图像增强
图像增强的目的是：改善图像的视觉效果或使图像更适合于人或机器的分析处理
\[图像增强\begin{cases}空域法\begin{cases}点操作\begin{cases}直接灰度变换\\直方图修正\end{cases}\\邻域操作\begin{cases}图像平滑\\图像锐化\end{cases}\end{cases}\\频域法\begin{cases}低通滤波\\高通滤波\end{cases}\end{cases}\]
点操作
直接灰度变换
\(g(x,y)=T[f(x,y)]\)
\(T\) => 灰度映射函数
坐标位置 \((x,y)\) 为 \(f\) 的自变量，表示当前灰度值，经过函数\(T\) 转变为\(g\)，
注意在T函数中\(f(x,y)\)为其自变量
直接灰度变换又可以分为：
- 线性变换
- 分段线性变换
- 非线性变换
线性变换 & 分段线性变换
对于\(f(x,y)\)灰度范围为\([a,b]\)的部分，进行线性变换
\[g(x,y) = {d-c\over b-a}[f(x,y)-a]+c\]
我们可以用它来做什么？
举个简单的例子，我们可以很容易的通过调整灰度分布，使得图片白的部分更白，黑的部分更黑
void increase(Mat &inputImage, Mat& outputImage){
outputImage = inputImage.clone();
int rows = outputImage.rows;
int cols = outputImage.rows;
for (int i = 0; i < rows; i++){
for (int j = 0; j < cols; j++){
Vec3b & tmp = outputImage.at<Vec3b>(i, j);
for (int k = 0; k < 3; k++){
if (tmp[k] < 48)
tmp[k] = tmp[k] / 1.5;
else if (tmp[k] > 191)
tmp[k] = (tmp[k] - 192) * 0.5 + 223;
else tmp[k] = (tmp[k] - 38) * 1.33;
}
}
}效果图：
非线性灰度变换
\[g(x,y)=clog_{10}[1+f(x,y)]\]
直方图
在数字图像处理中，直方图是最简单并且最有用的工具
灰度直方图是灰度级的函数，描述的是图像中该灰度级的像素个数
横坐标表示灰度级，纵坐标表示图像中该灰度级出现的像素个数
数据表示：
| n | 图像的像素总数 |
| L | 灰度级的个数 |
| \(r_k\) | 第 k 个灰度级 |
| \(n_k\) | 第 k 个灰度级的像素数 |
| \(p_r(r_k)\) | 该灰度级出现的频率 |
则 归一化形式：
\[p_r(r_k) = {n_k\over n},~k = 0,1,2,\cdots,L-1\]
公式利于归纳但是不利于理解，我们举个例子说明：
原始图像数据（每个位置上面的数字表示灰度级）
| 6 | 4 | 3 | 2 | 2 | 1 |
| 1 | 6 | 6 | 4 | 6 | 6 |
| 3 | 4 | 5 | 6 | 6 | 6 |
| 1 | 4 | 6 | 6 | 2 | 3 |
| 1 | 3 | 6 | 4 | 6 | 6 |
直方图
|灰度系数|1|2|3|4|5|6|
|:-:|-|-|-|-|-|:-:|
|像素个数|5|4|5|6|2|14|
归一化直方图数据
| 5/36 | 4/36 | 5/36 | 6/36 | 2/36 | 14/36 |
图像略
直方图性质
- 直方图未反映某一灰度级像素所在位置，即丢失了位置信息
- 一幅图像对应一个灰度直方图，但是不同的图像可能有相同的直方图
- 灰度直方图具有可加性，整幅图像的直方图等于素有不重叠子区域的直方图之和
直方图用途
- 反映图像的亮度、对比度、清晰度。用来判断一幅图像是否合理地利用了全部被允许的灰度级范围
- 图像分割阈值选取，如果某图像的灰度直方图具有二峰性，那么这个图像的较亮区域与较暗区域可以较好分离，取谷底做为阈值点
直方图计算
先求出图像灰度级总数，然后遍历图像，对应像素点的灰度级的像素个数++，最后归一化即可
直方图均衡化
目的:将\(p_r(k_r)\) 修正为均匀分布形式，使动态范围增加，图像清晰度增加，对比度增加
方法：
- 求出灰度直方图
- 计算累积分布\(p'_s(s_k) = \sum_{j=0}^kp_r(r_j)\)
- 计算新的灰度值\(s_k=int[(L-1)p's(s_k)+0.5]\)
| 0 | 790 | 0.19 | 0.19 | 1 | 0 | 0 |
| 1 | 1023 | 0.25 | 0.44 | 3 | 790 | 0.19 |
| 2 | 850 | 0.21 | 0.65 | 5 | 0 | 0 |
| 3 | 656 | 0.16 | 0.81 | 6 | 1023 | 0.25 |
| 4 | 329 | 0.08 | 0.89 | 6 | 0 | 0 |
| 5 | 245 | 0.06 | 0.95 | 7 | 850 | 0.21 |
| 6 | 122 | 0.03 | 0.98 | 7 | 985 | 0.24 |
| 7 | 81 | 0.02 | 1.00 | 7 | 488 | 0.11 |
新的 \(N'_k\) 由上一级的\(n_k\) 而来
//可以直接调用opencv库写好的方法
void equalization(Mat &input, Mat &output){
Mat imageRGB[3];
split(input, imageRGB);
for (int i = 0; i < 3;i++)
equalizeHist(imageRGB[i], imageRGB[i]);
merge(imageRGB, 3, output);
}