《计算机视觉特征提取与图像处理（第三版）》笔记/ 第三章 基本图像处理运算

第三章 基本图像处理运算

3.2 直方图

a. 亮度直方图表示每个亮度级在图像中的占有率；一般图像对比度是通过亮度级范围来度量的；
直方图拉伸可以增强图像对比度；通过和理想直方图进行对比，可以进行噪声处理；

3.3 点算子

3.3.1 基本点运算

a. 点运算指，以单个像素作为输入，并输出单个像素的运算；
简单的线性点运算（如复制、亮度翻转、亮度相加、亮度的乘法变化等）通常可以表达为线性方程的形式；
b. 锯齿算子，用于强化局部对比变化；
c. 非线性点运算，例如通过对数函数压缩亮度范围，通过指数函数扩大亮度级范围，它们一般用于均衡相机的响应或者压缩显示的亮度级范围；
自然地，应用对数点算子会把亮度值的乘法转变为加法，可以用来降低乘法性亮度变化的效果；它还常用于傅里叶变换压缩以便更好地显示，这是由于直流分量与其他点的对比可能非常大以至于无法显示其他点；
d. 点算子的硬件实现包括查找表等方法；

3.3.2 直方图正规化

a. 直方图正规化用于扩展亮度级范围，其计算公式为，

3.3.3 直方图均衡化
a. 直方图均衡化的目的是通过一种适合人类视觉分析的方法来增强图像的亮度，作用是使图像的直方图更加平坦；
直方图均衡映射函数为，

其中q为新图像对应灰度，p为旧图像灰度等级，Nx,y表示输出图像像素；
b. 直方图均衡，正如名字表述的那样，可以使灰度分布更加均衡；
c. 对图像进行线性亮度变换并不影响其直方图均衡化的结果；
由于直方图均衡化对噪声敏感，在电子系统中噪声不可能真正的消除，因此直方图均衡化很少用于通用的图像处理系统，但在专业应用中非常有效；此外，直方图均衡化是非线性处理，且是不可逆的，因此在实际应用中更常用的是直方图正规化；

3.3.4 阈值处理

a. 包括均一阈值处理，最优应阈值处理等；
b. 最优阈值处理用于更好地对目标和背景进行区分；Otsu方法是最受欢迎的最优阈值处理方法之一；基本原理是利用正规化直方图，其中每个亮度级的值为该亮度级的点数除以图像总点数，因此亮度级的概率分布表示为p(l)=(N(l))/N^2 ，计算正规化直方图到亮度级k的零阶和一阶累积矩，ω(k)=∑p(l) ,μ(k)=∑_l∙p(l) ，图像的总平均级计算为μT=∑l∙p(l) ，这样类分离的方差可以表示为

最优阈值即类分离方差最大时的亮度等级;

3.4 群运算

a. 群运算是利用分组处理，根据一个像素的邻域来计算新像素值；
3.4.1 模版卷积
a. 模版卷积是一种常用的群运算表征方式，基础模版为方形，大小为奇数从而保证恰当定位；
b. 由于模版不能超出图像，无法计算新图像边界的新值，所以新图像比原始图像尺寸小；
计算边界像素的值一般由3种选择：

1. 设置边界为黑色；
2. 假设图像沿两个维度方向重复，利用循环位移根据另一边界来计算新值；
3. 修改边界模版形状；

上述方法都不是最优的，但是考虑一般兴趣目标不处在图像边缘，因此边界信息认为对处理没有影响；
c. 以简单的加权算子33模版为例，目标像素值即当前像素值33范围内像素值的加权和；
d. 模版卷积可以表示为，N=W*O，其中W表示权重模版，O为输入图像；

3.4.2 平均算子

a. 模版尺寸为(2N+1)*(2N+1),内部元素权重为1/(2N+1)² ;
平均处理会消除图像细节，同时可以降低噪声，从频域来看可以看作是低通滤波器；模版尺寸越大可以滤除的噪声越多；
b. 傅里叶变换可以给出另一种实现模版卷积的方法，并且利用较大的模版加快实现速度，通过将图像频域和模版频域进行相乘；要求模版和图像大小相等，包含模版的图像在变换之前需要补零；计算过程为，
PT=ς^-1 (ς§×ς(T))

3.4.3 不同的模版尺寸

a. 常用模版尺寸为3/5/7；一般算子尺寸越大，图像细节越少，频域上限越低；

3.4.5 高斯平均算子

a. 高斯平均算子被认为是对图像平滑处理的最优算法；
高斯算子模版通过高斯关系式进行设置，对坐标x,y的像素，其高斯函数g利用方差σ²进行计算，

方差的选择要确保模版系数在模版边界上近似零，以5*5模版为例，其方差通常选为1；
b. 高斯函数可以近似忽略距离模版中心距离大于3σ的点的影响；相比平均算子，高斯平均算子可以保留更多的细节特征；
c. 高斯平均算子和图像进行卷积得到高斯模糊函数，通过缩放x和y的坐标值可以得到高斯模糊函数的不对称特性，这样的处理可以应用于目标的形状和方向在图像分析前已知的情形；
d. 高斯平均相比普通平均的优势可以用傅里叶变换理论解释，平均滤波算子在空间域表现为二维方波，其频域形式为二维sinc函数，该变换有一个变换幅度不以平滑方式减小的频率响应；
作为对比，高斯函数的频域变换同样是高斯函数，较为平滑且没有边波带；
e. 平均处理实际上是一个统计算子，其目的是估算局部近邻的平均值，处理过程中会引入较大的误差，对于容量为N的样本，统计误差数量级为Error=Mean/√N
增加平均算子尺寸可以改善计算误差，但通常会导致细节损失；

3.5 其他统计算子

3.5.1 中值滤波

a. 中值滤波算子的输出为邻域像素统计的中值；所采用的模版和平均处理类似；计算需求推动了其他形状模版的使用比如十字形、线形、优势方向等；
b.中值算法可以去除椒盐噪声同时保留边界；
椒盐噪声是由于图像传输系统中的解码误差等原因产生的，导致图像中出现孤立的白点和黑点；

3.5.2 众数滤波 mode

a. 由于图像的众数存在与否很难确定，众数需要依靠一定的计算规则，了截断中值滤波假设对于非高斯分布而言，图像的平均值、中值和众数的次序是相同的，因此如果把分布截断，那么截断分布中的中值将接近原分布中的众数；
中值小于平均值，截断点upper=2median-min(distribution)；
中值大于均值，截断点lower=2median-max(distribution)；
b. 众数滤波一般用于消除瑞利噪声；