【贪玩巴斯】数字图像处理基础课堂笔记（五）——「亮度变换与空间滤波全解——加权平滑滤波器、相关&卷积、拉普拉斯、图像增强变化、直方图」 2021-10-19、10-12、10-25

1.空间域图像增强初识

分为

• 空域方法
• • 在 x，y 坐标中，把一幅画看做一个矩阵
• 频域方法
• • 把一幅图像从x，y空域坐标系，转换为频域。
• 图像增强不会添加原来图像没有的东西，原来看不清楚的变得看清楚，但是都是原来已经有的东西。
• 图像增强的目的和用处：
• • 一是给人看，改善图像的视觉效果
• • 二是给计算机看，便于计算机识别与进一步处理
• 注意：
• • 我们是不存在通用的图像增强的方法
    

2.背景知识

• 空域图像增强
• • 操作的是像素，在矩阵上操作。
• • f为增强前的图像（输入图像），g为输出图像（增强后的图像）。
    
• 把原来图像增强后，并保存在原有的位置上。
• 这一点也有可能取决于领域的值，我们叫空域的模板运算。
  
• T理解为函数，r为输入的灰度值，比如0，255；纵坐标s为输出函数值
• 指数E越大，曲线越陡。无穷大的时候对应图二，理想情况。
• 如果输入r小于m，输出s都为0，如果大于m，输出s都只对应一个值。二值化的门限就在m。

3.图像增强常用的3中基本类型

• 横坐标输入的灰度级，纵坐标输出的灰度级。
• 斜率为1是 函数为 y=x
• 对数函数：当输入图像较小，为暗的时候。输出值会剧烈抬升，很大。
• 根据输入图像不同情况选取不同的函数来图像增强。
  

例子：图像反转

• gg = imcomplement(f) ， 求图像的补集。

例子：对数变换

• 如果输入图像值很大，那么我们可以用对数变换来压缩图像。
• mat2gray把矩阵变换为01，最小为0，最大为1
• im2uint8 转换为无符号8位

灰度变换函数

• imadjust
• 最后一个值为gamma伽马γ值
  
• [] 为向量，将前一个的值映射为后一个的值。gamma值实现的是对应的幂次变换。（中的n次幂）

可以用作：对比度拉伸

imbinarize()

• im为Matlab中图像处理头
• 图像二值化，大于门限的为白，小于为黑。
• 二值化最关键在于门限的选择。

stretchlim

用来自动计算，输出最优饱和度范围值。

例子：幂次变换

• 需要根据图像的不同情况和需求来进行幂次变换
• γ>1的时候
• • 输入图像值比较大的，输出值会被快速抬升大。
• 伽马 < 1的时候
• • 输入图像值较小的时候，输出值会快速抬升较大。
    

例 伽马校正

伽马变换（1）——用幂次变换进行对比度增强的例子

• 情况适用γ<1的情况，输入的黑的会被急速抬升变亮。
• γ伽马值越小，增强强化的非常强。

伽马变化（2）

intrans 函数

• 可用于图像反转 neg
• log 对数变换
• gamma 伽马变换，后面是伽马值
• nargin变亮表示 当前函数实参的个数，只能在函数体里面用
• nargchk 表示检测传递到m函数的参数数目是否正确
  
  例子：
  function g = intrans(f, method, varargin)
  可以用switch，if语句来判断
  strcmp(method, “log”);
  对比字符串是否相等

4. 计算直方图

4.1 基本概念

4.2 明暗不同图像直方图的特点

• x数值越小，对应的图越黑
• x数值越大，对应的图越亮
  
• 三图叫做低对比度图像
• 四图叫做高对比度图像——其对比度比较好。
• 分布均匀——指的是高度
• 那么我们能否把图像处理成 高对比度图像 呢？

4.3 直方图均衡化 Histogram Equalization

连续形式

• nj j个灰度级的个数
• n 总像数的总数

例子

• T-1（s） 为反变换
• Pr 输入图像的直方图
• Ps 输出图像的直方图
• 要让Ps 输出图像 均匀并且分布广。

公式

• 输出图像直方图的结果始终为1，与输入图像Pr的直方图形式无关。
• 无论输入图是什么，都能产生一幅输出图像直方图为1的图。

离散形式

例子
不论左边输入的图像什么样，最终输出图像都是一致的

具体例子

有这么一幅图像，只有8个灰度级

• 第一步 列出每个灰度级的个数
• 把七个灰度级平均均衡化——（归一化）
  

直方图简并现象

4.3 Matlab中的直方图均衡化

公式

• 默认64位（人的眼睛大概只能分辨出64位灰度级）

提出的问题

• 输出灰度级会比较高，向右边平移——颜色会漂亮。

直方图匹配

• 直方图匹配——即有待处理的图像和目标直方图，求如何处理图像使得输出图像的直方图和目标直方图相同（相似）。

构造目标直方图

• 均值决定高斯函数峰值的位置
• 平方后——方差，方差决定胖瘦。最瘦的高斯函数方差最小

匹配方法

5. 线性空间滤波

基础知识

• 输出图像的像素不仅取决去他自己，还有他周围的像素
• 这种情况叫做线性空间滤波
  

公式形式

例子：

注意： 3 X 3的滤波器，其值为9/1

滤波器尺寸即为： 3 X 3 5 X 5 9 X 9 15 X 15 35 X 35
尺寸越大，模糊程度越重。

6. 加权平滑滤波器

概念定义

越靠近滤波器中心，其加权的赋值权重更大。

例子：

7. 边界问题

问题描述

在边界上的点，会取到边界外的像素。

问题解决：

• 考虑外面的全为黑色或者白色包围

例子

• 零填充（外边全部看成黑色）
• 重复边界像素
• 包围边界像素
  

Matlab中平滑滤波的示例

• 实例：

close all;
f = imread();

imshow(f,[]);  
titile("original image");

% 默认为黑色零填充
w = ones(31); % 31的全1矩阵， 961
f = mat2gray(f);  % 把最小值映射为0 最大值映射为1，转换后为 0~1的结果
gd = imfilter(f, w);
% imfilter输出的值类型必须取决于f
figure, imshow(gd, []);
title("default: zero paded");

gr = imfilter(f,w,"replicate");
figure,imshow(gr, []);
title("replicate");

gc = imfilter(f,w,"circular");
gs = imfilter(f,w,"symmetric");

8. 相关&卷积

• 卷积——> Z跑到R位置，即旋转180°
• 相关——> 相似，找到目标
  

9. 锐化滤波器

10. 空间差分和一阶、二阶差分

11. 拉普拉斯算子

• 输入图像➖拉普拉斯滤波锐化图像
  
• 图像增强的简化
  
  
  
• 比较两种情况
• 下边锐化的程度更深
  

12. 非线性空间滤波

• 取对应要求的值，并以此为中心的领域。
• 例子：