标度差值图像

标度差值图像主要应用在两张图像相减的时候，在实践中，大多数图像都是有8码显示，因此像素值在0到255之间，因此在差值图像中，像素值的取值为-255到255之间，因此在显示这一结果时需要对图像作标度。

 

方法一：

对每一个像素值再加上255，然后除以2。该方法无法保证像素的取值可以覆盖0到255的全部8比特范围，但是所有的像素一定在这一范围。另外，在除以2过程中固有的截尾误差通常将导致精确度的损失。虽然有很多的不足，但是该非常的简单方便。

 

方法二：

该方法弥补的方法一的缺点，它可以得到更高的精确度并使像素取值覆盖整个8比特的范围。我们首先提取最小值，并把它的负值加到所有的差值图像的像素中（如果最小值是-a(a>0)，则加上a；如果最小值是a，则减去a；通过该操作后，差值图像中最小的值就为0了）。之后，每一个像素乘以255/Max，其中Max为上一步操作之后图像的中最大像素值，这样就将所有的像素标定到0到255的范围内。

function result = scaleImg2(source)
% scale the image(let the value between 0 and 255)
% source - the image should be scaled with double data type
%
minVal = min(source(:));
source = source - minVal;
maxVal = max(source(:));
result = uint8(source*255/maxVal);
end

下图是分别用两种方法标定后的结果，我首先是分别用方差为1 和方差10的高斯算子对图像进行滤波，然后相减得到DoG图像，由于存在负值，所以需要进行标定处理。从下图中我们可以发现，方法二的效果要比方法一好，轮空更加的明显，因为它覆盖了整个0到255的范围。



源代码下载地址

注意事项：

在matlab中，把图像读到内存是保存在uint8数据类型中，所以能够保存的值是0到255之间。如果两图像相减之后得到负值，就会把截取，保存的值为0，最后会得到错误的差值图像。为了避免这样的错误，需要在相减之前转换成double类型，然后标定之后再转换成uint8进行显示。

  

参考：

冈萨雷斯《数字图像处理》第二版