图像处理学习笔记一

一、线性和非线性操作

令H是一种算子，其输入和输出都是图像。如果对于任何两幅图像f和g及任何两个标量a和b有如下关系:

H(af+bg)=aH(f)+bH(g)

则称H为线性算子。换句话说，对两幅图像（用所示的常数去乘）的和应用线性算子等同于分别对图像应用该算子，并各自与适当的常数相乘，然后将结果相加。例如对k幅图像求和的算子就是线性算子，计算两幅图像差分绝对值的算子就不是线性算子。不能通过上式检验的算子就定义为非线性算子。

二、空间域图像增强

空间域图像增强是指增强构成图像的像素。空间域的方法是直接对这些像素操作的过程。空间域处理可由下式定义：

g(x,y)=T[f(x,y)]或者s=T(r)

一些基本的灰度变换主要有：线性的（正比和反比变换）、对数的（对数和反对数变换）、幂次的（n次幂n次方根变换）

1、图像反转

灰度级范围为[0,L-1]的图像反转可由下式表示：

s=L-1-r

2、对数变换

对数变换的一般表达式为：

s=c*log(1+r)

其中c为常数，并假设r>=0。此中变换使一窄带低灰度输入图像值映射为一宽带输出值。相对的是输入灰度的高调整值。可以利用这种变换来扩展被压缩的高值图像中的暗像素。相对的是反对数变换的调整值。对数函数的重要特征就是它在很大程度上压缩了图像像素值的动态范围，其一个典型的应用例子就是傅里叶频谱，它的像素值有很大的动态范围。

3、幂次变换

幂次变换的基本形式为：

s=c*r^r

其中c和r（指数）都为常数。有时考虑到偏移量（激荡输入为0时的可测量输出），上式也写做s=c(r+e)^r。不管怎么样，偏移量通常是显示标定的衍生，并且一般在上式中忽略掉。习惯上，幂此等式中指数是指伽马值，用于修正幂次响应现象的过程叫做伽马校正。幂次变换的应用主要有伽马校正、扩大灰度值、压缩灰度值提高对比度等。

4、分段线性变换函数

分段线性函数的主要优势就是它的形式可以任意合成。主要缺点就是需要更多的用户输入。

（1）、对比拉伸

最简单的分段线性函数之一是对比拉伸变换。低对比度图像可由照明不足、成像传感器动态范围太小，甚至在图像获取过程中透镜光圈设置错误引起。对比拉伸的思想是提高图像处理时灰度级的动态范围。

上图是对比拉伸的典型变换。

（2）、灰度切割

在图像中提高特定灰度范围的亮度通常是必要的,其应用包括增强特征和增强x涉嫌图中缺陷。有许多方法可以进行灰度切割，但是，它们中的大多数是两种基本方法的变形。其一就是在所关心的范围内为所有灰度指定一个较高值，而其他灰度指定一个较低值。其二就是使所需范围的灰度变亮，但仍保持图像的背景和灰度色调。

（3）、位图切割

代替提高灰度范围的亮度，而通过对特定位提高亮度，对整幅图像质量仍然是有贡献的。设图像中的每一个像素都由8比特表示，假设图像是由8个1比特平面组成，其范围从最低有效位的位平面0到最高有效位的位平面7。在8比特字节中，平面0包含图像中像素的最低位，而平面7则包含最高位。高阶位（特别是前四位）包含了大多数在视觉上很重要的数据。其他位平面对图像中更多的微小细节有作用。

就8比特图像的位平面抽取而言，用一个灰度阈值变换函数处理输入图像可以获得位平面7的二值图像并不困难，该灰度阈值变换函数：（1）把图像中0和127间的所有灰度映射到一个灰度级（例如0）；（2）把129到255间的灰度映射为另一种灰度级（例如255）。