4.1 图像增强概述
目的：改善图像清晰度，将图像转换成一种更适合人活着机器进行分析处理的形式。
抑制没有用的信息，提高图像使用价值。
4.2 基于点运算的图像增强方法
请看上节数字图像的基本运算之点运算
4.3 基于直方图的图像增强方法
通过图像灰度直方图均衡化处理,使得图像的灰度分布趋向均匀,图像所占有的像素灰度间距拉开,加大了图像反差，改善视觉效果,达到增强目的。
主要的两个操作：直方图均衡化、直方图规定化
4.3.1 直方图均衡化
主要用于增强动态范围偏小的图像的对比度；
基本思想：对图像施加一种变换，使得变换后的图像的直方图成为均匀分布的形式。
p53 例4.2.1
4.3.2 直方图规定化
直方图均衡方法能显著地增强图像的对比度，但其增强效果不易控制
在实际应用中，希望可以人为地改变直方图形状，使之成为某个特定的形状
p58 例4.2.2
4.4 空间滤波
利用像素本身以及邻域像素的灰度进行增强的方法一般称作滤波。
滤波一般作为一种与处理方法，即通过对某个像素邻域内的像素进行某种计算，得到该像素的一个滤波值。
4.5 线性滤波：模板卷积
4.6 基于空间平滑滤波的图像增强方法
- 以抑制噪声为主要目的的预处理算法
- 运算的本质是在像素邻域范围内的灰度值的（加权）平均
- 平滑滤波会引入边缘模糊，使图像的清晰度下降，所以研究边缘保持的平滑滤波是有意义的
- 平滑滤波对抑制冲激噪声和细斑纹非常有效，但对大的块状噪声和粗条纹无效
4.6.1 邻域平均法
4.7 基于空间锐化滤波的图像增强方法
目的：使边缘和轮廓模糊的图像变得清晰
- 图像模糊往往是由于对图像的平均或积分运算引起的，对图像进行积分运算的逆运算，如微分运算可以达到锐化的目的
- 从频谱分析的角度，图像模糊的实质是高频分量缺失
- 能进行锐化处理的图像必须要有较高的信噪比，否则进行锐化处理后，信噪比会降得更低
- 锐化处理还经常跟边缘检测联系在一起
4.7.1 Roberts算子
4.7.2 Laplace算子
4.7.3 Sobel算子
4.7.4 Prewitt算子
本文作者：jujimeizuo
本文地址： https://blog.jujimeizuo.cn/2021/06/17/shuzituxiang4/
本博客所有文章除特别声明外，均采用 CC BY-SA 3.0 协议。转载请注明出处！