数字图像处理第三章 灰度变换与空间滤波

1 引言

空间域处理方法直接以图像中的像素操作为基础。主要分为灰度变换和空间滤波两类。
灰度变换在图像的单个像素上操作，主要以对比度和阈值处理为目的。
空间滤波涉及改善性能的操作，如去除噪声，锐化图像。

空间滤波：邻域原点从一个像素向另一个像素移动，对邻域中的像素应用算子T，并在该位置产生输出。是一种邻域处理技术。
邻域和预定义的操作合称空间滤波器（空间掩模、核、模板、窗口）。
邻域大小最小为 1x1，这时为灰度变换，是点处理技术，可以实现对比度拉伸、阈值处理。

灰度变换与空间滤波可广泛用于图像增强。
增强处理是对图像进行加工，使其结果对于特定的应用比原始图像更易于处理。若以人类解译为目标，图像处理的目标以观察者的需求为准。若以机器感知为目标，通常通过给定技术进行量化。

2 基本的灰度变换函数

图像增强常用三种基本函数：线性函数（反转和恒等变换）、对数函数（对数和反对数变换）、幂律函数（n次幂和n次根变换）。

• 图像反转：反转一幅图像的灰度级。
  适用于增强嵌入在图像的暗区域中的白色或灰色细节，尤其是当黑色面积在尺寸上占主导地位时。
• 对数变换
  将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值。
  即，扩展图像中的暗像素的值，同时压缩更高灰度级的值。反对数变幻的效果相反。
• 幂律（伽马）变换
  将较窄范围的暗色输入值映射为较宽范围的输出值。
• 分段线性变换函数
  • 对比度拉伸：扩展图像灰度级动态范围。
    低对比度图像可由照明不足、成像传感器范围太小，甚至在图像获取过程中镜头光圈设置错误引起。
  • 灰度级分层：突出图像中特定灰度范围的亮度。
    输出结果是一个二值图像。把感兴趣范围内的所有灰度值显示为一个值（如1），其他灰度值显示为另一个值（如0）。
  • 比特平面分层

3 直方图处理

可用于图像增强。
归一化直方图：纵轴是某一灰度级在图像中出现的概率估计，横轴是图像中所有可能出现的灰度值按序排列。
对于暗图像，直方图分量集中在灰度级的低（暗）端。对于亮图像，直方图分量集中在灰度级的高（亮）端。
低对比度图像有较窄的直方图，集中于灰度级的中部。
高对比度的图像中直方图分量覆盖了很宽的灰度级范围，像素分布没有太不均匀，只有少量垂线比其他的高许多。（这种图像可以展示灰色调的较大变化）

直方图均衡

一幅数字图像中灰度级 $r_k$出现的概率近似为 $p_r(r_k)=\frac{n_k}{MN},k=0,1,2,3,...,L-1$。
MN 是图像中像素的总数，$n_k$是灰度为$r_k$的像素个数，L是图像中可能的灰度级数量，如256。

直方图均衡通过灰度映射实现： $s=T(r),0\le r\le L-1$
r 表示待处理图像的灰度，T 是一种变换函数，使输入图像中每个具有 r 值 的像素值产生一个输出灰度值 s。

T 满足的条件：

1. $T(r)$ 在区间 0 ≤