【数字图像处理】[1]--灰度变换增强

[align=center]【数字图像处理】[1]--灰度变换增强[/align]

[align=left]这个系列会讲一下关于数字图像处理的内容。[/align]
[align=left]我使用的书是清华大学出版的，下面这本[/align]



[align=left]这次讲关于灰度增强变换[/align]

[align=left]我大概讲一下理论，详细的可以看书，我讲一下我理解的重要的。[/align]

[align=left]这一节其实就一个重点，构造的一映射[/align]

[align=left]f(x,y)-->g(f(x,y))[/align]

[align=left]然后根据g这个函数类型不同，在分为几类[/align]

[align=left]其目的就是使原图像的灰度值或拉伸或压缩或反转[/align]

[align=left]1.线性灰度变换-- 负片变换[/align]
[align=left] 这里我用负片变换举一个例子[/align]

[align=left]

ImageApply[-# + 1 &, imgh]

[/align]
[align=left]其实就是一个[0,1]-->[1,0]的映射[/align]
[align=left]看一下效果[/align]



[align=left]这个是原图[/align]



[align=left]变换后的效果，当然我们可以直接有mma里面自带的函数[/align]



[align=left]效果是一样的[/align]

[align=left]2.分段函数变换--根据需要，拉伸灰度细节，对不感兴趣的抑制[/align]

f[x_, k1_, k2_, k3_, b1_, b2_, b3_, a_, b_] :=
Piecewise[{{k1*x + b1, 0 <= x <= a}, {k2*x + b2,a < x <= b}, {k3*x + b3, b < x <= 1}}]

[align=left]

Plot[f[x, 2, 0.5, 1.5, 0, 0.375, -0.375, 0.25, 0.75], {x, 0, 1}]

[/align]
[align=left]定义如上的分段函数，根据下面的图可以看出，该函数拉伸了中间的灰度值[/align]



[align=left]在对图像上的灰度值做相应的映射[/align]

data = ImageData[imgh];
Image@Map[f[#, 2, 0.5, 1.5, 0, 0.375, -0.375, 0.25, 0.75] &,data, {3}]

中间的细节看的更加清楚了

[align=left]3.非线性灰度变换[/align]

[align=left]先看一下我自己的解释[/align]



[align=left] [/align]
[align=left](*对数扩展--对低亮度进行大幅拉伸，高亮度被压缩*)[/align]

F[x_, c_] := c*Log[x + 1];
GraphicsRow[Plot[F[x, #], {x, 0, 1}, PlotRange -> {0, 1}, Ticks -> False,ImageSize -> Tiny] & /@ {0.7, 1, 1.3}]

[align=left]可以从图上看出来高亮部分被压缩了，暗部被拉伸了，看一下效果图[/align]



[align=left]同理看一下拉伸亮部[/align]
[align=left](*指数扩展--对高亮度区域大幅扩展*)[/align]

F[x_, a_, b_, c_] := Power[b, c*(x - a) - 1];
GraphicsRow[Plot[F[x, 0, E, #], {x, 0, 1}, PlotRange -> {0, 1}, Ticks -> False,ImageSize -> Tiny] & /@ {0.7, 1, 1.3}]

[align=left]看一下效果[/align]



[align=left]和上面的对比看，可以明显看到变亮了[/align]



[align=left]其实上面两种函数也是可以的，大家可以试一下[/align]

[align=left]最后还有一种函数的映射[/align]



[align=left]看一下函数图像[/align]



[align=left]看到最后一幅图像，大概可以猜到可以把原图的颜色转换为两种色彩(二值化)[/align]
[align=left]看一下效果图[/align]



[align=left]下一章会讲关于直方图变换增强的内容。[/align]

[align=left]以上，所有[/align]
2016/10/10