数字图像处理

数字图像处理

常用于处理噪声和失真。

噪声

椒盐噪声：噪声的幅值基本上相同，但是噪声出现的位置是随机的；（中值滤波效果好）

高斯噪声：每一点都存在噪声，但噪声的幅值是随机分布的。

滤波器

空间滤波技术分类

一、根据空间滤波增强目的可分为：平滑滤波和锐化滤波；

二、根据空间滤波的特点可分为：线性滤波和非线性滤波。

平滑滤波:： 能减弱或消除图像中的高频分量，但不影响低频分量。因为高频分量对应图像中的区域边缘等灰度值具有较大、较快变化的部分，平滑滤波将这些分量绿区可减少局部灰度的起伏，使图像变得比较平滑。实际应用中，平滑滤波即可以用来消除噪声，又可以用在提取较大的目标前过滤去除较小的细节或将目标内的小间断连接起来。

锐化滤波：能减弱或消除图像中的低频分量，但不影响高频分量。因为低频分量对应图像中灰度值缓慢变化的区域，因而与图像的整体特性如整体对比度和平均灰度值等有关。锐化滤波将这些分量滤去可使图像反差增加，边缘明显。实际应用中，锐化滤波可用于增强图像中被模糊的细节或景物的边缘。

梯度

微分出来的，可以近似。

梯度的幅值：就是先就平方和，再开根（对于梯度）。不过还可以有别的近似，首先就是梯度计算的近似（$f(x+1,y)-f(x,y)$，这种），然后可以绝对值近似，还可以直接 交叉差 近似。

（Roberts交叉梯度算子，Prewitt梯度算子，Sobel梯度算子）

图像复原

与图像退化相逆，是个客观过程（图像增强是个主观过程）

图像增强

1.空间域增强 2.频域增强

灰度变换

指灰度到灰度的映射过程，即:

$$g(x,y)=T[f(x,y)]$$

$f(x,y)$ 是输入图像 $T$ 为操作，$g$ 为输出

对于单像素：

$$s=T(r)$$

$r$ 是 $f(x,y)$ 的灰度级， $s$ 是 $g(x,y)$ 的灰度级

//（所以 T 是传 灰度级 的参 ？）

基本灰度变换函数

1.线性函数（反转和恒等变换）

2.对数函数（对数和反对数变换）

3.幂律函数（次幂和次根变换）

图像反转

对于 $r\in [0,L-1]$

$s=L-1-r$

也就是黑转白那种反转

应用：增强图像暗色区域的白色或灰色细节