空间域图像增强

背景知识

• 空间域方法是对图像的像素操作的过程。“空间域”一词是指图像平面本身，这类方法是以对图像的像素直接处理为基础，空间域处理可由下式定义：
                                       $g(x,y)=T[f(x,y)]$

• $T$是对$f$的一种操作，定义在$(x,y)$的邻域，另外，$T$能对输入图像集进行操作。

• 注意：操作是逐点移动。
  

• T操作最简单的形式是邻域为$1\times 1$的尺度(即单个像素)。在这种情况下，$g$仅仅依赖于$f$在$(x,y)$点的值，$T$操作成为灰度级变化函数(也叫做强度映射)，形式为：
                                       $s=T(r)$

$s$和$r$是所定义的变量，分别是$g(x,y)$和$f(x,y)$，在任意点$(x,y)$的灰度值。

某些基本灰度变换

图像反转

• 灰度级范围为$[0,L-1]$的图像反转可由下式给出：

                                     $s=L-1-r$

• 原来亮的地方变暗，原来暗的图像变亮了。
• 这种处理尤其适用于增强嵌入于图像暗色区域的白色或灰色细节，特别是当黑色面积占主导地位时。
  

对数变换

• 对数变换的一般表达式为：

                                     $s=c\times log(1+r)$

• 此种变换使一窄带低灰度输入图像值映射为一带宽输出值。相对的是输入灰度的高调整值。可以利用这种变换来扩展被压缩的高值图像中的暗像素。
• 如果愿图像的灰度级为$L$，对数变换公式的结果应当从新标定为$[0,L-1]$的灰度级。
• 例如：对于一幅256灰度级的原图像，对数变换增强的结果可用下式表示：
  $s=\frac{c\times log(1+r)-c\times log(1+0)}{c\times log(1+255)-c\times log(1+0)}\times 255$
  上式也说明了在前图变换曲线中隐含的步骤。

幂次变换

幂次变换的基本形式为：

                                     $s=c{r}^{\gamma }$

$\gamma >1$的值和$\gamma <1$的值产生的曲线有相反的效果。$\gamma <1$的幂律曲线是将较窄范围的暗色输入值映射到较宽范围的输出值。$\gamma >1$的幂律曲线是将较窄范围的亮色输入值映射到较宽范围的输出值。

幂次变换的应用

1. $\gamma$校正
   

2. 处理图像“冲淡”问题
   

3. 使用幂律变换进行对比度增强
   

分段线性变换函数

• 分段线性变换函数相比前面所讨论函数的主要优势在于它的形式可任意合成。
• 分段线性函数的缺点是其需要更多的用户输入。

三种分段线性函数

对比拉伸

最简单的分段线性函数之一是对比拉伸变换。低对比度图像可由照明不足、成像传感器动态范围太小，甚至在图像获取过程中透镜光圈设置错误引起。对比拉伸的思想是提高图像处理时灰度级的动态范围。

灰度切割

• 在图像中提高特定灰度范围的亮度通常是必要的，也被称为灰度切割。
• 两种方法进行灰度切割：
  1. 在所关系的范围内所有灰度指定一个较高值，而为其他灰度指定一个较低值。
  2. 使所需范围的灰度变亮，但是仍保持了图像的背景和灰度色调。

位图切割

• 代替提高灰度范围的亮度，而通过对特定位提高亮度，对整幅图像质量仍然是有贡献的。
• 设图像中的每一个像素都是由8比特表示，假设图像是由8个1比特平面组成，其范围从最低有效位的位平面0到最高有效位的位平面7。在8比特字节中，平面0包含图像中像素的最低位，而平面7则包含最高位。