1.空间域
“空间域”指图像平面本身,即:图像中的每个像素单元。
“空间域”主要是为了区别于“变换域”,“变换域”是将图像转换到其他的域(如频率域),在变换域做完处理后再通过反变换域的方式将其转换回来。
2灰度变换(p77)
2.1图像反转
原理:灰度级数-当前灰度
2.2对数变换
原理由于对数本身上凸的性质,它可以把低灰度(较暗)部分的亮度提高,v越大,灰度提高越明显,即图像越来越亮。
2.3Gamma变换
原理:Gamma变换其实就是幂指数校正,目的是将灰度较窄,目的是将灰度较窄的区域拉伸为较宽的区域。
2.4直方图的均衡化
统计灰度值的个数及其累计占比从而计算灰度值
3.空间域滤波
3.1基本概念
滤波名词出自于信号系统,从图像上来说,图像是二维数据,二维数据传输的时候是逐行传输的,对应于信号处理,就是一个连续的波形,对波形做一些处理,按预期过滤掉波形中的某些成分,所以形象地表示为“滤波”。
滤波处理:降噪、平滑
如何执行?
原理:滤波就是将核与图像做卷积,得到的卷积结果就是滤波结果
3.2平滑空间滤波器
分类:
- 平滑线性滤波器
- 中值滤波器
- 高斯滤波器
作用:(低通滤波)
- 模糊处理:大目标提取之前先去掉图像中的琐碎细节
- 降低噪声:典型的噪声是由于灰度级的急剧变化引起的
平滑线性滤波器:
所有系数都相等的滤波器
结论:核的尺寸越大越模糊,且当目标的灰度与其相邻像素的灰度相近时,会有模糊目标的混合效应。
为了对感兴趣的物体得到一个粗略的描述而模糊一幅图像
原理:模糊之后,小目标被拉的跟背景接近,或融于背景,因此再根据大目标的灰度值选一个阈值,便能很好的提取目标。
中值滤波器(统计排序(非线性)滤波器)
像素邻域内灰度的中值来替换目标像素
应用:用于去除椒盐噪声
原理:由于椒盐噪声是由黑点或白点叠加到图像上的,且黑白点相当于极大值和极小值,而中值滤波是用中值替代这些极大值或极小值,因此效果比较明显。
高斯低通滤波器
高斯滤波器是一种线性滤波器,能够有效的抑制噪声,平滑图像。其作用原理和均值滤波器类似,都是取滤波器窗口内的像素的均值作为输出
计算方法:将各个位置的坐标带入到高斯函数中,得到的值就是模板的系数。对于窗口模板的大小为(2k+1)*(2k+1)。模板中个元素值得计算公式如下:
正态分布是高斯分布的一种特例
高斯标准差如何确定:标准差代表着数据的离散程度,如果标准差较小,那么生成的模板的中心系数较大,而周围的系数较小,这样对图像的平滑效果就不是很明显;反之,标准差较大则生成的模板的各个系数相差就不是很大,比较类似均值模板,对图像的平滑效果比较明显。
结论:标准差越大,越类似于平均模板;标准差越小,越类似于中间值模板。