图像处理复习整理（数字图像处理）

时间：2017-01-09 23:07:59 阅读：409 评论：0 收藏：0 [点我收藏+]

只有期末考试那一段时间，才敢说自己真正的学了这门课

图像增强（图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息的处理方法。其主要目的是使处理后的图像对某种特定的应用来说比原始图像更适用。处理的结果使图像更适合于人的视觉特性。由于缺少客观质量测量标准，所以图像增强并不存在通用理论。）

空间域：

灰度变化方法：

线性灰度变换

技术分享

非线性灰度变化经典的方式有：

对数变换：

幂律变换：

技术分享

幂律变换matlab代码:

clear all 
x=double(imread(‘3.png‘));
figure, imshow(x/255);
H=x/255;
% y=log(1+x)*255;
n=1/2;
c=1;
y=255*c*H.^n;
figure, imshow(y/255);

分段线性变换：

最简单的分段线性变换之一是对比度拉伸变换(constrast stretching), 用于扩展灰度级范围。

刚开始看博客居然没看懂，最后发现原来就是设置最小灰度值，最大灰度值，把图片之中小于最小灰度值的像素点都设为最小灰度值，大于最大灰度值的像素点都设置为最大灰度值。这样刚开始觉得无聊，但是压缩了图像的灰度区间。虽然觉得没啥用，但是提出来了就提出来了

技术分享

这是matlab官方的参考代码：

I = imread(‘pout.tif‘);
J = imadjust(I,[0.3;0.7],[])
imshow(I), figure, imshow(J)

直方图均衡化

全局方式

matlab有imhist看一个图像的灰度直方图分布，但是自己实现的话就是:不过说实话，确实丑

I=double(rgb2gray(imread(‘1.png‘)));
M=reshape(I,1,size(I,1)*size(I,2));
hist(M,256)

如果直方图灰度值低的集中，表明曝光不充分，灰度值在高位集中表明曝光过分，最好的就是使得图片的灰度值能够在成均匀分布。

技术分享

图片是离散的像素点，所以说r是从0-255的灰度值，p_r(r)就是像素点在图片中出现的频数/图片像素点数目。

所以说图像的均质化的数学形式是：

技术分享

x=double(rgb2gray(imread(‘1.png‘)));
[M,N]=size(x);
figure,imshow(x/255,[])
for i=1:256
    h(i)=sum(sum(x==i-1));
end
y=x;
s=sum(h);
for i=1:256
    I=find(x==i-1);
    y(I)=255*sum(h(1:i))/s;
end
figure,imshow(y/255,[])

局部直方图均值化：

自适应直方图均衡化方法(AHE)：

直方图均衡化是整体的均衡化，但是这样在很大程度上是忽略了必要的细节的，这个就设置了阈值，从而对图像细节进行保留

matlab官方参考代码：

% Demo
I = imread(‘tire.tif‘);
J = histeq(I);
A = adapthisteq(I,‘clipLimit’,0.02,‘Distribution‘,‘rayleigh‘); 
figure, imshow(I); figure, imshow(J);
figure, imshow(A);