图像增强
空间域法：在原图像上直接对像素的灰度值进行处理，分为两类，点运算和局部运算（邻域有关的空间域运算）。
频域法：在图像的变换域上进行处理，增强感兴趣的频率分量，然后进行反变换，得到了增强的图像。
-
空间域
1. 灰度变换
1.1 图像灰度变换
灰度变换是按一定变换关系，逐点改变原图像中每一个像素灰度值的方法。是图像增强技术中一种非常基础、直接的空间域处理方法。目的是为了改善画质，使图像的显示效果更加清晰。
灰度变换是一种像素值的点运算
设输入图像为f(x,y)，输出图像为g(x,y)。点运算为：g(x,y) = T[f(x,y)]
点运算描述了输入和输出值之间的转换关系，不改变空间位置关系。
根据g(x,y) = T[f(x,y)]，可以将灰度变换分为线性变换和非线性变换。
线性变换：输入和输出灰度呈线性关系的点运算
g(x,y) = T[f(x,y)] = af(x,y) + b
当a>1时，对比度增大
当a<1时，对比度减小
当a=1, b!=0时，整个图像变暗或者变亮
非线性变换：
如对数变换： g = clog( 1 + f ) 对原图像的动态范围进行压缩。
1.2 二值化和阈值处理
固定阈值法：
双固定阈值法：
1.3 灰度直方图及其均衡化
- 只反映该图像中不同灰度值出现的次数（或频数），而未反应某一灰度值像素所在的位置。丢失了位置信息。
- 图像与直方图之间是多对一的映射关系
- 一幅图像各子区的直方图之和等于该图像全图的直方图
直方图的计算：
- 初始化：p[k] = 0 (k=0,1,2...,L-1)
- 统计：p[ f(x,y) ]++ (x = 0,1...M-1, y = 0,1...N-1)
- 归一化： p(x,y) /= (M+N)
直方图均衡化
经变换后得到的新直方图比原始图像的直方图平坦的多，扩展了动态范围。对于对比度较弱的图像进行处理很有效。
变换后的灰度级减少，这种现象叫做“简并”现象。由于简并现象的存在，处理后的灰度级总是要减少。
例： 用累积分布函数作为灰度变换函数
2. 空域滤波
2.1 图像平滑
2.1.1 基本概念
图像在获取、传输过程中，受干扰的影响，会产生噪声，噪声是一种错误的信号，干扰正常信号。造成图像毛糙，需要对图像进行平滑处理。
图像去噪是一种信号滤波的方法，目的是保留有用信号，去掉噪音信号。
噪声干扰一般是随机产生的，分布不规则，大小也不规则。噪声像素的灰度是空间不想管，与临近像素显著不同。
平滑的目的：
（1）模糊：在提取较大目标前，去除太小的细节，或将目标内的小间断连接起来。
（2）消除噪声：改善图像质量，降低干扰。
平滑滤波对图像的低频分量增强，同时削弱高频分量，用于消除图像中的随机噪声，起平滑作用。
邻域处理方法：用某一模板对每个像元与其周围邻域的所有像元进行某种数学运算，得到该像元新的灰度值，新的灰度值不仅与该乡原的灰度值有关，还与其邻域内的像元的灰度值有关。
对平滑滤波来说，filter一般都为正数且和为1。
平滑处理的基本方法：
1. 线性平滑：每一个像素的灰度值用它的邻域值代替，邻域为N*N，N取奇数。
2. 非线性平滑：改进，取一个阈值，当像素值与其邻域平均值之间的差大于阈值，以均值代替；反之取其本身值。
3. 自适应平滑：物体边缘在不同的方向上有不同的统计特性，即不同的均值和方差，为保留一定的边缘信息，采用自适应法。
二值图像的黑白点噪声平滑滤波：
用3*3的模板的均值进行滤波，设f(i,j)周围的8个像素的平均值为a
当| f(i, j) - a | > 127.5，则对 f(i, j) 的黑白进行翻转，否则不变。
2.1.2 线性平滑
- 邻域平均：
- 加权平均
- 高斯平均
- 边缘保持平滑
2.1.3 非线性平滑
- 中值滤波：
能被中值滤波完全除去的脉冲的最大长度依赖于模板尺寸S=2r+1。考虑一个长度记为L的信号f(i)
容易看出，如果L≤r那么输出将完全是0,即脉冲全被消除了。然而，如果信号仅包含长度至少为r+1的常数段,那么用长度小于等于2r+1的中值滤波模板对信号滤波并不会使信号发生任何变化。不受中值滤波影响的信号称为根信号。一个信号是一个长度为2r+1的中值滤波的根信号的充分条件是该信号局部单调变化且阶数为r+1,即该信号的每个长度为r+1的段为单调的。
中值滤波的主要特征：
- 对大的边缘高度，中值滤波较均值滤波好；对于较小边缘高度，两种滤波有很少的差别
- 是非线性的
- 在抑制图像随机脉冲噪声方面有效，运算速度快，便于实时处理
- 去除孤立线或点干扰，而保留空间清晰度较均值滤波较好；但对高斯噪声则不如均值滤波
2.2 图像锐化
REFERENCES:
1501
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
