图像基本运算——MOOC学习笔记（2）

按照图像处理运算的数学特征，图像基本运算可以分为：
1）点运算：指对一幅图像中每个像素点的灰度值进行计算的方法。
2）代数运算：将两幅或多幅图像通过对应像素之间的加、减、乘、除运算得到输出图像的方法。
3）逻辑运算：将两幅或多幅图像通过对应像素之间的逻辑与、或、非运算得到输出图像的方法。
4）几何运算：改变图像中物体对象（像素）之间的空间关系。从变换性质来分，几何变换可以分为图像的位置变换（平移、镜像、旋转）、形状变换（放大、缩小）以及图像的复合变换等。

点运算
点运算就是对图像的每个像素点的灰度值按一定的映射关系进行运算。根据映射关系的不同点运算可以分为线性点运算和非线性点运算两类。
1）线性点运算：是指输入图像的灰度级与目标图像的灰度级呈线性关系。线性点运算的灰度变换函数形式可以采用线性方程描述，即 s=ar+b（s为相应输出点的灰度值 r为输入点的灰度值）

①如果a＞1，输出图像的对比度增大（灰度扩展）
②如果0＜a＜1，输出图像的对比度减小（灰度压缩）
③如果a为负值，暗区域将变亮，亮区域将变暗
2）非线性点运算：常见的是对数变换和幂次变换。
对数变换的一般表达式为s=c log(1+r) （c为常数，并假设r≥0）

幂次变换的一般形式为s=cr^γ （c和r为正常数，r＜1的值和r＞1的值产生的曲线有相反的效果。当c=r=1时，变为线性变换）

点运算可以改变图像数据所占据的灰度值范围，从而改善图像显示效果。
3）分线段性运算：将感兴趣的灰度范围线性扩展，相对抑制不感兴趣的灰度区域。

代数运算和逻辑运算
1）代数运算：指对两幅或者两幅以上输入图像进行点对点的加、减、乘、除运算而得到目标图像的运算。下面C(x,y)为输出图像表达式，A(x,y)和B(x,y)为输入图像表达式。
①加：C(x,y)=A(x,y)+B(x,y) ，主要应用于除去“叠加性”随机噪音，生成图像叠加效果



②减：C(x,y)=A(x,y)-B(x,y)，将同一景物在不同时间拍摄的图像或同一景物在不同波段的图像相减，这就是图像的减法运算，实际中常称为差影法。
差值图像提供了图像间的差值信息，能用于指导动态监测、运动目标的监测和跟踪、图像背景的消除及目标识别等。
主要应用举例：差影法（检测同一场景两幅图像之间的变化）和混合图像的分离。


③乘：C(x,y)=A(x,y)×B(x,y)
④除：C(x,y)=A(x,y)÷B(x,y)
2）逻辑运算：图像逻辑运算有与、或、非等，主要针对二值图像。

几何运算
在图像处理的邻域，通过改变像素位置进行的图像形状的变化，称为几何变换。
图像几何运算的一般定义为g(x,y)=f(u,v)=f(p(x,y),q(x,y))，其中u=p(x,y),u=q(x,y)唯一的描述了空间变换，即将输入图像f(u,v)从u-v坐标系变换为x-y坐标系的输出图像g(x,y)。
1）图像的平移。设图像空间的x,y正方向分别为向右、向下，初始坐标为(x₀,y₀)的点经过平移(△x,△y)后，其坐标变为(x₁,y₁)，则图像平移的变换公式（以矩阵的形式表示）为
2）图像的镜像。指原始图像相对于某一参照面旋转180°的图像。镜像变换可以分为水平对称、垂直对称等多种变换。对称变换后，图像的宽和高不变。
设原始图像的宽为w，高为h，原始图像中的点为(x₀,y₀)，对称变换后的点为(x₁,y₁)。

3）图像的旋转。一般情况下图像的旋转变换是指以图像的中心为原点，将图像上的所有像素都旋转同一个角度的变换。
设原始图像的任意点A₀(x₀,y₀)经旋转角度β以后到新的位置A(x,y)，为表示方便，采用极坐标形式表示，原始的角度为α。




4）图像的缩放。数字图像的比例缩放是指将给定的图像在x方向和y方向按相同的比例α缩放，从而获得一副新的图像，又称为全比例缩放。如果x方向和y方向缩放的比例不同，则图像的比例缩放会改变原始图像像素间的相对位置，产生几何畸变。设原始图像中的点A₀(x₀,y₀)比例缩放后，在新图中的对应点为A₁(x₁,y₁)，则A₀(x₀,y₀)和A₁(x₁,y₁)之间坐标关系的表示如下所示。

若α＞1，则图像放大，若α＜1，则图像缩小。
若比例缩放所产生的图像中的像素在原图像中没有对应的像素点时，就需要进行灰度级的插值运算，一般有两种插值处理方法。
1）直接赋值为它最相近的像素灰度值，这种方法称为最近邻插值法，该方法简单、计算量小，但是可能会产生马赛克现象。
2）通过其他数学插值算法来计算相应像素点的灰度值，这类方法处理效果好，但运算量会有所增加。