Apr.16th 数字图像处理连载（04）

标签（空格分隔）： 数字图像处理 数字图像处理冈萨雷斯

---

第三章 灰度变换和空间滤波

灰度变换和空间滤波是属于空间域上的操作过程。灰度变换对于单个像素进行操作，主要做的是对比度操作和与之处理。空间铝箔设计的改善性能，通过邻域处理来锐化图像。
空间域上的操作都是直接操作图像的像素。空间域的技术在计算上更加有效，执行所需要的处理资源较少。
空间域处理可以由以下操作来表示：
$g(x,y)=T[f(x,y)]$
其中$f(x,y)$输入图像，$g(x,y)$处理后的图像，T在点$(x,y)$的邻域定义关于$f$的一种算子，蒜子上可以应用于单幅图像或者图像集合。
通过模版操作计算邻域的平均灰度，这一操作也被称之为空间铝箔，其中邻域和与定义的操作一起被称为空间滤波器（空间模版），在邻域中执行操作的类型决定了铝箔处理的特性。
第三章中主要讨论的是通过空间域处理实现图像的增强应用。增强是对图像进行加工，使得结果对于特定的应用比原始图像更适合的一种处理，这里的话重点是选择特定应用。

3.2 一些基本的灰度变换函数

灰度变换时最简单的图像处理技术，这些技术其实本质上就是对数字量进行函数变换，变换函数的值存储在一个一维矩阵中，映射通过查表实现。
一般来说，图像增强领域，由三种基本函数：1、线性函数（反转和恒等变换）；2、对数函数（对数和反对数变换）；3、幂律函数（n次幂和n次跟变换）

3.2.1 图像的反转

图像的反转变换，可以得到灰度级范围在[0,L-1]的一幅图像的反转图像，其中反转图像由以下式子给出：
$s = L - 1 - r$
这一种方式反转了一幅图像的灰度值，相当于得到了照片的底片，这种方法的处理有利于增强隐藏在图像暗色区域的白色或者灰色的细节，尤其是黑色为主要面积时，通过反转以后，我们需要的部分就会明显的显示出。

3.2.2 对数变换

常用的对数变换的通用方式是：
$s = c log(1+r)$
其中，公式中的$c$为常数，并且我们可以假设$r\geq0$，着一堆书的曲线表明：这个变换中的输入中范围比较窄的第灰度值映射成输出中范围较宽的灰度值，或者把输入种范围较宽的高灰度值银色为范围较窄对灰度值，这样子我们就扩张了原来图像中的暗像素值，同时也压缩了更高的灰度级别的值。
使用了对数函数之后，有一个重要的特征就是它压缩像素值变化较大的图像的动态范围。经过了对数函数处理之后，很多重要的灰度细节在傅立叶频谱中消失。

3.2.3 幂律（伽马）变换

幂律变换的基本形式是:
$s=cr^\gamma$
其中$c$和$\gamma$时正常数，同时有的时候要考虑到偏移量（输入为0时候一个可以度量的输出）同时，这个式子也可以写成$c(r+\epsilon)^\gamma$经过这个过程以后，偏移量一般是显示标定的问题。这种伽马变换的过程很多时候和photoshop中修改曲线的时候类似，可以把较窄范围的暗色输入值映射为较宽范围的输出值。或者把较宽范围的高灰度级输入值映射为较窄范围的输出值。在$\gamma$和1的大小关系发生变化的时候，曲线的效果完全相反。
一般来说，用于图像获取打印显示的各种设备是根据幂律来产生响应。通常称之为伽马。用于校正幂律相应的现象处理称之为伽马矫正。
在计算机屏幕上精确的显示图像，那么我们就需要进行精细的伽马矫正。而且伽马矫正也同时可以精确地再现彩色。
与此同时，幂律变换在通用的对比度操作时候也很有用。如果一幅图像的整体偏暗，那么我们就需要进一步的扩展灰度级。随着伽马值的减小，图像中的更多细节会变的更可见。与此同时，随着伽马值的进一步的减小，北京细节有进一步的增强，到那时对比度会一直降低开始到轻微的“冲淡”外观的程度。
从这一点能看出来，这一类空间域的操作很偏向于是一种玄学操作，最后评价好坏的标准还是人眼的接受程度。