灰度增强和去噪

futurehello博客

http://blog.csdn.net/xixi_0921/article/details/50533487  整理笔记

一、前言

图像的灰度变换则不同，其对像素的计算仅仅依赖于当前像素和灰度变换函数。
灰度变换也被称为图像的点运算（只针对图像的某一像素点）是所有图像处理技术中最简单的技术，其变换形式如下：

                                                          S=T(r);

其中，T是灰度变换函数；r是变换前的灰度；s是变换后的像素。

图像灰度变换的有以下作用：

(1)改善图像的质量，使图像能够显示更多的细节，提高图像的对比度（对比度拉伸）
(2)有选择的突出图像感兴趣的特征或者抑制图像中不需要的特征
(3)可以有效的改变图像的直方图分布，使像素的分布更为均匀

灰度变换是基于点操作的增强方法，它将每一个像素的灰度值按照一定的数学变换公式转换为一个新的灰度值，如增强处理中的对比度增强。对比度增强可以采用线性拉伸和非线性拉伸。

线性拉伸可以将原始输入图像中的灰度值不加区别地扩展。如果要求对局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理时，采用分段线性拉伸。

非线性拉伸常采用对数扩展和指数扩展。对数扩展拉伸低亮度区，压缩高亮度区；指数扩展拉伸了高亮区，压缩了低亮度区。

影响系统图像清晰程度的因素很多，例如室外光照度不够均匀就会造成图像灰度过于集中；由CCD(摄像头)获得的图像经过A/D(数/模转换，该功能在图像系统中由数字采集卡来实现)转换、线路传送都会产生噪声污染等等。因此图像质量不可避免的降低了，轻者表现为图像不干净，难于看清细节；重者表现为图像模糊不清，连概貌也看不出来。

因此，在对图像进行分析之前，必须要对图像质量进行改善，一般情况下改善的方法有两类：图像增强和图像复原。

图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择的突出，而衰减不需要的特征，它的目的主要是提高图像的可懂度。

图像复原技术与增强技术不同，它需要了解图像质量下降的原因，首先要建立"降质模型"，再利用该模型，恢复原始图像。

根据图像增强处理过程所在的空间不同，图像增强可分为空域增强法和频域增强法两大类。

频域增强是在图像的某种变换域内，对图像的变换系数值进行运算，即作某种修正，然后通过逆变换获得增强了的图像。

空域增强则是指直接在图像所在的二维空间进行增强处理，既增强构成图像的像素。空域增强法主要有灰度变换增强，直方图增强，图像平滑和图像锐化等。

图像的灰度变换处理是图像增强处理技术中一种非常基础、直接的空间域图像处理法，也是图像数字化软件和图像显示软件的一个重要组成部分。灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。

二、灰度变换增强的方法及实现

灰度变换函数描述了输入灰度值和输出灰度值之间变换关系，一旦灰度变换函数确定下来了，那么其输出的灰度值也就确定了。可见灰度变换函数的性质就决定了灰度变换所能达到的效果。用于图像灰度变换的函数主要有以下三种：

• 线性函数 （图像反转）
• 对数函数:对数和反对数变换
• 幂律函数：n次幂和n次开方变换

上图给出了几种常见灰度变换函数的曲线图，根据这几种常见函数的曲线形状，可以知道这几种变换的所能达到的效果。例如，对数变换和幂律变换都能实现图像灰度级的扩展/压缩，另外对数变换还有一个重要的性质，它能压缩图像灰度值变换较大的图像的动态范围（例如，傅立叶变换的频谱显示）。

线性变换

原理：

令r为变换前的灰度，s为变换后的灰度，则线性变换的函数：

其中，a为直线的斜率，b为在y轴的截距。选择不同的a，b值会有不同的效果：

•