对图像重新赋值，得到均匀分布的图片。
图片中某一位置的信息一般只与该位置附近的像素点有关，而距离较远的点对其影响不大。所以通常情况下会采用领域的操作实现图像的一些处理，邻域大小通常为3*3 或者 5*5 。比如中值滤波，比如Sobel算子，Canny算子，Laplacian算子等离散差分法。

2 几种 增强方法

1、对数变换
对数变换可以把图像中较暗的像素变大，用于扩展图像中较暗的像素值。其形式如：

$$f(x) = k * \log(x - min + 1)$$
k是一个常数，保证计算得到的数值不大于255. $$k = \frac{255}{log(max-min +1)}$$ 比如考试成绩取对数，应该有同学深有感触。

2、伽马校正
由于图像的显示和打印装置的响应函数大多是幂函数形式，所以可以对输入图像进行幂变换，使图像同入射光强相等或成正比。因为涉及到成像效果，从摄影、建筑的角度来分析就是18度灰才是中灰度。算法的实现我们看一个例子，假设像素值为100的一个点：
1、归一化：将像素值投射到0-1之间的实数中，

$$(i+0.5)/256 |_{i =100} =0.392578125$$
2、补偿：假设伽马值为2.2 ，则 $\frac1 {gama} = 0.454545454$,则像素的补偿结果为：

f