图像分段线性变化_图像处理学习笔记（六）——图像增强及灰度变换（理论篇）...

语言：C++

环境：vs2019

在我们拍照中，图像可能会不清晰，采集中未突出所需部分，有干扰（噪音、散斑、运动模糊等等）。所以我们要对图像进行处理，达到我们想要的，最清晰的效果。对于图像增强，有很多发方法，我们没有一种方法能解决所有的图片。所以什么情况下用什么样的方法，需要通过实验的方法，来确定方法的可行性，判断这个方法对的可行性，是我们人。

改善降质图像的方法：

图像增强：

对于图像增强，不一定完全逼近原图像，只需要对自己感兴趣的部分变量或者对比度拉伸。

所以图像增强可以不考虑降低图像质量的原因，关系有用的信息，抑制次要部分、去干扰，增强对比度。

恢复技术：

是尽可能逼近原始图像，能和原始图像一样；

所以恢复技术是设法补偿降低质量的原因，至于是什么原因，要建个模型尽可能逼近原图像。

图像增强是一个大范围，有很多的增强方法，在以后的笔记中我们会介绍很多增强方法（到时候有时间的话尽可能的用代码实现）；除了本章即将介绍的灰度变换技术，还有平滑技术、锐化技术、频域里面的图像增强技术（高通滤波，低通滤波，带通滤波，带阻滤波）等等。

图像增强只是图像预处理阶段，预处理完之后，我们需要从图像中获取，我们想要的信息指标（比如，面积、周长、形状）。不是图像分析理解识别阶段，只是把图像增强了。

之前文章中介绍的是几何变换，不改变像素的颜色，而灰度变换是改变像素中的颜色，有可能比原来值大，也有可能比原来值小。

灰度变换是对点逐点运动，我们引入一个概念：

点运算：输入图像为f（x，y），输出图像为g（x，y），那么点运算可以写成g（x，y）= T[f（x，y）]，这个公式描述了输入与输出值之间的转换关系。

这种关系，有很多：比如“直方图的均衡化法、取对数法、指数法、线程变换法等等”就是为了增强颜色。

g（x，y）= T[f（x，y）]我们可以将灰度变换分为先行变换和非线性变换。

线性变换：

输入和输出按照线性关系来放大或缩小

g（x，y）= T[f（x，y）] = a（ f（x，y））+ b

当系数a > 1时，输出的值是增大；

当系数a < 1时，输出的值是减小的；

当系数a = 1，b ≠ 0，使所有的像素的灰度值上移或下移，使得整个图像更暗或者更亮；

当系数a = 1，b = 0时，输入、输出图像相同；

当系数a < 0 时，暗区域将变量，亮区域将变暗；

像素翻转：

g（x，y）= 255 - f（x，y)

如公式，是将图像的像素值翻转；

如果我们将感兴趣的目标突出出来，我们可以进行分段变换先行变换；

非线性变换：

输入输出之间按照非线性变换；

对数变换：

对原图像的动态范围进行压缩；右下图可以看出，当值输入值越大，输出值越小，当输入值越小，输入值越大。

g = c log(1 + f)；

注意：这里公式中为什么加1，是因为零是没有对数的。

指数变换：

输入越大，输出越大；输入越小，输出越小；

还有一种变换方法：通过取域值的方法，对图像进行非线性变换。

以上介绍为简单的图像增强的常见的方法理论，具体实现会结合程序讲，后面会用代码实现。喜欢的话，可以关注，一起学习，一起进步。