自学冈萨雷斯《数字图像处理》中。
目录
空间域是指包含图像中的像素的平面。
空间域图像处理的两个主要类别:灰度变化和空间滤波。
空间域中的图像处理方法直接对图像中的像素进行处理,表达式:
式中,f(x,y)是输入图像,g(x,y)是输出图像,T是点(x,y)的一个领域上定义的针对f的算子。
1.一些基本的灰度变换函数
当空间域中图像处理的最小邻域大小为1✖1,则g仅有点(x,y)处的f值决定,则T称为灰度(灰度级/映射)变换函数:
常用3类基本函数: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)。
1.1 图像反转
s为r在灰度区间 [0,L-1] 内的反转图像,可用于增强图像暗色区域中的白色或灰色细节。
1.2 对数变换
c为常数,且假设r>=0。该变换将输入中范围较窄的低灰度值映射为输出中范围较宽的灰度级;相反,输入中高灰度值映射至输出中范围较窄的灰度级。因此,该类变换可用于扩展图像中的暗像素值,同时压缩高灰度级值。
此外,对数函数具有压缩像素值的动态范围的重要性质。eg:具有大动态范围的傅里叶频谱的显示。值域为0~1500000的傅里叶频谱经对数变换后得到值域为0-6.2的频谱。
1.3 幂律(伽马)变换
c和γ是正常数,ε是偏移量。当ε>1和ε<1时生成的曲线效果相反,如下图所示。同对数变换,幂律变换也能扩展/压缩图像灰度级。
eg: 伽马矫正。用于获取、打印和显示图像的多数设备遵守幂律变换,故在将图像输入显示器之前,使用伽马变换预处理图像,使显示输出图像接近原输入图像。
1.4 分段线性变换函数
1.4.1 对比度拉伸
对于低对比度图像,对比度拉伸可以扩展图像中的灰度级范围。,以达到理想效果,展示更多细节。
如上图所示,点(r1,s1)和(r2,s2)控制变换函数形状:
① r1=r2, s1=s2,则灰度不变。
② r1=r2=avg(avg表示该图像平均灰度级), s1=0, s2=L-1, 则该变换为一个二值图像的阈值处理函数。
③ r1=r_min, r2=r_max, (r_min, r_max分别表示输入图像最大、最小灰度级),s1=0, s2=L-1,则该变换可将灰度级线性拉伸到整个灰度区间[0,L-1]。
MATLAB应用实验:对比度拉伸典型例子
1.4.2 灰度级分层
目的:突出图像中的特定灰度区间
方法:
(一)将感兴趣范围内所有灰度值显示为一个值(L-1),将其他灰度值显示为另一个值(0),产生一个二值图像。
(二)将期望的灰度范围变亮(or暗),同时保持图像其他灰度不变。
1.4.3 比特平面分层
位深度:在记录数字图像的颜色时,计算机实际上是用每个像素需要的位(bit)深度来表示的。像素值是由比特组成的整数。图像的色彩越丰富,“位”就越多,表示的细节也越多。
eg: 256级灰度图像中,其位深度是8,像素值是由8bit组成的。
比特平面:一副8比特灰度图由八个1比特平面组成,其中平面1包含图像中所有像素的最低有效比特,平面8包含所有像素的最高有效比特。eg:一个十进制灰度194,它的二进制表示为: 11000010,,则从最高阶比特平面开始,这个像素点对应的灰度值分别为1、1、0、0、0、0、1、0。
应用:①突出特定比特平面对图像外观的贡献。(类比灰度级分层中的-突出灰度级范围)
②图像压缩。比特平面对于的比特位数越高,其和原图像的相似度越高。存储4个最高有效比特平面(8,7,6,5),就能以可接受的细节和色调重建原图像,即只需50%的存储容量。
PS:重建是通过将第m个平面的像素乘以常数2^(n-1)来实现,每个比特平面乘以对应常数后,相加即可得到灰度级图像。
MATLAB代码实现:比特图像分层和重建