图像处理 空域增强

资源是可以掠夺的，要么永远缩在后面用那怯弱的目光看着别人在舞台上光彩夺目，要么咬着牙狠狠的提升自己的实力，在将来的某一天一鸣惊人，受万众瞩目。——《全职法师》

前言

• 图像增强：改变图像像素的灰度值，以改变图像灰度的动态范围，增强图像的对比度。
  • 增强的目的：
    • 改善图像的视觉效果，提高清晰度；
    • 将图像转换为一种更适合于人或机器分析处理的形式。
• 空域法：直接对图像的像素灰度值进行操作。
• 频域法：在变换域中，对图像的变换值进行操作。
• 空域增强分为：点操作和模板操作（邻域操作）。

概念

• 在图像处理中，空域是指像素组成的空间。
• 图像的空域增强技术是指直接作用于图像像素的增强技术。

空域增强的模型

模型	说明
$$g(x,y)=E_H[f(x,y)]$$	$f(x,y)$为原始图像， $g(x,y)$为增强后的图像， $E_H$为增强操作，仅定义在每个像素点$(x,y)$上。

基于像素的空域增强

操作类型	操作	说明
像素点操作	$$g(x,y)=P_{xy}[f(x,y)]$$	根据单个像素的灰度，或者像素的位置来改变该像素的灰度。
几何操作	$(x^{\prime },y^{\prime })=M(x,y)$	仅根据一个像素的位置，$M$为几何隐射函数。

基于模板的空域增强

操作	说明
$$t=E_H[s,n(S)]$$	其中，$E_H$定义在像素$(x,y)$的某个邻域上，$s$，$t$分别为原始图像$f$和结果图像$g$在$(x,y)$初的灰度值，$n(s)$为原始图像$f$在以$(x,y)$为中心的领域内像素的灰度值。

算术运算

对图像进行的算术运算是逐像素进行的，即两幅图像的对应位置的像素间进行算术运算。

加法

• 可以用于去除图像噪声（叠加多张受噪声污染程度不同的图片，取均值弱化噪声对图片的影响）
  • 若噪声具有互不相关、零均值的统计特性。
  • 原始图像：$f(x,y)$，随机噪声：$e(x,y)$
  • 噪声污染图像：$g(x,y)=f(x,y)+e(x,y)$
  • $M$幅噪声污染图像相加求平均：$$\bar{g}(x,y)=\frac{1}{M}\sum _{i=1}^M{g}_i(x,y)$$
• 生成图像叠加效果

减法

• 数字剪影
• 森林火灾
• 运动跟踪和检测
• 污染检测
• 伪印章鉴别

乘法

• 用二值模板图像与原图像做乘法进行图像的局部显示。

灰度映射

• 动态范围：是指图像中从暗到亮的变化范围。
• 动态范围对人视觉的影响：
  • 由于人眼所可以分辨的灰度的变化范围是有限的，所以当动态范围太大的时候，很高的亮度值把暗区的信号都掩盖了。

原理：按照某种映射规则或变换函数，将图像中的每个像素点的灰度值转化成另一灰度值。

典型灰度映射

名称	作用	模型描述	表达式
图像求反	将原图灰度值翻转，黑变白、白变黑。	假设原始图像任意像素点的灰度值为$s$，经过灰度映射后的灰度值为$t$，且灰度映射前后的灰度值取值范围为$[0,L-1]$	$$t=(L-1)-s$$
分段线性增强	增强感兴趣的灰度区域，相对抑制不感兴趣的灰度区域。	利用分段函数增强图像细节之间的对比度。
对数变换	原图动态范围太大，超出某些显示设备的允许动态范围，需要压缩其动态范围。	常采用对数变换实现动态范围的压缩。	$$t=Clog(1+|s|)$$
幂律(伽马)变换	与对数变换类似，部分$\gamma$值的幂律曲线将较窄范围的暗色输入值映射为较宽范围的输出值；相反地，对于输入高灰度值也成立。	$C$和$\gamma$为正常数，注意$\gamma >1$和$\gamma <1$的幂律变换效果完全相反。	$$t=c\times s^{\gamma }$$
灰度切割	增强特定范围的对比度，用来突出图像中特定灰度范围的亮度。	对感兴趣的灰度级以较大的灰度值显示，其它的为较小的灰度级显示。	$$t=\{\begin{array}{ll}{t}_2& {\text{S}}_1\le S\le S_2\\ t_1& \text{其}他\end{array}$$
		对感兴趣的灰度级以较大的灰度值显示，其它不变。	$$t=\{\begin{array}{ll}{t}_2& {\text{S}}_1\le S\le S_2\\ S& \text{其}他\end{array}$$
阈值化处理	阈值化处理，也即阈值变换，目的在于将感兴趣的物体从背景中分离出来。	阈值化处理需要指定一个阈值$threshold$，根据这个阈值修改图像的像素值，最终产生一个黑白图像。	$$t=\{\begin{array}{ll}0& \text{S}<S_1\\ L-1& \text{S}\ge S_1\end{array}$$
位图切割	假设图像的像素由$8$位（比特）表示其灰度值，则图像可以看成由$8$个单独的1比特平面（简称为位面）组成，其范围从最低有效位的位面0 到最高有效位的位面7。每个位面均为二值图像，且位面图像中像素的灰度值等于相应有效位的取值。位面$0$表示最低位面，仅包含图像中像素的最低位；位面$7$表示最高位面，仅包含图像中像素的最高位。	将图像各像素的灰度值除以各有效位的权值$2^i$（$i$为有效位的序数，从0计数）。如果商的整数部分为奇数，则该灰度值在相应位面中映射为 1；如果商的整数部分为偶数，则映射为 0，即可得到每个位面的二值图像。	t = { 1 f l o o r ( 像 素 值 / 2 i ) = 奇 数 （ i ， 位 面 序 数 ） 0 f l o o r ( 像 素 值 / 2 i ) = 偶 数 t=\begin{cases}1 &amp; \text floor(像素值/2^i)=奇数（i，位面序数） \\0 &amp; \text floor(像素值/2^i)=偶数 \end{cases} t={ 10​