图像处理的方法列举（普通处理、灰度变换、图像锐化）

图像处理的方法列举

1.图形灰度的集合处理：

   主要有：和、并、交、补、差等。

2.逻辑操作：

   图像的二值图处理时，可以有：and、not、or、and not、xor等。

3.图像配准：

   用于对齐两幅或多幅相同场景的图像，使用参考图像得到约束点（在输入图像和参考图像中其位置恰好已知的相应的点，方法：可以交互式的的选择，也可使用试图自动检测    这些点的算法），然后用约束点配准这两幅图像。

   估计变换函数是建模问题之一。

4.图像的变换域处理：

                                                   （T（u,v））                  （R[T（u,v）]）

      f(x,y)----------------->变换--------------------->运算R-------------------------->
反变换---------->g(x,y)

（空间域） （空间域）

5.一些基本灰度变换函数：

图像的反转      （灰度等级[0，L-1]         s=L-1-r）
对数变换 
幂律变换：                                                                                                                                                                                                                                                        
                          说明：幂律方程中的指数成为伽马。用于校正这些幂律响应的处理叫伽马校正。
    使用幂律变换进行对比度增强：                                                                                                                                                                                                                                        
       所给的图像整体偏暗（例如脊椎的拍片），因此需要扩展灰度等级。这可使用指数为分数的的幂律变换完成（会有细节出现，但整体冲淡）。                                              另一个说明：整体冲淡表明灰度等级的压缩是必需的。
分段线性变换函数：                            
              低对比度的图像可由照明不足，成像传感器动态范围太小，甚至在图像获取过程中镜头光圈设置错误引起的。对比度拉伸是扩展图像灰度等级动态范围的处理。它可以                 跨越记录介质和显示装置的全部灰度范围。

直方图均衡化

6.    图像锐化      

       操作：二阶微分----拉普拉斯算子
                   一阶微分----梯度
                                         说明：使用梯度进行边缘增强
                                                     梯度处理常用于工业检测，不是辅助人工检测产品缺陷，就是更为通用的作为自动监测的预处理。
                                                     举例：隐形眼镜的光学图像，增强用作自动检测的预处理步骤。好处是：灰度不变或变化缓慢的的团阴影被去除了，简化了自动化检测所要求的                                                                    计算任务。
                                                     梯度处理还可以用于突出灰度图中看不见的小斑点，在灰度平坦区域中增强小兔变得能力是梯度处理的另一个重要特征。
                    基于规则的模糊集对比度修改的图像增强（复杂性）