标签：
空间域图像增强
增强的目的是处理图像，使其比原始图像更适合于特定应用。
图像增强方法分为空间域方法（直接对图像的像素处理）和频域（傅里叶变换为基础）。
以这两种结合来增强图像的非常少！最好的图像处理方法是得到最好的机器可识别的结果。
空间域图像增强公式g(x,y)=T(f(x,t)).g处理后的图像，f是原始图像，T是对f的一种操作。
图像增强的三个基本类型函数：线性（正比例，反比例），对数的（对数和反对数变换），幂次的（n次幂好n次方根变换）。
以下，r为原始灰度，s为变换后的灰度。
线性的图像反转：s=L-1-r。此种变换适用于增强嵌入域图像暗色区域的白色或灰色细节，特别是当黑色占主导的时候。通俗的，就是白色变黑色，黑色变白色，中间依次。
对数变换：s=c*log(1+r)。c常数。主要用于图像灰度的压缩和扩散，幂次更灵活。重大用处是很大程度上压缩了像素值得动态范围，典型应用是傅里叶频谱，它的像素值有很大的动态范围，一般要用对数变换调整一下。
幂次变换：s=c*(r^k)。其中c，k是常数。k大于1用于增强暗区（变黑），小于1用于亮区域增强对比度（变亮）。改变k叫做伽马校正，不仅改变灰度，还能改变G/R/B的比例。网上自动伽马校正是取了各种仪器期望的平均值。
分段线性变换函数
对比拉伸变换：提高图像处理时灰度级的动态范围。(r1,s1)=(r_min,0),(r2,s2)=(r_max,L-1)。
灰度切割：提高特定灰度范围的亮度，增强特征和X射线中的缺陷。所需灰度变大，其他区域不变或是变小。
位图切割：取高阶比特位面，用于图像压缩。例如阀值法。
标签：
原文地址：http://www.cnblogs.com/endlesshunger/p/4438125.html
