数字图像处理——第三章（灰度变换与空间滤波（空间域））

图像增强：不考虑 图像降质的原因，只将图像中 感兴趣的特征有选择地突出，对不需要的特征进行衰减。
图像增强的目的：1）改善图像视觉效果，便于观察和分析；2）便于人工或机器对图像的进一步处理
本章主要在空间域对图像及像素进行处理。通常空间域在 计算上更有效，且执行所需的处理资源较少。
空间域的处理分为 灰度变换[点处理]（对图像的单个像素进行操作，主要以对比度和阈值处理为目的）和空间滤波[邻域处理]（改善性能）。

一、灰度变换

对图像在空间域的处理公式可表示为：
g(x,y) = T[f(x,y)]
其中，f(x,y)是输入图像，g(x,y)是处理后的图像，T是在点(x,y)对邻域上定义的关于f的一种算子。算子可应用于单幅图像或图像集合。
若用r和s分别表示f和g在任一点(x,y)处的灰度，则灰度变换函数可表示为：
s = T（r）

灰度变换的关键：根据要解决的图像增强问题，选择合适的灰度变换函数T（r）。

1.1 基本灰度变换函数

灰度变换是所有图像处理技术中的最简单的技术。

该图展示了图像增强常用的三种基本函数：线性函数（反转和恒等变换）、对数函数（对数和反对数变换）和幂律函数（n次幂和n次根变换）。

1.1.1 图像反转

s = L - 1 - r
经此处理，可得到等效的照片底片。
此类处理适用于增强嵌入图像暗色区域中的白色或灰色细节，特别是当黑色面积在尺寸上占主导地位时。

在matlab中可以使用imcomplement函数实现反转。
程序：

image = imread('C:\Users\win\Desktop\subway.jpg');
figure('Name','图像反转');
image1 = imcomplement(image);
subplot(1,2,1);
imshow(image)
title('原图');
subplot(1,2,2);
imshow(image1);
title('反转图像')

实验结果：

1.1.2 对数变换

其中c为常数，假设r>=0。由上图可知，对数变换是将输入中范围较窄的低灰度值映射为输出中范围较宽的灰度值，或将输入中范围较宽的高灰度值映射为输出中范围较窄的灰度值。扩展图像中的暗像素值，同时压缩更高灰度级的值。
反对数变换与此相反。

程序：

image = imread('C:\Users\win\Desktop\car.jpg');
figure('Name','对数变换');
image1 = log(1 + double(image));
subplot(1,2,1);
imshow(image);
title('原图');
subplot(1,2,2);
imshow(image1);
title('变换后的图像')

实验结果：

注：如果原图像的灰度级为L，对数变换后的结果应当重新标定为[0,L-1]的灰度级。
如：对于一幅256灰度级的原图像，对数变换增强的结果用下式表示：

1.1.3 幂律（伽马）变换

主要用于图像的校正，将漂白的图片或是过黑的图片，进行修正。

其中c和γ为正常数。

• γ<1时，γ越小，该变换越将低灰度值（暗值）进行拉伸
• γ>1时，γ越大，该变换越将高灰度值（亮值）进行拉伸
  程序：

image = imread('C:\Users\win\Desktop\car.jpg');
f = mat2gray(image); %mat2gray把一个double类的任意数组转换成值范围在[0,1]的归一化double类数组
figure('Name','幂律变换');
image1 = f.^0.3;
image2 = image.^4;
image3 = image.^8;
subplot(2,2,1);imshow(image);title('原图');
subplot(2,2,2);imshow(image1);title('y = 0.3');
subplot(2,2,3);imshow(image2);title('y = 4');
subplot(2,2,4);imshow(image3);title('y = 8');

实验结果：

1.1.4 分段线性变换函数

• 对比度拉伸
  对比度拉伸是扩展图像灰度级动态范围的处理。
  点（r1,s1）和点（r2,s2）的位置控制变换函数的形状。一般情况下，假设r1<=r2，s1<=s2，保证函数是单值的且是单调递增的。
  
• 灰度级分层
  突出图像中特定灰度范围的亮度。
  
  左图：突出目标的轮廓，消除背景细节
  右图：突出目标的轮廓，保留背景细节
• 比特平面分层
  像素是由比特组成的数字。如，256级灰度图像中，每个像素由8比特组成。替代突出灰度级范围，可突出特定比特来突出整个图像的外观。
  高阶比特包含了在视觉上很重要的大多数数据。低阶比特平面在图像中贡献了更精细的灰度细节。
  

1.2 直方图处理

• 直方图统计一幅图像中各个灰度级出现的次数
• 直方图反映的是