灰度变换与空间滤波之一（读数字图像处理学习halcon）

接触机器视觉的东西到现在有好长一段时间了，从以前折腾opencv到现在折腾halcon，这么浑浑噩噩的一年折腾，也没折腾出什么深刻的认识。回过头来想想，自己的学习过程完全是建造空中楼阁。提到的opencv及halcon的大部分资料都在介绍函数，算子等。因此决定，从基础做起，以数字图像处理这本书来理解halcon里的算子的想法的学习方式孕育而生。

前提

以8bit灰度图作为研究对象（L=256），输入图像、输出图像的灰度值都在范围【0，255】.

1、图像反转 s=L-1-r，即每个灰度值将会变成（255-r）。这两图相加将会是一个灰度为255的图。

read_image (Image, 'fabrik')
invert_image (Image, ImageInvert)
add_image (Image, ImageInvert, ImageResult, 1, 0)

适用于增强嵌入在一副图像暗区域中的白色或灰色细节，特别是当黑色面积在尺寸上站主导地位时。例如图像中左下角的2.

2、对数变换 s=c*log(1+r) 假设|R|表示输入图像的最大灰度值，将该图像使用对数变化让其灰度最大值为255 则c=255/（log(1+|R|)）。

该变换将输入范围较窄的低灰度值映射到输出范围较宽的灰度值，高灰度值的范围却被压缩了。

read_image (Image, 'fabrik')
log_image (Image, LogImage2, 2)
min_max_gray (Image, LogImage2, 0, Min, Max, Range)
scale_image (LogImage2, ImageScaled1, 256/Max, 0)

3、幂律（伽马）变换 s=cr^γ.

当γ<1时，低灰度区域（暗区），灰度值“拉伸”了，高灰度区域(亮区)灰度值“压缩”了，当γ>1时，结果相反。

read_image (Image, 'fabrik')
min_max_gray (Image, Image, 0, Min, Max, Range)         //确定当前图像的最高灰度值
pow_image (Image, PowImage, 2)                          //γ=2
scale_image (PowImage, ImageScaled, 1/Max, 0)           //C=1/Max 对图像灰度缩放到0~255
scale_image_max (PowImage, ImageScaleMax)               //halcon算子将图像灰度变化到0~255；

pow_image (Image, PowImage1, 0.5)                       //γ=0.5
scale_image (PowImage1, ImageScaled1, 16, 0)            //c=16 对图像灰度缩放到0~255
scale_image_max (PowImage1, ImageScaleMax1)

4、分段线性变换函数

对比度拉伸是扩展图像灰度级动态范围的处理。下图的灰度值在（11，166），scale_image_max处理后，灰度值变为（0，255），图像对比度显著增强。

灰度级分层

灰度级分层的两种基本方法：1、将感兴趣区域内所有灰度值显示为一个值（譬如白色），而其他灰度值显示为另一个值（譬如黑色），；2、使感兴趣范围内的灰度变亮（或变暗），而保持图像中的其他灰度级不变。

read_image (Image, 'E:/Halcon learning/1972576636789895606.jpg')
rgb1_to_gray (Image, GrayImage)
threshold (GrayImage, Region, 15, 77)
overpaint_region (GrayImage, Region, 255, 'fill')
get_image_size (GrayImage, Width, Height)
gen_rectangle1 (Rectangle, 0, 0, Height-1, Width-1)
difference (Rectangle, Region, RegionDifference)
overpaint_region (GrayImage, RegionDifference, 0, 'fill')

比特平面分级把一副图像分解为比特平面。