数字图像处理之图像增强的空间法

近期学习了冈萨雷斯关于数字图像处理的经典教材，刚刚学习完第三章图像空间增强，遂作此博客以记录之。
本章大致内容为：

• 基本灰度变换
• 直方图处理
• 算术/逻辑处理
• 空间滤波

下面开始逐项介绍相关内容。

基本灰度变换

主要包含了幂次变换，对数变换，指数变换等数学变换。不同的变换具有特性，对灰度的影响也各有区别。

变换	表达式	性质
幂次变换	$s=c{r}^{\gamma }$	$L-1=c(L-1{)}^{\gamma }$
对数变换	$s=c\ast log(1+r)$	$c\ast log(L)=L-1$
反转变换	$s=L-1-r$	$None$
分段线性变换	$None$	$None$

上述变换主要用于使某一段的灰度级（受关注的，受重视的），映射到更大的灰度范围，同时压缩了（不受关注，不受重视的）灰度级，体现了一种“选择性”。
而分段线性变换则使这种“选择性”更为突出，明显。但同样由于表达式的复杂，将导致执行的开销加大。

直方图处理

直方图是一个概率论中的概念，是一个直观描述某个变量的概率分布情况的工具。在DIP中，主要用于描述灰度的分布情况，哪一个灰度值的像素数量最多，哪一个灰度值的像素数量最少，可以通过直方图直观得到。

直方图处理主要有两种：

• 均衡化
• 规定化（匹配）

均衡化

预先知识：图像均为8位灰度图，即灰度值范围（0~255）：0、1、2、、、、L-1
令原图像为p1，灰度分布数组为a1，目标图像为p2，灰度分布数组为a2，变化的函数为$T：a1\to a2$，数组长度均为256，每一位的数值代表像素数。
做图像的空间处理中的直方图处理，最为直观的理解是，T是一个映射关系，将a1的第n位与a2的第m位相互链接，从而实现直方图变换。
数学迭代关系
$$s[k]=\sum _{i=0}^k\frac{n[j]}{n}（k=0,1,2,3,,,,L-1）$$
$n$为像素点数总和。

上述结果由Matlab自带的histeq函数得出。也可以自己编写相关的运算程序，下面是笔者的源码。可以观察得到，均衡化后的直方图，灰度分布的概率趋于一致（相等），但仍存在一些毛刺，这是因为灰度值本身是离散的，并不连续。

%统计灰度值分布
function [R]=count(I)
R=[];
R(256)=0;
[row,col]=size(I);
for i=[1:1:row]
    for j=[1:1:col]
        temp=I(i,j);
        R(temp+1)=R(temp+1)+1;
    end
end
end

%均衡化处理
function [ I_1 ] = o_average( I )
%UNTITLED2 此处显示有关此函数的摘要
%此处显示详细说明
s=[];
r=[];
r(256)=0;
s(256)=0;
[row,col]=size(I);
n=row*col
r=count(I); %灰度值计次

for k=[1:1:256]
     for i=[1:1:k]
         s(k)=s(k)+r(i);    %对应灰度值为k-1
     end
     s(k)=s(k)/n;
end
for i=[1:1:row]
    for j=[1:1:col]
        temp=s(I(i,j)+1);
        I_1(i,j)=temp;
    end
end
end

I=imread('moon.tif');       %黑白
%I=imread('office_1.jpg');  %彩色    
subplot(2,2,1);
I_1=o_average(I);
imshow(I_1);
I_2=histeq(I);
subplot(2,2,3);
imshow(I_2);
subplot(2,2,2);
imhist(I_1);
subplot(2,2,4);
imhist(I_2);

规定化

目的是将原图像直方图(p1,a1)转换成目标直方图(p2,a2)（均衡化(p3,a3)就是规定化的特例）
$T:a1\to a3$
$G:a2\to a3$
所以经过 $T{G}^{-1}:a1\to a2$,可以实现灰度分布的规定化。

算术/逻辑处理

算术运算	表达式	效果
加减法	$g(x,y)=h(x,y)+f(x,y)$	突出差异
平均运算	$g(x,y)=f(x,y)+n(x,y),n为均值等于0的噪声信号$	去噪

平均运算的核心在于，叠加K个$g_i(x,y)=f(x,y)+n_i(x,y)$进行平均。
$$\sum _{i=1}^K{g}_i(x,y)=Kf(x,y)+\sum _{i=1}^K{n}_i(x,y)$$
$$G(x,y)=\frac{{\sum }_{i=1}^K{g}_i(x,y)}{K}=f(x,y)+\frac{{\sum }_{i=1}^K{n}_i(x,y)}{K}$$
$${\sigma }_G^2=\frac{1}{K}{\sigma }_g^2$$
故此$$\underset{K\to \infty }{\lim }G(x,y)=f(x,y)$$
**注意：**一般默认规定灰度值的范围为[0,255]，所以在进行加减法运算时，一定要注意到最终结果的范围的正确性。
例如生成图像的灰度范围为[min,max]，一般做线性变换$T:y=f(x)$,将整个灰度范围映射到全体[0,255]。
$$y=f(x)=(x-\min )\ast \frac{\max -\min }{255}$$

逻辑运算	表达式	效果
与	$y=x_1\bigcap x_2$	截取图像
或	$y=x_1\bigcup x_2$	截取图像
非	$y=L-1-x$	翻转

空间滤波

用一个子图像，对原图像p1，a1，进行滤波操作,得到图像p2，a2。子图像可以称之为==滤波器，掩模，核，窗口，模板。
假设子图像为3*3的模板，$\omega (3,3)$
$$a_2=\omega (-1,-1)a_1(-1,-1)+\omega (-1,0)a_1(-1,0)+...$$
注意：在进行滤波处理时，会经过原图像的边缘。而原图像的边缘是不存在数值的。有以下两种解决办法:

1. 限制中心点的位置在距离边缘一个像素的位置（将导致p2比p1要小一部分）。(最佳)
2. 对原图形的边缘灰度，补零或者补某一个常数。

平滑空间滤波

常见的模板：
$$\frac{1}{9}\ast \left(\begin{array}{ccc}1& 1& 1\\ 1& 1& 1\\ 1& 1& 1\end{array}\right)$$
$$\frac{1}{16}\ast \left(\begin{array}{ccc}1& 2& 1\\ 2& 4& 2\\ 1& 2& 1\end{array}\right)$$
注意：要满足系数归一化的条件。
$$g(x,y)=\frac{{\sum }_{i=-a}^a{\sum }_{j=-b}^b\omega (x,y)\ast f(x,y)}{{\sum }_{i=-a}^a{\sum }_{j=-b}^b\omega (x,y)}$$

模板越大，模糊作用越强。

统计排序滤波器

一种非线性的空间滤波器。利用统计值（中值，最大值，最小值作为输出）。
当选取中值作为输出时，可以有效克服椒盐噪声。（黑白点噪声）。

锐化空间滤波

一阶微分：
$$\frac{\partial y}{\partial x}=f(x+1)-f(x)$$
二阶微分：
$$\frac{{\partial }^{2}y}{\partial x^2}=f(x+1)+f(x-1)-2f(x)$$

二阶微分增强——拉普拉斯算子

$${\nabla }^{2}f=\frac{{\partial }^{2}f}{\partial x^2}+\frac{{\partial }^{2}f}{\partial y^2}$$
$${\nabla }^{2}f=f(x+1,y)+f(x-1,y)+f(x,y-1)+f(x,y+1)-4f(x,y)$$
等效为： $$\left(\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right)$$
二阶微分算子的作用：强调了图像中灰度的突变及降低灰度慢变化的区域。对细节有较强的响应，例如细线，突变点等。相当于求二阶导数。对山峰或者低谷，响应明显。
拉普拉斯增强(掩模中心为正号)：
$$g(x,y)=f(x,y)+{\nabla }^{2}f(x,y)$$
高提升滤波（提高亮度，掩模中心为正号）：
$$g(x,y)=Af(x,y)+{\nabla }^{2}f(x,y)$$
A越大，锐化的效果越不明显，然而A的增大，可以提高亮度，使暗片变亮。

一阶微分增强——梯度算子

$$\nabla f=[(\frac{\partial f}{\partial x}{)}^2+(\frac{\partial f}{\partial y}{)}^2{]}^{\frac{1}{2}}$$
令 $G_x=\frac{\partial f}{\partial x},G_y=\frac{\partial f}{\partial y}$,于是$\nabla f$近似为$|G_x|+|G_y|$。
常用Sobel算子：
$$\left(\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right)$$
或
$$\left(\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right)$$
注意所有掩模系数和均为0。
注意：一阶微分算子对灰度梯度有较强的响应。对山坡，响应明显。

图像增强的空间法介绍基本结束了，欢迎各位学习指正。
QQ：1290085777、邮箱：U201614384@hust.edu.cn