图像增强：空间域

图像增强：空间域

图像增强的作用是使其更适应于特殊的应用。图像增强的方法分为空间域和频域。空间域的图像增强是以直接对图像的像素处理为基础，频域的处理时以修改图像的傅里叶变换为基础的。

基本灰度变换

<1>对数变换： s = c * log(r + 1)

此种变换会提升图像的整体灰度级别，特别是低值区域。可以使用来改变高值图像中灰暗区域，提高其亮度。

<2>幂次变换 ： s = c * r^t

用于修正幂次响应现象的过程称之为gama校正。t < 1 时，作用类似于对数变换，提亮整体但提升暗部明显；t = 1 时，退化为线性变换； t > 1 时，压暗整体但暗部更明显。

<3>线性变换

对比拉伸：利用分段函数，对图像的灰度级别进行调整。

灰度切割：对图像中某一范围的灰度级别进行改变，其余的不变。

位图切割：将图像按照位来分成多个平面组成。（将像素值作为二进制，每位在一个平面中）对应位置，低平面为图像像素低位的值，高平面为图像像素高位的值。

直方图处理

<直方图均衡化>

直方图均衡化能自动的寻找变换函数。

<直方图规定化>

指定希望处理的图像所具有的直方图。直方图规定化也叫直方图匹配。

算术/逻辑操作增强

此类运算只要在多幅图像中进行像素级的算术或者逻辑运算。

与或非：在逻辑运算过程中，将图像的像素值当作二进制来进行处理。

除法：将一幅图像的取反图像与另外一副图像相乘。

减法：增强两幅图像的差异性。

加法：可以为图像添加噪声。

空间滤波

<平滑空间滤波器> 

只要用于模糊处理和减小噪声。常见的有线性滤波器（均值滤波器：去除不相干的细节，噪声）和非线性滤波器（统计排序滤波器=中值滤波器，去噪，能保留一定细节）。

<锐化空间滤波器>

锐化的目的主要是增强图像的细节。主要利用微分算子来进行操作。一阶微分算子较二阶微分算子：一阶会产生较宽的边缘；二阶对细节有较强的响应；一节对一般的灰度阶梯有较强的响应，二阶对灰度阶梯有双响应。

1、拉普拉斯算子（二阶）：强调图像中灰度的突变及降低灰度慢变化的区域。

2、梯度法（一阶）：sobel、roberts、prewitt等。

混合空间增强