1、关于增强的理解
图像增强是为了强调图像中的某些信息,加强图像整体或局部特征。常用的方法有:统计正方图增强、图像平滑锐化等。按照实现的方式不同可以分为:空间域增强和频率域增强。频域处理是对图像的部分频率成分进行剔除(滤波)从而实现平滑或者锐化。空域处理是直接对图像数据处理,比如灰度变换和直方图变换等。
1.1 频域
原图像为I(x,y),二位离散傅里叶变换可表示为:
经过系统函数 H(u,v) H ( u , v ) 的变换可以得到一个新的频率函数 K(u,v) K ( u , v ) :
低频分量在视觉上为平滑部分,高频分量在视觉上为边缘部分,不同的分量处理得到不同的视觉效果。
1.2 空域
直接对图像的二维矩阵数据进行处理操作,如直接的灰度变换,阈值等。直方图处理是根据图像的数据得到图像数据的分布信息,由此信息我们可以对图像重新赋值,得到均匀分布的图片。
图片中某一位置的信息一般只与该位置附近的像素点有关,而距离较远的点对其影响不大。所以通常情况下会采用领域的操作实现图像的一些处理,邻域大小通常为3*3 或者 5*5 。比如中值滤波,比如Sobel算子,Canny算子,Laplacian算子等离散差分法。
2 几种 增强方法
1、对数变换
对数变换可以把图像中较暗的像素变大,用于扩展图像中较暗的像素值。其形式如:
k是一个常数,保证计算得到的数值不大于255.
2、伽马校正
由于图像的显示和打印装置的响应函数大多是幂函数形式,所以可以对输入图像进行幂变换,使图像同入射光强相等或成正比。因为涉及到成像效果,从摄影、建筑的角度来分析就是18度灰才是中灰度。算法的实现我们看一个例子,假设像素值为100的一个点:
1、归一化:将像素值投射到0-1之间的实数中,
2、补偿:假设伽马值为2.2 ,则 1gama=0.454545454 1 g a m a = 0.454545454 ,则像素的补偿结果为: