数字图像处理-第3章-空间域图像增强(1)

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/weixin_38316806/article/details/102642552

ZERO.preview

空间域

所谓空间域，指的是图像平面本身。这类方法是以对图像的像素直接处理为基础的。
与之相对的是频域，这类技术是以修改图像的傅里叶变换为基础的。

增强

所谓“增强”，就是通过处理图像使得其比原始图像更加适合于特定应用，这里的“特定”表明“增强技术”是面向问题的。

一、背景知识

空间域处理的数学定义

$g(x,y)=T[f(x,y)]$
上式中，f代表的是输入图像，g代表的是输出图像，T代表定义在 $(x,y)$的邻域上的对f的一种操作。

情况一：灰度级变换函数（强度映射intensity transformation）-T操作定义在1*1尺度的邻域
$s=T(r)$
r和s分别代表f和g在任意点 $(x,y)$的灰度级。

对于灰度级变换函数，g仅仅依赖于f在 $(x,y)$点的值，这类技术通常是指点处理。

上图是两个经典的灰度级变换函数例子。对于上图第一个例子，原始图像的像素点若灰度级低于m时变暗，高于m则变亮。这种变换将会产生比原始图像更高的对比度。上图第二个例子的形式的映射关系叫做阈值函数。

情况二：T操作定义在非1*1邻域
其公式化的一个主要方法是利用所谓模板（也指滤波器、核、淹模或窗口）为基础的。例如下图：

上图中的模板是一个小的3*3二维阵列。一般来说，模板的系数值决定了处理的性质，比如图像尖锐化等等。以这种方法为基础的增强技术通常是指模板处理或者滤波。

思考
想一想，卷积神经网络的卷积操作不也正就是一种空间域图像增强方法吗？卷积就是定义在邻域上的一个操作，卷积核的系数也就是所谓的“模板的系数值”。