数据增强主要分为空间域增强与频域增强
空间阈增强只改变某点的灰度级,不改变该点位置。
一、线性变换
(1)s=255-r(图像反转)
(2)s = Ar + B
(3)分段线性变换
二、非线性变换
(1)对数变换
适用于较暗的图像
(2)幂次变换
r >1,适用于较亮图片
r <1,适用于较暗图片
三、代数运算
(1)加法运算
定义:两幅或多幅图相加
应用:去除叠加性噪声
(2)减法运算
定义:两幅图片相减
应用:分割特定区域;检测场景变换
(3)乘法运算
定义:两幅图像相乘
应用:获取图像中特定的部分
做一个mask掩膜
四、空间域滤波
均值滤波器(卷积操作削弱噪声)
高斯低通滤波器
应用
由于均值滤波器会对边缘造成模糊,因此出现了中值滤波器
多个值排序,取中间值
- 使突出的亮(暗)点,更接近它周边的点
- 消除孤立的亮度或暗点
- 去除噪声的同时,比较好地保留边缘
- 能够有效去除脉冲噪声(黑白点叠加在图像上)
高通滤波:图像锐化
- 突出图像的细节特征
- 增强图像模糊的边缘
- 一阶导数可以检测图像中的某像素点是否在边缘上
- 二阶导数可以判断一个边缘像素点在亮或暗的一边
五、频域滤波
**频域滤波的原理:**空间域的卷积对应了频域的乘积。
- 基于空间域做增强,就是将输入图像与图像增强系统做卷积。
- 基于频域的增强,对输入图像先通过傅立叶变换得到其频域的表达,再通过频域增强系统获得想要的成分(不想要的成分),再通过傅立叶逆变换即可得到增强后的图像。
H(u, v)决定了增强的效果。
(1)低通滤波器,去除(衰减)高频成分,图像中尖锐的细节被平滑.
- 理想低通滤波器
存在振铃现象:
- Butterworth低通滤波器(缓慢衰减)
- 高斯低通滤波器
应用:去除栅格影响、人脸去皱、文本断裂修复
(2)高通滤波器,去除(衰减)低频成分,图像中边缘等被增强.
- 理想高通滤波器
存在振铃现象
- Butterworth高通滤波器,存在振铃现象
- 高斯高通滤波器,无振铃现象
增强方法的混合使用:
(3)同态滤波
低通滤波器、高通滤波器等只能解决加性噪声问题,无法消减乘性或卷积性噪声,故出现了同态滤波。
- 增强对比度
- 在频域压缩灰度动态范围
- 基于图像成像模型(如下图)
对成像模型的对数变换做傅里叶变换
之后在做傅里叶逆变换和指数变换即可得到输出图像。
应用
(4)基于Retinex滤波
应用