常用图像处理方法

一、基本的灰度变换函数
1.1.图像反转
适用场景:增强嵌入在一幅图像的暗区域中的白色或灰色细节,特别是当黑色的面积在尺寸上占主导地位的时候。

1.2.对数变换(反对数变换与其相反)
过程:将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值。
用处:用来扩展图像中暗像素的值,同时压缩更高灰度级的值。
特征:压缩像素值变化较大的图像的动态范围。
举例:处理傅里叶频谱,频谱中的低值往往观察不到,对数变换之后细节更加丰富。

1.3.幂律变换(又名:伽马变换)
过程:将窄范围的暗色输入值映射为较宽范围的输出值。
用处:伽马校正可以校正幂律响应现象,常用于在计算机屏幕上精确地显示图像,可进行对比度和可辨细节的加强。

1.4.分段线性变换函数
缺点:技术说明需要用户输入。
优点:形式可以是任意复杂的。
1.4.1.对比度拉伸:扩展图像的动态范围。
1.4.2.灰度级分层:可以产生二值图像,研究造影剂的流动。
1.4.3.比特平面分层:原图像中任意一个像素的值,都可以类似的由这些比特平面对应的二进制像素值来重建,可用于压缩图片。

1.5.直方图处理
1.5.1直方图均衡:增强对比度,补偿图像在视觉上难以区分灰度级的差别。作为自适应对比度增强工具,功能强大。
1.5.2直方图匹配(直方图规定化):希望处理后的图像具有规定的直方图形状。在直方图均衡的基础上规定化,有利于解决像素集中于灰度级暗端的图像。
1.5.3局部直方图处理:用于增强小区域的细节,方法是以图像中的每个像素邻域中的灰度分布为基础设计变换函数,可用于显示全局直方图均衡化不足以影响的细节的显示。
1.5.4直方图统计:可用于图像增强,能够增强暗色区域同时尽可能的保留明亮区域不变,灵活性好。

二、基本的空间滤波器
2.1.平滑空间滤波器
2.1.1平滑线性滤波器(均值滤波器)
输出:包含在滤波器模板邻域内的像素的简单平均值,用邻域内的平均灰度替代了图像中每个像素的值,是一种低通滤波器。
结果:降低图像灰度的尖锐变化。
应用:降低噪声,去除图像中的不相关细节。
负面效应:边缘模糊。

2.1.2统计排序滤波器(非线性滤波器)
举例:中值滤波器。
过程:以滤波器包围的图像区域中所包含图像的排序为基础,然后使用统计排序结果决定的值取代中心区域的值。
用处:中值滤波器可以很好的解决椒盐噪声,也就是脉冲噪声。

2.2.锐化空间滤波器
2.2.1拉普拉斯算子(二阶微分)
作用:强调灰度的突变,可以增强图像的细节。

2.2.2非锐化掩蔽和高提升滤波
原理:原图像中减去一幅非锐化(平滑处理)的版本。
背景:印刷和出版界使用多年的图像锐化处理。
高提升滤波:原图减去模糊图的结果为模板,输出图像等于原图加上加权后的模板,当权重为1得到非锐化掩蔽,当权重大于1成为高提升滤波。

2.2.3梯度锐化(一阶微分对)
含义:梯度指出了在该位置的最大变化率的方向。
用处:工业检测,辅助人工检测产品的缺陷,自动检测的预处理。

三、基本的频率滤波器
3.1.1理想低(高)通滤波器
特性:振铃现象,实际无法实现。
用处:并不实用,但是研究滤波器的特性很有用。

3.1.2布特沃斯低(高)通滤波器
特点:没有振铃现象,归功于在低频和高频之间的平滑过渡,二阶的布特沃斯低通滤波器是很好的选择。
效果:比理想低(高)通滤波器更平滑,边缘失真小。截止频率越大,失真越平滑。

3.1.3高斯低(高)通滤波器
特点:没有振铃。
用处:任何类型的人工缺陷都不可接受的情况(医学成像)。

3.1.4钝化模板,高提升滤波,高频强调滤波
用处:X射线,先高频强调,然后直方图均衡。

3.1.5同态滤波
原理:图像分为照射分量和反射分量的乘积。
用处:增强图像,锐化图像的反射分量(边缘信息),例如PET扫描。

3.1.6选择性滤波
3.1.6.1带阻滤波器和带通滤波器。
作用:处理制定频段和矩形区域的小区域。

3.1.6.2陷阱滤波器
原理:拒绝或通过事先定义的关于频率矩形中心的一邻域。
应用:选择性的修改离散傅里叶变换的局部区域。
优点:直接对DFT处理,而不需要填充。交互式的处理,不会导致缠绕错误。
用途:解决莫尔波纹。

四、重要的噪声概率密度函数
4.1.高斯噪声
特点:在数学上的易处理性。

4.2瑞利噪声
特点:基本形状向右变形,适用于近似歪斜的直方图。

4.3爱尔兰(伽马)噪声
特点:密度分布函数的分母为伽马函数。

4.4指数噪声
特点:密度分布遵循指数函数。

4.5均匀噪声
特点:密度均匀。

4.6脉冲噪声(双极脉冲噪声又名椒盐噪声)
特点:唯一一种引起退化,视觉上可以区分的噪声类型。

五、空间滤波器还原噪声
5.1均值滤波器
5.1.1算术均值滤波器
结果:模糊了结果,降低了噪声。
适用:高斯或均匀随机噪声。

5.1.2几何均值滤波器
结果:和算术均值滤波器相比,丢失的图像细节更少。
适用:更适用高斯或均匀随机噪声。

5.1.3谐波均值滤波器
结果:对于盐粒噪声(白色)效果较好,但不适用于胡椒噪声(黑色),善于处理高斯噪声那样的其他噪声。

5.1.4逆谐波均值滤波器
结果:适合减少或在实际中消除椒盐噪声的影响,当Q值为正的时候消除胡椒噪声,当Q值为负的时候该滤波器消除盐粒噪声。但不能同时消除这两种噪声。
适用:脉冲噪声。
缺点:必须知道噪声是明噪声还是暗噪声。

5.2统计排序滤波器
5.2.1中值滤波器
适用:存在单极或双极脉冲噪声的情况。

5.2.2最大值滤波器
作用:发现图像中的最亮点,可以降低胡椒噪声。

5.2.2最小值滤波器
作用:对最暗点有用,可以降低盐粒噪声。

5.2.3中点滤波器
作用:结合统计排序和求平均,对于随机分布噪声工作的很好,如高斯噪声或均匀噪声。

5.2.4修正的阿尔法均值滤波器
作用:在包括多种噪声的情况下很有用,例如高斯噪声和椒盐噪声混合。

5.3自适应滤波器
5.3.1自适应局部降低噪声滤波器
作用:防止由于缺乏图像噪声方差知识而产生的无意义结果,适用均值和方差确定的加性高斯噪声。

5.3.1自适应中值滤波器
作用:处理更大概率的脉冲噪声,同时平滑非脉冲噪声时保留细节,减少诸如物体边界粗化或细化等失真。

5.4频率域滤波器消除周期噪声
5.4.1带阻滤波器
应用:在频率域噪声分量的一般位置近似已知的应用中消除噪声

5.4.2带通滤波器
注意:不能直接在一张图片上使用带通滤波器,那样会消除太多的图像细节。
用处:屏蔽选中频段导致的结果,帮助屏蔽噪声模式。

5.4.3陷阱滤波器
原理:阻止事先定义的中心频率的邻域内的频率。
作用:消除周期性噪声。

5.4.4最佳陷阱滤波
作用:解决存在多种干扰分量的情况。

你可能感兴趣的:(常用图像处理方法)