图像预处理

总结：

   图像预处理

         最低抽象层次图像上的操作，输入和输出都是亮度图像，被称为“预处理”。

         预处理的目的是改善图像数据，抑制不需要的变形或者增强某些对于后续处理重要的图像特征。

         预处理方法分为四类：

         * 像素亮度变换

         *几何变换

         *局部领域预处理

         *图像复原

   1、像素亮度变换

           有两类像素亮度变换：

             *亮度校正

             *灰度级变换

         灰度级校正在修改像素的亮度时要考虑该像素原来的亮度和其在图像中的位置。

         灰度级变换在修改像素的亮度时无需考虑其在图像中的位置。

         常用的亮度变换有：

          *亮度阀值化

          *直方图均衡化

          *对数的灰度级变换

          *查找表变换

          *伪彩色变换

        直方图均衡化的目的是创建一副在整个亮度范围内具有相同分布的亮度图像。

   2、几何变换

        几何变换可以消除图像获取时所出现的几何变形。

        几何变换一般由两个基本步骤组成：

          * 像素坐标变换

          * 亮度插值

       像素坐标变换将输入图像像素映射到输出图像，常使用“仿射变换”和“双线性变换”。

       经过变换，输出点的坐标一般并不符合数字离散光栅，插值被用来确定输出像素的亮度，常使用“最近邻”、“线性”、“双三次”。

 3、局部预处理

     -局部预处理方法是使用输出图像中一个像素的小领域来产生输出图像中新的亮度数值的方法。

     -根据预处理的目的，常见的有两组：“平滑”和“边缘检测”。

     -平滑目的在于抑制噪声或其他晓得波动，等同于在傅里叶变换抑制高频部分。

     -基于直接平均的平滑方法会模糊边缘。更复杂的方法通过在一致性的局部区域内平均来减小模糊。

     -“中值”滤波是一种非线性操作，它用领域中亮度的中值替代图像当前的点。

     -“梯度算子”确定边缘，边缘是亮度函数发生急剧变化的位置；这类似于在傅里叶变换域抑制低频部分的效果。

      - 赋给单个像素的性质，有两个分量：“幅值（强度）”和“方向”。

      - 多数梯度算子可以用“卷积掩膜”来表达，例子包括Roberts,Laplace,Prewitt,Sobel,Robinson,Kirsch算子。

      - 卷积边缘检测算子的主要缺点是它们依赖尺度且对噪声敏感。我们很少有合适的理由来解释为什么选择某个特别的局部领域算子尺度。

      - 二阶导数“过零点”比小尺度的梯度检验算子更稳定，可以用Laplacian of Gaussian(LoG)或difference of Gaussians(DoG)来计算。

      -Canny 边缘检测子对受白噪声影响的阶跃性边缘是最优的。最优性标准是基于如下要求：“ 检测重要边缘、小的“定位”误差”、“单边缘响应”。Canny边缘检测子从与一对称2D高斯做卷积开始，再沿梯度方向微分，接着的步骤包括“非最大边缘抑制”、“滞后阀值化处理”和“特征综合”。

      -在多光谱图像中也可以检测边缘。

      -其他局部预处理运算包括“线条寻找”、“线条细化”、“线条补缺”，以及“ 兴趣点检测”。

      -在一副图像中，有诸如角点和最大稳定极值区域等结构。它们包含更丰富的信息，检测边缘更为稳定。这些结构常用于图像匹配。

  4、图像复原

     - 像复原旨在利用有关退化性质知识来抑制退化。多数图像复原方法是基于整幅图像上的全局性“去卷积”的方法。

     - 有三种典型的退化具有简单的函数形式：物体相对于摄像机做近似匀速的运动、不当的镜头焦距、大气的扰动。

     -“逆滤波”假设退化是由线性函数引起的。

     - “维纳滤波”给出了对于未被噪声污染的原始图像的一个最小均方误差估计；一般而言，最优估计是退化图像的非线性函数。