第二章：图像处理之空域图像增强Spatial domain image enhancement
outline
• Spatial domain image enhancement
– Intensity transformation functions • Inverse or Image Negatives
• Brightening, e.g., log
• Darkening, e.g., nth power
• Power-law transformation • Intensity normalization
– Histogram Equalization • Contrast stretching
• Contrast compressing
• Global vs local
• Spatial domain image enhancement
– Image operations
• Addition, subtraction, multiplication, AND,
OR, Not, etc.
– Image averaging, effect to noise – Filtering using a mask
– Low-pass spatial filtering
– Median spatial filtering
– High-pass spatial filtering
————————————————————————————————————————————
1.强度变换函数Intensity transformation functions • Inverse or Image Negatives
1.1 Basic Gray Level Transforms: Inverse or Image Negatives
比如256级的灰度图（0~255）如果灰度为0，那么反转对应255，也就是256-1-0 = 255
效果如下：
1.2 brightning and darkening
1.3 幂律变换Power‐Law Transformations
也就是个指数函数
0 < gamma < 1, 斜率前期变化越快，也就是说特别黑的地方会很白，原来很白的地方变化不大。整体变白
gamma > 1, 斜率后期变化越快，也就是说特别白的地方会很黑，原来很白的地方变化不大。整体变黑。
例子：
gamma 越大越黑
1.4 Intensity normalization 强度归一化
2.Histogram Equalization直方图均值化
2.1 Contrast Stretching 拉伸
如图把白的地方压黑，把黑的地方提亮，这样对比度就变大了。
假设r1 r2分别是原图中灰度最小最大值，也就是最黑最白点。把他们直接归为0和L-1，如下图：
2.2 Contrast compressing
反之，若要对比度变小：
2.3 Global vs local
Local Enhancement
– Each pixel is processed based on information of the entire image
– Often enhances global details
如果我们希望加强局部特征：
– Each pixel is processed based on information of a small area/sub‐image
Local Histogram Equalization
calculate histogram using neighborhood of m ∗ m m *m m∗m about (x,y)
3. Image Operations
3.1 加减乘除，和或非异或
3.2 • Subtraction or Absolute Difference
– Very useful for determining the difference between two images
– Used for “detection”
两图对减：
3.3 Addition can blend two images
加法可以混合两张图
3.4 逻辑操作
- 取反
- 取交集，也就是共同有的部分
3.5 图像平均 Image Averaging 可以去噪
我们知道图像带有如下天然的特性：图像中每个像素点的值与其旁边的像素点的值比较接近。
既然图像中的每个像素点的值与其旁边像素的值比较接近，如果一个像素点的值被噪声干扰，那么是否可以用其周边区域的像素平均值来代替这个像素点的值呢。
这就是平均操作：即把每个像素的值改变为其与领域像素组成区域的平均值。
4.Filter
4.1 Filtering using a mask
filter的计算公式：对应点和对应权重相乘累加和。
4.2 Low‐pass spatial filtering低通空间滤波
注意权重必须为正数
4.2.1 平均滤波器——mask越大越糊
4.3 Median spatial filtering 中值空间滤波器
- 非线性
- 查找窗口的中值
- 保留边缘
- 消除脉冲噪声避免过度平滑
和低通空间滤波的区别是能防止过度平滑
• Often referred to as “de‐speckle operation”（是一种不断的去斑点操作）
• It converges（最终聚合）
– That is, if you perform it over and over for many times, eventually the image will not change.
4.4 High-pass spatial filtering 高通空间滤波器
中间为正，四周为负，和为0
