图像处理之数据增强

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