三维视觉之数字图像处理基础（二）

图像灰度变换

声明：本文为3D视觉开发者社区三维视觉原理与实践学习的笔记文件，仅供个人学习复习，详情可以观看官网视频：https://developer.orbbec.com.cn/v/lecture?tid=26

1 图像对比度和亮度调节

图像的对比度表示图像的动态范围，最亮最暗的值分别为多少；亮度：整幅图像的一个均值表示。
给定一幅图像f(x,y)，对其对比度和亮度进行j精准调节：

上图：第一幅为原图，第二幅为对比度提升一倍，第三幅为亮度提升一倍，第四幅为亮度、对比度均提升一倍

2 图像的灰度变换

2.1 反转变换

反转变换：黑白变换。原图为r，新的图像s。多应用于医学图像处理，更符合人眼视觉。

2.2 对数变换

log变换，解决原图动态范围过大（对比度范围过大），超出设备显示能力	

上图：a为一个8位系统显示的0-1.5x10^6的傅里叶频谱图，b为对数变换后8位系统的显示结果。

2.3 伽马变换

伽马变换的公式可以表示为：

其中：g为变换后的图像，f为原图。
γ<1，
γ>1，降低灰度级，图像变暗 。


上图，竖直陡峭的部分拉伸，水平平缓的部分压缩，因此：
γ值＜1，拉伸灰度级较低的区域，压缩灰度级较高的部分，提高灰度级，图像变亮 ；
γ值＞1，拉伸灰度级较高的区域，压缩灰度级较低的部分，降低灰度级，图像变暗 。

3 直方图

3.1 直方图定义

一个灰度等级在范围[0，L-1]内的数字图像，其直方图（图像密度函数）是一个离散函数：

多数情况下处理的直方图为归一化直方图，p(rk)分量为图像中出现的灰度级的概率估计，整体和为1。

3.2 直方图均衡化

希望找到一个变换S=T(r) （0≤r≤1)，变换后，S的概率密度函数是均匀的。
T(r)满足下列条件：
（1）T(r)在区间0≤r≤1中为正值且单调递增————保证原图各灰度级在变换后扔保持从黑到白（从白到黑）的排列次序。
（2）当0≤r≤1时，0≤T(r)≤1————保证变换前后灰度值动态范围一致。

概率论原理：若已知p(r)和T(r),且T(r)是连续的且在感兴趣的值域上是可微的，则变换（映射）后的变量s的PDF(概率密度函数)是（上式）

根据莱布尼茨积分法则可知，定积分关于其上限的导数是在这一上限处计算的积分，即：

代入第一个式子可得：

我们发现在上式的最后一项中，Ps(s)的形式是一个均匀概率密度函数。因此，执行式(3.11)中的灰度变换将产生一个随机变量s,它由一个均匀的PDF表征。重要的是，式(3.13)中的p,(s)始终是均匀的，而与p,®的形式无关。

对离散的数字图像：

推导过程：

3.3 直方图均衡化的例子

3.4 直方图匹配（规定化）

对于某些应用，采用均匀的直方图的增强并不是最好的方法。有时，我们希望处理后的图像具有规定的直方图的形状可能更有用。
这种产生特殊直方图的方法称为直方图匹配或直方图规定化。

下面暂时考虑连续灰度r和z,我们照例将它们当成PDF分别为pr®和pz(z)的随机变量来处理。其中，r和z分别表示输入图像和输出（处理后的）图像的灰度级。我们可以由已知的输入图像计算pr®和pz(z)是规定的PDF,它是我们希望输出图像具有的。
令s是一个具有如下性质的随机变量：