数字图像处理学习笔记六

使用模糊集合进行灰度变换
这一部分一直有好多搞不明白的，可以去百度上找一些模糊集合的东西看看看前面基础的就行
csdn前辈的博客 摘抄一些关键的话
首先，需要将输入量折算为隶属度，这个过程叫做“模糊化”。然后，使用得到的隶属度来进行计算，或者判断，或者其他更复杂的算法。最后，需要将隶属度再次折算为输出，这个过程称为“去模糊”或者“反模糊”。首先可以在常理下考虑一下，一般的对于动态范围较小的图像，我们一般的处理的方法是灰度拉升，或者直方图均衡。这两种的方法的本质就是，让原图较暗的像素更加暗，让原图较亮的像素更加亮。
图像增强的方法 比较
图像反转：适用于嵌入在一幅图像的暗区域中的白色或者灰色细节
对数变换（回忆其图像及反变换的图像）：将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值。我们使用这种类型的变换来扩展图像中按像素的值，同时压缩更高灰度级的值（所谓压缩就是高的灰度压缩到一段短的高灰度区域）结合图像来看
幂律变换：记住图形，记住图形，记住图形。某些伽马值的曲线和对数类似。可以增强对比度，扩展灰度级（指数为分数），灰度压缩使用伽马值大于1的
分段线性变换函数作为补充：
1)对比度拉伸：扩展图像灰度级范围
2)灰度级分层：突出图像中特定灰度范围的亮度（增强特征），两种方法
不介绍，看书。
3）比特平面分层
直方图均衡：对比度增强，让原图较暗的像素更加暗，让原图较亮的像素更加亮
直方图规定化：希望产生处理后有特殊直方图的方法，例如原图像大量灰度接近于0像素，修改图像的直方图，使得图像图像灰度暗区的灰度值有更平滑的过度 ，得到刚刚好的把低灰度范围整体移动到高灰度范围 这个例子直方图均衡为什么会出现这种情况即过度，暗区域到特别亮的区域敲代码时候在回来思考