图像增强
图像增强按照作用域可分为空域法和频域法两类。
1.空域法
空域法是直接对图像的像素灰度值进行操作。常用的空域法包括图像的灰度变换、直方图修正、图像空域平滑和锐化处理、彩色增强等。
2.时域法
频域法是在图像的变换域中,对图像的变换值进行操作,然后经逆变换获得所需的增强结果。常用的方法包括低通滤波、高通滤波以及同态滤波等。
4.1 图像的对比度增强
4.1.1 灰度线性变换
1.灰度的线性变换
2.灰度分段线性变换
（1）扩展感兴趣的，牺牲其他
（2）扩展感兴趣的，压缩其他
4.1.2 灰度的非线性变换
1.灰度对数变换
2.灰度指数变换
4.2 图像的直方图修正
将统计学中直方图的概念引入到数字图像处理中，用来表示图像的灰度分布，称为灰度直方图。而不同的灰度分布就对应着不同的图像质量。因此，灰度直方图能反映图像的概貌和质量,也将是图像增强处理时的重要依据。
4.2.1 灰度直方图的定义
4.2.2 灰度直方图的性质
1.直方图的位置缺失性
灰度直方图仅仅反映了数字图像中各灰度级出现频数的分布，即取某灰度值的像素个数占图像总像素个数的比例，但对那些具有同–灰度值的像素在图像中的空间位置一无所知，即其具有位置缺失性。
2.直方图与图像的一对多特性
任一幅图像都能唯一地确定 与其对应的-一个直方图，但由于直方图的位置缺失性,对于不同的多幅图像来说，只要其灰度级出现频数的分布相同，则都具有相同的直方图，即直方图与图像是一对多的关系。
3.直方图的可叠加性
由于灰度直方图是各灰度级出现频数的统计值,若一图像分成几个 子图，则该图像的直方图就等于各子图直方图的叠加。
4.2.3 直方图与图像清晰度的关系
暗图像对应的直方图组成成分集中在灰度值较小(暗)的左边一侧，而明亮图像的直方图则倾向于灰度值较大(亮)的右边一侧。对比度较低的图像对应的直方图窄而集中于灰度级的中部,对比度高的图像对应的直方图分布范围很宽而且分布均匀。
4.2.4 直方图均衡化
综上所述，直方图均衡化就是通过原始图像的灰度非线性变换,使其直方图变成均匀分布,以增加图像灰度值的动态范围，从而达到增强图像整体对比度,使图像变清晰的效果。直方图均衡化的计算过程如下:
4.2.5 直方图规定化
4.3 图像平滑
4.3.1 空域平滑法
1.领域平均法
图像中的大部分噪声是随机噪声,其对某–像素点的影响可以看作是孤立的。因此,噪声点与该像素点的邻近各点相比,其灰度值会有显著的不同(突跳变大或变小)。基于这一事实,可以采用所谓的邻域平均的方法,来判定图像中每一像素点是否含有噪声,并用适当的方法来减弱或消除该噪声。
（1）定义和计算公式
2.阈值平均法
3.加权平均法
4.模板平滑法
4.3.2 低通频域滤波法
1.空域模板平滑法等效于频域低通滤波法
2.用于图像滤波的几种低通滤波器
（1）理想低通滤波器（ILPF）
（2）Butterworth低通滤波器（BLPF）
（3）指数低通滤波器（ELPF）
（4）梯形低通滤波器（TLPF）
4.3.3 中值滤波法
1.中值滤波法的原理
2.中值滤波窗口
3.中值滤波的重要性
4.窗口
5.比较
6.使用中值滤波时的注意事项
相对于平均滤波,中值滤波对于椒盐噪声及干扰脉冲有很好的滤除作用，同时还能保持目标物的边缘,但这要在合适的应用场合和合适的滤波窗口形状和大小下。因为滤波的目的是:既要滤除噪声和干扰，又要保持(保留)图像中目标物的细节。因此,使用中值滤波时,要注意以下事项:
(1)中值滤波适合于滤除椒盐噪声和干扰脉冲,尤其适合于目标物形状是块
状时的图像滤波。
(2)具有丰富尖角几何结构的图像,一-般采用十字形滤波窗,且窗口大小最好
不要超过图像中最小目标物的尺寸,否则会丢失目标物的细小几何特征。
(3)需要保持细线状及尖顶角目标物细节时，最好不要采用中值滤波。
4.4 图像锐化
4.4.1 空域锐化法
2.拉普拉斯锐化法
3.模板锐化法
4.4.2 高频提升滤波法
空域模板锐化法等效于频域高频提升滤波法
4.5 图像的同态滤波
4.6 图像的彩色增强
1.灰度分层法
2.灰度变换彩色法
3.频域滤波
4.6.2 假彩色增强
4.6.3 真彩色增强
