首先很重要的一句话:增强的首要目标是处理图像,使其比原始图像更适合于特定的应用。
图像增强分为两大类别:空间域方法和频域方法。“空间域”是指图像平面本身,这类方法直接对图像像素进行处理。“频域”则是指以修改图像的傅里叶变换为基础的。
1. 背景知识
空间域处理定义为:g ( x , y ) = T [ f( x , y ) ],f为输入图像,g为输出图像,则T是对f的一种操作。T操作的最简单的形式是单个像素的尺度这种情况下,g 仅仅依赖于 f 在(x , y)的值,T操作称为灰度级变换函数(又称为强度映射)形式为:s = T ( r ) (例如简单的二值变化);
2. 某些基本灰度变换(上述 r 与 s 之间的映射关系)
图像翻转(s = L - 1 - r) 可以增强嵌入于图像暗色区域的白色或灰色细节;
对数变换 ( s = c log ( 1 + r ) ) 可以很大程度上压缩图像的动态范围从而突出一些细节;
幂次变换(s = c r ^ γ)用于修正幂次相应现象的过程称为伽马校正。比如:真是的图像是一个正比的映射关系,但是CRT显示频的电压-电流-强度相应是一个幂函数,所以通过该显示频显示的图像会产生失真。所以在将图像输入进显示器前做预处理——即伽马校正使最终的图像更接近与原图像。
分段线性变换函数(对比拉伸、灰度切割、位图切割)位图切割:不提高灰度范围的亮度,而是通过特定位提高亮度,对整个图像的质量仍然有有贡献。
3. 直方图处理
灰度级为[ 0 , L-1 ]范围的数字图像的直方图是离散函数:h ( rk ) = nk,其中rk是第k级灰度级,nk是图像中灰度级为rk的像素个数。一个归一化的直方图就是 P(rk) = nk/n,就是说,P(rk)给出了一个灰度级为nk的概率估计值,所有部分之和应该为 1 。
直方图均衡化:(是一种适应性强的增强工具,能够处理绝大部分的图像)能够将输入的图形覆盖整个灰度范围的灰度值,并且完全“自动化”;
直方图匹配(规定化):没有对规定化直方图的规定,对于给定的增强任务都必须借助实际分析;
局部增强:对于局部图像的操作;
4. 用算术/逻辑操作增强
图像减法处理:突出两幅图像的差异(在图像分割领域有很大的应用);
图像平均处理:较少噪声的影响;
5. 空间滤波基础(这里不是太理解):称为掩膜与图像的卷积
6. 平滑空间滤波器
一般用于模糊处理和减小噪声,经常用在预处理阶段。通过线性滤波器和非线性滤波器的模糊处理可以减小噪声。
线性滤波器:其输出是包含在滤波掩膜领域内像素的简单平均值,因此也称为均值滤波器。其实也就是低通滤波器。
统计排序滤波器(非线性):
7. 锐化空间滤波器
基于二阶微分的图像增强——拉普拉斯算子(微分算子):它的应用强调图像中灰度的突变及降低灰度慢变化的区域。这将产生一幅把图像中的浅色边线和突变点叠加到暗背景中的图像。将原始图像和拉普拉斯图像叠加到一起的简单方法可以保护拉普拉斯锐化处理的效果,又可以回复原图像的信息。
基于一阶微分的图像增强——梯度法(线性算子,Sobel算子):能够用来突出图像中的小缺陷并能够去除缓慢变化的背景特点。
8. 混合空间增强法:将各种增强的方式结合,以达到最好的增强效果。