Computer Vision: Algorithms and ApplicationsのImage processing

实在是太喜欢Richard Szeliski的这本书了，每一章节（after chapter3）都详述了该研究方向比较新的成果，还有许多许多的reference,如果你感兴趣，完全可以看那些参考论文

Point operators(点算子)

点运算是最简单的一类图像处理运算，如简单的对比度变换，亮度变换

Pixel transform(像素变换)

g(x) = af (x) +b    a和b有时被认为用来控制对比度和亮度，在我的opencv栏目有个例子是简单的对比度和亮度变换，用的就是这个公式

g(x) = a(x)f (x) + b(x)    a,b不一定是常数，可以是空间上的函数

g(x) = (1 − α)f0(x) + αf1(x)   α from0→1 可以实现两幅图像的淡入淡出

在OpenCV里有addWeighted( src1, alpha, src2, beta, 0.0, dst);这个函数，就是实现这个式子的

g(x) = [f(x)]1/γ    这是伽马校正属于幂变换，通常用于图像预处理阶段，对于大多数数字摄像机来说γ≈2.2 

除了伽马校正，幂变换在控制对比度也很有用，可以取不同的γ试一试

除了上面这些，我知道的还有：

g(x) = L -1 -f(x)  灰度级属于[0,L-1]   这是图像反转  可用于增强嵌入与图像暗色区域的白色或灰色细节

g(x) = clog(1+f(x))  对数变换

Color transform(彩色变换)

好像没有讲什么 ＝ ＝

Compositing and matting(合成与抠图)

就是把一张图片里的东西（比如人）挖下来，然后合成到另一张图片中

从一个场景中裁剪出前景物体叫抠图，将物体插入到另一幅图片中叫合成

C=(1−α)B+αF.  （覆盖算子）

这个算子通过 (1 − α )因子减弱了背景图像的影响，加入了对应于前景图像的彩色值（和不透明度）

作者说，在这本书中，关心另外一个常用的算子（在Ex2中，等我做了再更新这里）

Histogram equalization(直方图均衡化)

我对这个非常熟悉，因为之前的图像处理课写过，还看过Pizer那有名的论文也用Java实现了CLAHE

直方图均衡化的思想就是这样的。假设我有灰度级255的图像，但是都是属于［100，110］的灰度，图像对比度就很低，我应该尽可能拉到整个［0，255］

下面是直方图均衡化的代码，有个累积函数的概念，其实很简单。

我先计算出每个灰度级g(0),g(1)......g(255)点的个数,sum为图像width*height

那么累计函数c(0) = g(0)/sum

c(1) = (g(0)+g(1))/sum

......

c(255) = 1

public int[][] Histogram_Equalization(int[][] oldmat)
	{
		int[][] new_mat = new int[height][width];
		int[] tmp = new int[256];
		for(int i = 0;i < width;i++){
			for(int j = 0;j < height;j++){
				//System.out.println(oldmat[j][i]);
				int index = oldmat[j][i];
				tmp[index]++;
			}
		}
		
		float[] C = new float[256];
		int total = width*height;
		//计算累积函数
		for(int i = 0;i < 256 ; i++){
			if(i == 0)
				C[i] = 1.0f * tmp[i] / total;
			else
				C[i] = C[i-1] + 1.0f * tmp[i] / total;
		}
		
		for(int i = 0;i < width;i++){
			for(int j = 0;j < height;j++){
				new_mat[j][i] = (int)(C[oldmat[j][i]] * 255);
				new_mat[j][i] = new_mat[j][i] + (new_mat[j][i] << 8) + (new_mat[j][i] << 16);
				//System.out.println(new_mat[j][i]);
			}
		}
		return new_mat;
	}

这是效果图，可以看到原来的图像被拉伸了

自适应直方图均衡化

AHE算法通过计算图像的局部直方图，然后重新分布亮度来来改变图像对比度。因此，该算法更适合于改进图像的局部对比度以及获得更多的图像细节。

想像以下一幅图像，左上角是黑乎乎的一团，但是其他区域很正常，如果只用HE,那么黑乎乎的那团是没法有多大改进的。

于是，你可以把那黑乎乎的一团当作一张图片，对那一部分进行HE,其实这就是AHE了，就是把图片分片处理，8*8是常用的选择。

然后，你就可以写一个循环来操作，算法和HE是一模一样的，当然可以工作，只是速度比较慢。

正如我下面代码所写的，利用双线性插值。

我以前写CLAHE时候看的博客找不到了T_T   http://m.blog.youkuaiyun.com/blog/gududeyhc/8997009这里有但是远远没我以前看的那篇讲的清楚，如果你去看Pizer的论文估计要花很多的时间。下面是我用Java写的CLAHE.

CLAHE比AHE多了裁剪补偿的操作

/*
	 * CLAHE
	 * 自适应直方图均衡化
	 */
	public int[][] AHE(int[][] oldmat,int pblock)
	{
		int block = pblock;
		//将图像均匀分成等矩形大小，8行8列64个块是常用的选择
		int width_block = width/block;
		int height_block = height/block;
		
		//存储各个直方图