一阶微分算子锐化图像_8图像增强

图像增强：对原图像进行变换或附加信息，有选择地突出感兴趣的特征或抑制不需要的特征，使图像与视觉响应特性相匹配，加强图像判读和识别效果

• 空间域图像增强：对图像灰度值进行处理改善图像视觉效果

• 变换域图像增强：在变换域内修改图像的变换系数再反变换到空间域

1. 傅里叶变换
2. 小波变换
3. 颜色空间变换
4. 主成分变换

• 伪彩色处理
• 图像融合

灰度变换图像增强

根据目标条件按照一定变换关系，逐像元改变像元灰度值

，如线性变换、分段线性变换和非线性变换

• 线性变换：灰度值的对应关系符合线性关系式y=kx

• 分段线性变换：对图像不同灰度值范围进行不同的线性变换

• 反比变换：将图像中像元灰度值取反，

• 幂次变换：
  ，a>1拉伸高值区域，压缩低值区域

• 对数变换：
  压缩高值区域，拉伸低值区域

• 反对数变换：
  拉伸高值区域，压缩低值区域

直方图调整图像增强

• 直方图匹配：以参考图像的直方图为标准作变换，使两幅图像的直方图相同或近似

• 直方图均衡化：对图像非线性拉伸重新分配像素值，使一定灰度范围内的像素数量大致相同

反锐化掩膜图像增强

先对原图像作平滑滤波，将原图像减去平滑滤波结果得到图像边缘信息，将加权边缘信息与原图像相加

微分运算图像增强

• 一元函数f(t)一阶微分算子

• 二元函数f(x，y)一阶微分算子

• 水平方向微分算子

• 垂直方向微分算子

• 对角线方向微分算子

• Roberts交叉微分算子

• Sobel微分算子

• Prewitt微分算子

• 二阶微分算子：Laplacian算子

• Wallis微分算子：结合Laplacian算子和对数运算构造出来的一个锐化算子

灰度形态学梯度运算图像增强

变换域图像增强

1. 傅里叶变换图像增强
2. 小波变换图像增强
3. 颜色空间变换图像增强
4. 主成分变换图像增强

傅里叶变换图像增强

对原图像进行FFT正变换，在频率域对高频部分进行增强再反变换到空间域，或者仅提取高频部分信息反变换后叠加到原图像

高频增强：在频率域中对高频成分进行增强处理

高通滤波：频率域提取高频信息，叠加到原图像以实现增强

• 理想高通滤波器（IdealHigh-passFilter，IHPF）

• 巴特沃斯高通滤波器（ButterworthHigh-passFilter，BHPF）

• 高斯高通滤波器（GaussianHigh-passFilter，GHPF）

• 同态滤波：图像由光源的照度分量(低频)i(x,y)和目标场的反射分量(高频)l(x,y)的乘积组成，同态滤波就是衰减低频增强高频

小波变换图像增强

将图像在多级尺度上分解为低频分量、水平次高频分量、垂直次高频分量和对角高频分量，图像概貌在低频部分，细节在高频部分，对高频分量进行增强再进行小波逆变换达到图像锐化的效果

颜色空间变换图像增强

图像从RGB颜色空间变换到HSV颜色空间进行处理，然后再反变换到RGB颜色空间

主成分变换图像增强

对主成分变换后的某一分量进行对比度拉伸处理，然后再进行主成分逆变换

伪彩色处理

伪彩色处理：赋给灰度图各像元的灰度值颜色使之成为彩色图像，提高人眼对特征的识别能力

• 伪彩色处理：对灰度图像的每一个灰度值都赋予一种独立的颜色
• 密度分割：将图像灰度值分层，每一层包含了一定的灰度值范围，每层赋予不同颜色

图像融合

把时间或空间中多源数据按照一定法则进行运算，获得数据更精确、信息更为丰富的合成图像

高空间分辨率的灰度图像与的多光谱图像融合，得到高空间分辨率的彩色影像

1. 图像空间信息匹配：空间位置、图像行列数一致
2. 图像光谱信息匹配：同名像元点的灰度值具有较好的相关性

• 空间域代数运算融合：Brovey转换法

• PBIM(Pixel Block Intensity Modulation)融合算法

• SFIM(Smoothing Filter-based Intensity Modulation)融合算法

• 变换域替代法：HSI变换融合法

低空间分辨率图像从RGB颜色空间变换为HSI颜色空间，将高空间分辨率灰度影像替代亮度分量I，再从HSI颜色空间转换到RGB颜色空间，生成新的彩色合成图像

• 变换域替代法：主成分变换融合

利用高分辨率影像替换低分辨率影像的第一主成分信息，然后在进行逆变换的得到融合图像

• 变换域替代法：小波变换融合

用高空间分辨率影像的高频分量分别替换多光谱影像的高频分量，然后进行小波反变换

主成分变换图像增强

颜色空间变换图像增强

同态滤波图像增强

主成分变换图像融合