图像处理基础(2)——了解基本运算

• 图像的基本运算
  图像的基本运算分为点运算、代数运算、逻辑运算和几何运算。
  1.点运算
    1.1     g(x,y)=T[f(x,y)]
  f(x,y):输入图像的灰度。 g(x,y):输出图像的灰度。T[ ]:灰度变换函数。点运算是一种像素的逐点运算
  灰度变换函数可化简为s=T[r] ,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。
  1.2点运算分类
  按灰度变换函数的性质可分为：灰度变换增强和直方图增强。
  灰度变换增强分为：线性点运算、分段线性点运算、非线性点运算
   (1)s=ar+b 线性点运算
     a=1,b=0 输出灰度不变  0<a<1,b>0 输出灰度压缩
     a>1,b=0 输出灰度扩展整体变亮  0<a<1,b=0输出灰度压缩整体变暗
     a<0 亮区域变暗，暗区域变亮
   (2)分段线性点运算
     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。
  例：阈值化：设阈值为m，r<m   s=0  ，r>m   s=1
    (3)非线性点运算
   s=ln(1+r) 低灰度区扩展，高灰度区压缩。
   s=cr^y 0<y<1 加亮减暗 y>1 加暗减亮
  直方图增强：
   （1）直方图性质
      所有的空间信息全部丢失。
     每一灰度值对应的像素个可直接得到。
    任何一幅图像，具有唯一对应的直方图、但任何一个直方图，可能对应多幅图像
    一幅图像各子区的直方图之和等于该全图的直方图
   （2）直方图灰度分布情况:
  大多数像素灰度取值在低端，图像肯定较暗；一般在摄影中曝光太弱将导致这种结果
  图像的像素灰度值集中在亮区，图像将偏亮；在摄影过程中曝光过强就会造成这种结果
  图像的像素值集中在中部，图像的动态范围太小整体图像的对比度较弱，影响细节的分辨
  图像的像素值分布未占满可用灰度级区间，图像的动态范围偏小，图像的细节保留不充分
  图像的像素值分布超过可用灰度级区间，图像的动态范围偏大,将丢失较亮与较暗的图像细节
  一幅好的图像应合理利用全部的灰度级。
   （3）直方图增强方法
           a）直方图均匀化
      从人眼视觉特性来考虑，一帽图像的直方图如果是均匀分布的，该图像色调给人的感觉比较协调。因此将原图像直方图通过T（r）调整为均匀分布的直方图，这样修正后的图像能满足人眼视觉要求。
           直方图均衡化过程（算法）：
  （1）列出原始图灰度级r，并归一化；
  （2）统计原始直方图各灰度级像素数nk；
  （3）计算原始直方图各概率：pk=nk/N；
  （4）计算累计直方图：sk=Σpk
  （5）对sk四舍五入处理；
  （6）确定映射对应关系：rk→sk；
  （7）统计新直方图各灰度级像素nk’；
  （8）用pk（sk）=nk’/N计算新直方图。
           b） 直方图规定化
       直方图规定化是使原图橡灰度直方图变成规定形状的直方图而对图像作修正的增强方法。但利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。
  2.代数运算
    代数运算是指两幅或多幅输入图像之间进行点对点的加、减、乘、除运算得到输出图像的过程。
   (1)加法运算：生成图像叠加效果，去除“叠加性”随机噪音。
  生成图像叠加效果对于两个图像f（x，y）和h（x，y）的均值有：
   g（x，y）=1/2f（x，y）+1/2h（x，y）推广这个公式为：
   g（x，y）=af（x）+β（x，y）其中a+β=1,可以得到各种图像合成的效果，也知以用于两张图片的衔接。
   (2)去除叠加性随机噪音

利用同一景物的多幅图像取平均、消除噪声。取M个图像相加求平均得到1幅新图像，一般选8幅取平均。
 (2)减法运算：将同一景物在不同时间拍摄的图橡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。
C（x，y）=A（x，y）-B(x，y）差值图像提供了图像间的差值信息，用于指导动态监测、运动目标的检测和跟踪、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）混合图像的分离
 (3)乘法运算：例如：用于图像的局部显示，用二值蒙板图像与原图像做乘法改变图像的灰度级。
 (4)除法运算：除法运算可用于校正成像设备的非线性影响，这在特殊形态的图像（如断层扫描等医学图像）处理经常用到。
图像除法也可以用来检测两幅图橡间的区别，但是除法操作给出的是相应像素值的变化比率，而不是每个像素的绝对差异，因而图像除法操作也称为比率变换。
3.逻辑运算
  逻辑运算是指将两幅或多幅图像通过对应像素之间的与、或、非逻辑运算得到输出图像的方法。在进行图像理解与分析领域比较有用。运用这种方法可以为图像提供模板，与其他运算方法结合起来可以获得某种特殊的效果。
4.几何运算
  几何运算就是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。
齐次坐标：齐次坐标的几何意义相当于点（x，y）落在3D空间H=1的平面上，将XOY平面内的三角形abc的各顶点表示成齐次坐标（x,y,1）的形式。
(1)图像的平移
（x0，y0）—>（x1，y1）

(2)图像的镜像
图像宽度w，高度为h
水平镜像

垂直镜像

(2)图像的旋转
一般图像的旋转是以图像的中心为原点，旋转一定的角度，即将图像上的所有像素都旋转一个相同的角度。

以原始图像的点（1，1）为例，旋转以后45度后均为小数，经舍入后为(1,0），产生了位置误差。因此，图像旋转之后，可能会出级一些空白点，需要对这些空白点进行灰度级的插值处理，否则影响旋转后的图像质量。
(3)图像的缩放

缩小
以a=1/2为例，即图像被缩小为原始图像的一半。图像被缩小一半以后根据目标图像和原始图像像素之间的关系，有如下两种缩小方法。
第一种方法是取原图像的偶数行列组成新图像；
另一种方法是取原图像的奇数行列维成新图像。
放大
在图像放大的正变换中，出现了很多的空格。因此，需要对放大后所多出来的一些空格填入适当的像素值。一般采用最邻近插值和线性插值法。
(1)最邻近插值
这是最简单的一种插值方法，不需要计算，在待求像素的四邻象素中，将距离待求像素最近的邻像素灰度赋给待求像素。最邻近算法计算量较小，但可能会造成插值生成的图像灰度上的不连续；灰度变化的地方可能出现明显的锯齿状。
(2)双线性内插值（具有低通滤波性质，使高频分量受损，图像轮廓可能会有一点模糊，且计算量大。）
线性插值扩展，其核心思想是在两个向分别进行一次线性插值，图像上双线性插值考虑待插像素最近的2×2已知像素点。需要加权四个像素值来求得最终的像素值。这使得插值出来比最邻近插值平滑。