matlab图像增强分段线性函数_图像增强-MATLAB

常见的图像增强算法:

直方图均衡化、对比度线性展宽(线性拉伸)、动态范围非线性调整(对数增强、指数增强、分段增强gamma校正)和伪彩色增强等

1.         对比度拉升

采用了线性函数对图像的灰度值进行变换，例如：

空间滤波：线性滤波(拉普拉斯边缘、均值、高斯等)

非线性滤波(中值等)

频域：频域滤波

低通滤波器(图像模糊、平滑)

高通滤波

高频强调滤波

均值滤波去除椒盐噪声：

2.         Gamma校正

采用了非线性函数(指数函数)对图像的灰度值进行变换

这两种方式的实质是对感兴趣的图像区域进行展宽，对不感兴趣的背景区域进行压缩，从而达到图像增强的效果

3.         直方图均衡化

将原始图像的直方图通过积分概率密度函数转化为概率密度为1(理想情况)的图像，从而达到提高对比度的作用。直方图均衡化的实质也是一种特定区域的展宽，但是会导致整个图像向亮的区域变换。当原始图像给定时，对应的直方图均衡化的效果也相应的确定了。

4.         直方图规定化

针对直方图均衡化的存在的一些问题，将原始图像的直方图转化为规定的直方图的形式。一般目标图像的直方图的确定需要参考原始图像的直方图，并利用多高斯函数得到。

5.         同态滤波器

图像的灰度图像f(x,y)可以看做为入射光分量和反射光分量两部分组成：f(x,y)=i(x,y)r(x,y).入射光比较的均匀，随着空间位置变化比较小，占据低频分量段。反射光由于物体性质和结构特点不同从而反射强弱很不相同的光，随着空间位置的变化比较的剧烈。占据着高频分量。基于图像是由光照谱和反射谱结合而成的原理设计的。

基于HSV空间的彩色图像增强方法

针对于灰度图像，我们主要有以上的几种处理方法，但是针对于彩色图像，由于存在RGB分量，故而不能直接将灰度图像的处理方法应用。因为直接对每一个分量使用灰度增强的方法会导致颜色的紊乱发生。

而我们可以将RGB图像转化为其他空间的图像，比如：我们可以将RGB空间的图像转换为HSV空间的图像。HSV分别指色调，饱和度，亮度。由于调整HSV三个不同的量，我们可以得到比较直观的

参考http://blog.csdn.net/me_sky_2012/article/details/7624768

未完待续、、、