数字图像处理：空间域图像增强

增强构成图像的像素，g(x,y) = T[f(x,y)]，简记s=T(r)

1. 一些基本的变换

图像反转：s = L - 1 - r，[0, L-1]级灰度

对数变换：s = c*log(1 + r)，使窄带低灰度图像映射为宽带输出值。比如处理傅立叶频谱。

幂次变换：s = r ^ gamma，称为gamma校正，扫描仪打印机显示器等要进行不同gamma值的校正。

        若图像整体为暗色，可用分数gamma进行对比度增强。但是gamma过小时图像会被“冲淡”。

        若图像过亮，细节不明显，也可以用大于1的gamma值增强对比度，但是gamma值过大会使图像过暗。

分段线性变换：可任意组合。

        对比拉伸：当图像由于照明不足、成像器件动态范围过小等原因产生低对比度图像时，可以通过对比拉伸调整灰度级的动态范围。

        灰度切割：(1) 加强[A,B]灰度级，减小其它灰度级；(2) 加强[A,B]灰度级，其它灰度级不变；等等。

        位图切割：灰度值的8个bit中每个bit代表了其处于的比特平面。可用于判断灰度量化的充足性。

2. 直方图处理

直方图均衡：s(k) = sigma(n[k]/n)

直方图匹配(规定化)：特殊应用特殊对待，多试验。

局部增强：在每个像素的邻域内做直方图均衡或匹配，重新映射该像素。能突出局部的结构性细节。

统计学处理：计算领域内均值和方差(或标准差)，用于确定需要增强的像素点。缺点：某些不许要增强的点也会被增强，非线性操作引入噪声。

3. 算术/逻辑操作

逻辑操作：非：二进制取反；与/或：二进制与/或，通常用作模板提取子图像。经常与形态操作同时使用。

算术操作：除法：一幅图像取反后与另一幅图像相乘；乘法：可直接用于处理灰度的模板处理，参见图像复原。

减法：对比前后图像的差异。

图像平均：将N幅带噪声的图像相加求平均，可以减小均值为0的不相关噪声。可用于天文拍摄。

4. 空间滤波基础

线性空间滤波：模板与图像做卷积。

非线性滤波：类似线性空间滤波的领域操作，如中值滤波。

5. 平滑空间滤波器

用于模糊处理和减小噪声。

平滑线性滤波器：均值滤波器。

统计排序滤波器：由邻域内统计排序的结果代替中央像素的值。最常见的是中值滤波器，对椒盐噪声效果好。

6. 锐化空间滤波器

通过微分算子增强边缘和其它突变（包括噪声），削弱平滑区域。

        一阶微分：f(x+1) - f(x)，会产生较宽的边缘，对灰度阶梯有较强的响应。

        二阶微分：f(x+1) + f(x-1) -2f(x)，对细节有较强的响应，对灰度阶梯会产生双响应。

基于二阶微分的图像增强 —— 拉普拉斯算子：[ 0, -1, 0; -1, 5, -1; 0, -1, 0 ]或[-1, -1, -1; -1, 9, -1; -1, -1, -1 ]。产生的效果在边缘区域，暗的更暗，亮的更亮，符合视觉特性。

        反锐化掩蔽：f(x) - dum(f(x))，dum(f(x))为f(x)的模糊形式，可锐化图像，其实就是拉普拉斯算子。

        高提升滤波：Af(x) - dum(f(x))，A>1，提高A的值可以减小锐化程度，A非常大时相当于没有锐化。[-1, -1, -1; -1, A+8, -1; -1, -1, -1]（当然计算结果要做归一化）

基于一阶微分的图像增强 —— 梯度法：梯度向量是线性算子，其模值非线性但各向同性，一般称其模值为梯度。

        Robert交叉梯度算子：|z9 - z5| + |z8 - z6|，一般都用绝对值代替求均方根，效果一样。[-1, 0; 0, 1]和[0, -1; 1, 0]

        Sobel算子：[-1, -2, -1; 0, 0, 0; 1, 2, 1]和[1, 2, 1; 0, 0, 0; -1, -2, -1]