数字图像处理需要的知识,图形图像处理基础
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。
灰度图像是二维灰度(亮度)函数f(x，y )； 彩色图像由3个二维灰度函数f(x，y )构成。
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 )彩色图像可以由红绿蓝三原色的二维矩阵构成。 也就是说，有三维数组。 三组的每个数值也在0到255之间，0表示该像素中不存在相应的原色，255表示相应的原色在该像素中具有最大值。
基础知识2 :
映像扩展
目标：改善图像质量/视觉效果
标准：相当主观，因人而异
没有完全共同的标准
有几个比较一致的指导方针
技术：“好”、“有用”的意思不同
具体的强化技术也可以有很大不同
1空域技术分类
1.1基础概念
空域：由像素构成的空间
空域扩张：
点位操作：灰色点位操作：
几何操作：
点位操作：输出值只与像素灰度相关的处理称为点位处理。
(1)通过变换一系列图像之间的操作
(2) (f ) )的各像素通过EH操作直接变换为g ) )；
(3) f ) )的基于直方图的转换
模板操作(涉及邻域) :
1.2图像之间的运算：
图像间的运算是指以图像为单位进行的操作，运算结果会变成新图像。
1.2.1算术和逻辑运算
对图像整体的算术运算和逻辑运算按像素进行，即在两个图像的对应(位置)像素之间进行。
a .算术运算
(1)加法：表示为p q
)2)减法：表示为pq
(3)乘法运算：表示为p * q
(4)除法运算：表示为pq
b、逻辑运算(只用于二值图像) ) ) ) )。
(1)补) COMPLEMENT ) :表示为NOT q
(2)和(AND ) :表示为p AND q
(3)或(OR ) :表示为p OR q
(2)异或) XOR ) :表示为p XOR q
1.2.2图像间运算的应用
1 )、像素之间的相加：去除“叠加性”噪声以产生图像叠加效果
去除重叠噪声：
2 )像素间减法的主要应用：—消除不需要的重叠图案
-检测同一场景中两个图像之间的变化
计算物体边界的梯度
3 )图像间乘法的应用：
-图像的部分显示，用二值模板图像与原图像相乘
1.3直接灰度映射：直接灰度映射是一种点操作
通过EH操作直接变换f(x，y )的各像素的灰度，得到g ) x，y )
1.3.1灰度映射原理
直接灰度映射如上图所示，利用e(s )函数，s:的横轴是原始图； T:纵轴是映射后图
1.3.2典型灰度映射
a )求图像反转； b )提高对比度c )动态范围压缩d )灰度分割
1.3.3转换方法
逆变换： s=(L-1 )-r
[0，L-1]是图像的灰度，逆变换的作用是使黑色变成白色，使白色变成黑色。
对数变换： s=clog(1r )其中c为常数，r=0对数变换的作用是对原图像进行灰度压缩
有些原图太大，超出了某些显示设备的动态范围。 直接使用原画的话，有可能会丢失一部分细节。 请使用对数变换等对原图像进行灰度压缩的方法！ 下图左侧为图像的傅立叶变换，右侧为基于傅立叶变换进行对数变换后的结果图。
乘方变换：
幂小于1时，扩展低灰度等级，压缩高灰度等级使图像变亮。 这与对数变换非常相似。 如果幂大于1，则扩展高灰度级，压缩低灰度级以使图像变暗。
栗子：
在下图左侧，a图是原图，与b、c、d三个图相对应的r依次为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：hxdnht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hxdnht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hxdnht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hxdnht算子。将原始图像和hxdnht变换图像想家，既能保护hxdnht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