图像增强

1、主流颜色空间 RGB三通道彩色图，每个通道都是[0,255]，常用的三通道—>单通道，Gray=R*0.3+G*0.59+B*0.11 2、图像增强的目标 改善图像的视觉效果 转换为更适合人或机器分析处理的形式； 突出对人或机器分析有意义的信息 抑制无用信息，提高图像的使用价值 包括图像锐化、平滑、去躁、灰度调整（对比度增强） 3、图像处理方法 3.1 特征提取方法 直方图 3.2 空间域处理及其变换 来源： https://www.cnblogs.com/yqpy/p/11337369.html

接着上节来。。。。。 卷积操作在图像的处理中是贼重要的一节，是必须要掌握的一部分。 卷积部分咱不聊啥嘛求蛋蛋的公式，咱只需知道，卷积操作在图像上咋运行的就成。卷积操作就是采用一个卷积核在原图像上的滑动。在图像处理中，具体操作卷积的方式有多种： 1） filter2(b,A,shape)，b为卷积核，A为原图像（假设大小为m×n） ，shape指定计算的范围，有三种可选： ‘full’在A的边界补上两圈0，卷积输出的结果C的大小将为（m+2）×（n+2）； ‘same’在A的边界处补上一圈的0，卷积输出的结果C的大小与A的相同为m×n； ‘valid’不考虑边界补0，只计算有效的输出部分，卷积输出的结果C的大小为（m-2）×（n-2）。 该函数实现的操作是采用相关性进行的卷机操作，也就是直接用卷积核b在A上滑动，得到结果。 2） imfilter(A,b,option1,option2，option3)，A为输入图像，b为卷积核， option1：边界选项，可选的有：补充固定的值X（默认都补零），symmetric（镜像反射）,replicate（复制外边界值）,circular（图像大小通过将图像看成是一个二维周期函数的一个周期来扩展） option2：输出图像大小选项，可选的有same（默认）,full option3：可选的卷积滤波方式：‘corr’（使用相关性来进行卷积

起篇三连问： 第一问：何为数字图像的增强？ 个人理解，就是通过对图像进行平滑去噪、改变灰度级或者增强边缘，将我们想要的某些图像特征更明显的显现出来。这就是图像的增强，该过程重在对比度的拉伸。 第二问：费了半天劲，对图像增强对我们有什么好处理嘞？ 说白了，图像增强就是一个图像预处理的工作，将我们想要的图像特征弄的比较显眼，为后期的目标提取、识别等打下良好的基础。 第三问：图像增强的方法有哪些？ 有小伙伴该说了这个难不倒俺，有调整灰度级的灰度级变换法（什么线性的、非线性的、分段的。。。）、去除噪声的（什么低通、中值、均值。。。）、显示边缘的（什么高通、sobel算子、roberts算子。。。）。看到这样的回答我只能说：老铁没毛病。但我想说的是任你天花乱坠，我只认 时域 和 频域 。。。。嘿嘿。 OK，废话不多说了，看正文。。。。 咱们来看看在时域（也有人说是空域） 在时域中一般有两个方式： 灰度级变换和卷积操作 。接下来咱逐个来看哈。本节重点实现灰度级变换 灰度级变换，说明白点就是改变图像中部分像素点的灰度值，目的就是将灰度级扩展一下，将图像更亮暗分明些，仅此而已（在图像增强中属于最简单的一类）。大致方法就是线性变化和非线性变化两大类。线性变化中主要包含有：正比、反比和分段函数；非线性主要包含有：幂函数、对数函数等。原理比较简单，直接在代码中体现。 实例来咯