图像增强

空间域图像增强

对原始图像进行处理

变换域图像增强

• 原始图像变换到变换域
• 变换域处理
• 反变换回到空间域

常见：频域，傅里叶变换。

空间域图像增强

空间域增强: g(x,y) = T[f(x,y)] + f(x,y)是原图像 + g(x,y)是处理后的图像 + T是作用于f的操作，定义在(x,y)的邻域

空间域简化形式

s = T(r) r是f(x,y)在任意点(x,y)的灰度级 s是g(x,y)在任意点(x,y)的灰度级

图像增强目的与意义

1.好看

—改善图像的视觉效果

—强调图像的整体或局部特性，更易获得图像中的有用信息 ![[Pasted image 20241107191756.png]]

2. 机器学习应用

随机调整图片的饱和度，对比度，以及色调      2.随机对图片进行裁剪，翻转，旋转变化 3.在图像中随机添加高斯噪声(在数据量充足的情况下，一般也会使用该方法进行增强)

点运算

1. 图像反转

黑的变白，白的变黑 + L-1：0_{255,而不是1}256

s = L - 1 - r

2. 对数变换

• c是常数
• r >= 0
• 有时候原图动态范围大，会超出某些显示范围允许的动态范围，如果直接使用原图，会导致部分细节丢失
• 解决方法：对原图进行灰度压缩，如对数变换。

      s = clog(l+r)
  

3.幂次变换

\(\(s = cr^γ\)\) 作用：变量变暗 γ<1 ,正比函数上方，变亮 γ>1,降低灰度级，在正比函数下方，使得图像变暗

4.分段线性变换

对比度拉伸：

• 提高图像处理时灰度级的动态范围

![[Pasted image 20241107203820.png]]

灰度级切片

关心范围指定较高值，其他范围降低或着不变

位平面切片

作用 + 通过对特定位提高亮度，改善图像质量 + 较高位（如前4位）包含大多数视觉重要数据 + 较低位（如后4位）对图像中的微小细节有作用 + 分解为位平面，可以分析每一位在图像中的相对重要性

![[Pasted image 20241107204313.png]] ![[Pasted image 20241107205101.png]]