图像增强之空间域的增强

一、图像反转

    s=L-1-r

注：r和s为处理前后的像素值；L=256。

适用于嵌入在一幅图像暗区域中的灰色细节的增强，特别是当黑色面积主导时。具有负片效果。

二、对数变换

s=cxlog(1+r)

注：c为常数

将输入图像的范围较低的灰度值映射到输出教宽的范围。适用于图像偏暗时扩展图像中的暗像素值，压缩高

像素值。反对数于此效果相反。同时也可以用于压缩像素值变化较大的图像，如傅里叶频谱图。

三、幂律变换（也叫作伽马变换）

用于图像获取、打印和显示；对比度增强

四、分段函数

（1）对比度拉伸

（2）灰度级分层

突出图像中特定灰度范围的亮度

（3）比特平面分层

像素是由比特组成的数字。在256级灰度图像中，每个像素是8比特，可以考虑将8比特图像分为8个1比特的平面。这一处理可以帮助确定量化图像的比特数的充分性。

五、直方图处理

（1）直方图均衡（直方图线性变换）

原理：http://blog.csdn.net/rushkid02/article/details/9178117

（2）直方图匹配（直方图规定化）

处理后的图像具有规定的直方图形状。

规定的直方图：

将得到的直方图映射到规定的直方图：

原理：http://blog.csdn.net/u013162930/article/details/48087527

（3）局部直方图处理

前面两种方法是从全局的角度进行处理，用于对振幅图像的增强。由于一些像素在全局中的计算可能被忽略，而

实际中需要增强图像中的这样的小区域的细节。于是提出了，定义一个邻域，计算邻域的直方图，得到直方图均衡化

或规定化的直方图。这个函数最终用于映射邻域的中心像素的灰度。

（4）使用直方图增强图像

统计图像的均值：用于判断图像亮暗的区域

方差：用于判断图像中对比度的大小

方法：处理图像中对比度需要增强的区域，其他区域不变