空域增强技术：
基础知识1：
定义二维函数f(x,y),其中x,y是空间坐标，f(x,y)是点（x,y）的幅值。
灰度图像是一个二维灰度(亮度)函数f(x,y)；彩色图片是由三个二维灰度函数f(x,y)组成。
像素组成的二维排列可以用矩阵来表示：
1)对于单色（灰度）的图像而言，每个像素的亮度用一个数值来表示，通常数值范围是0~255之间，0表黑，255表示白，它的值处于黑白之间的灰度。
2)彩色图像可以用红绿蓝三原色的二维矩阵来组成，即有三个二维数组。三元组的每个数值也在0~255之间，0表示相应的基色再该像素中没有，255表示相应的基色在该像素中取得最大值。
基础知识2：
图像增强
目标：改善图像质量/改善视觉效果
标准：相当主观，因人而异
没有完全通用的标准
可以有一些相对一致的准则
技术：“好”，“有用”的含义不相同
具体增强技术也可以大不相同
1 空域技术分类
1.1基础概念
空域：指由像素组成的空间
空域增强：
点操作：灰度点操作： 
几何操作： 
点操作：输出值仅与像素灰度有关的处理称为点处理： 
(1) 借助对一系列图像间的操作进行变换
(2) 将f (·)中的每个像素按EH操作直接变换以得到g(·)；
(3) 借助f (·)的直方图进行变换
模板操作（涉及邻域）：
1.2 图像间的运算：
图像间的运算指以图像为单位进行的操作，运算的结果是一幅新图像。
1.2.1 算术和逻辑运算
对整幅图像的算术和逻辑运算是逐像素进行的，即在两幅图像的对应（位置）像素间进行。
A、算术运算
(1) 加法：记为p + q
(2) 减法：记为p – q
(3) 乘法：记为p * q
(4) 除法：记为p÷q
B、逻辑运算（只用于二值图像）
(1) 补（COMPLEMENT）：记为NOT q
(2) 与（AND）： 记为p AND q
(3) 或（OR）： 记为p OR q
(2) 异或（XOR）： 记为p XOR q
1.2.2 图像间运算的应用
1)、像素间的加法运算：去除“叠加性”噪音生成图象叠加效果
去除叠加性噪声：
—去除不需要的叠加性图案
—检测同一场景两幅图像之间的变化
—计算物体边界的梯度
3)图像间乘法的应用:
--图像的局部显示，用二值模板图像与原图像做乘法
1.3直接灰度映射：直接灰度映射是一种点操作
f (x, y)中的每个像素灰度按EH 操作直接变换以得到g(x, y)
1.3.1 灰度映射原理
直接灰度映射如上图，利用E(s)函数，s:横轴是原图；T:纵轴是映射后的图
1.3.2 典型灰度映射
a)图像求反；b)增强对比度；c)动态范围压缩；d)灰度切分
1.3.3变换方法
反变换：s=(L-1)-r
[0,L-1]为图像的灰度级，反变换的作用是将黑的变白，白的变黑。
对数变换：s=clog(1+r),其中c是常数，r>=0 对数变换的作用是对原图进行灰度压缩
有些原图太大，超过某些显示设备的动态范围，如果直接使用原图，则一部分细节可能会丢失，使用的办法是对原图进行灰度压缩，如对数变换!下图左边是一副图像的傅里叶变换，右边是在傅里叶变换的基础上进行对数变换的结果图。
幂次变换：
幂次小于1时扩展低灰度级，压缩高灰度级，使图像变亮。这一点与对数变换十分相似。幂次大于1时扩展高灰度级，压缩低灰度级，使图像变暗。
栗子：
下图左边是：a图是原图，b、c、d三幅图对应的r依次是3、4、5。由于r>1,变换后使得图像变暗。
下图右边是：a图是原图，b、c、d三幅图对应的r依次是0.6、0.4、0.3。由于r>1,变换后使得图像变亮。其中0.4时效果最好。
1.4 直方图变换：直方图是图像的一种统计表达，直方图反映了图中灰度的分布情况：
灰度统计直方图：1-D的离散函数提供了图像像素的灰度值分布情况。
设置一个有 L 个元素的数组，对原图的灰度值进行统计；灰度级的范围是[0,L-1]
数字图像直方图是离散函数h(rk)= nk 或者 p(rk)=nk/n
其中rk是第K个灰度级，rk的增量是1，K =0，1，2...L-1;nk是图像中灰度级为rk的像素个数;n是像素总数，后者将函数值正则化到[0,1]
1.4.1直方图均衡化:借助直方图变换实现（归一的）灰度映射
基本思想：对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。
变换原始图像的直方图为均匀分布==> 扩大动态范围
使像素灰度值的动态范围最大==> 增强图像整体对比度（反差）
1.4.2直方图规定化
5 滤波器：（线性平滑滤波器：减弱或消除图像中的噪声）
空域滤波技术根据功能主要分为平滑滤波与锐化滤波。
平滑滤波能减弱或消除图像中的高频率分量而不影响低频分量，高频分量对应图像中的区域边缘等灰度值具有较大变化的部分，平滑滤波可将这些分量滤去减少局部灰度起伏，使图像变得比较平滑。也可用于消除噪声，或在提取较大目标前去除小的细节或将目标的小间断连接起来。
在平滑滤波中，均值（线性）滤波可能带来轮廓模糊的副作用，而中值滤波（非线性）滤波去噪效果优秀，相较均值滤波其模糊程度更低，尤其是针对脉冲噪声的去噪，但有可能带来图像性质的改变
锐化滤波正好相反，锐化滤波常用于增强被模糊的细节或目标的边缘，强化图像的细节
空间滤波和空间滤波器的区别：
使用空间模板进行的图像处理称为空间滤波；模板本身称为空间滤波器
分类一：
线性滤波器：领域平均；卷积操作
非线性滤波器：中值滤波器
分类二：
平滑（低通）滤波器：模糊、消除噪声
锐化（高通）滤波器：增强被模糊的细节
5.1 线性平滑滤波器
(1)领域平均：
保持灰度的范围：所有的系数之和为1，得到标准像素平均值
(2)加权平均：中心系数大，周围系数小，表明一些像素更为重要
作用：减小图像灰度的尖锐变化，减小噪声；由于图像边缘是由图像灰度锐 化变化引起的，所以也存在边缘模糊的问题。
5.2非线性滤波
逻辑的、几何的、代数的非线性滤波器
基于集合的、基于形状的、基于排序的
(1)非线性平滑滤波器：
中值滤波：既除噪声又保持细节
最大滤波器：寻找亮点
最小滤波器：寻找暗点
(2)非线性锐化滤波器：利用微分可以得到锐化图像(积分平滑图像)
二阶微分滤波器：拉普拉斯算子
一阶微分滤波器: 梯度算子
从模板形式容易看出，如果在图像中一个较暗的区域中出现了一个亮点，那么用拉普拉斯运算就会使这个亮点变得更亮。图像中的边缘就是那些灰度发生跳变的区域，所以拉普拉斯锐化模板中边缘检测中很有用。但该算子也会增强图像中的噪声，有时可将图像先进行平滑处理再用拉普拉斯算子。将原始图像和拉普拉斯变换图像想家，既能保护拉普拉斯变换的效果，又能复原背景信息。
1）梯度算子
2）Roberts交叉梯度算子
3）Prewitt梯度算子
4）Sobel算子
