关于数字图像处理的常用技巧

数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、特征提取等处理的方法和技术。

1. 图像扭曲

如上图，一共设置了45个控制点围成74个三角形网格扭曲即形变处理其实是寻找一个函数，以所有网格顶点原始坐标为输入，扭曲后所有网格顶点坐标为输出。为了简化计算任务，采用控制栅格插值方法，对每个三角网格独立计算映射关系，如下图：

2.1 灰度变换

灰度变换主要针对独立的像素点进行处理，通过改变原始图像数据所占有的灰度范围而使图像在视觉上得到改观。灰度变换还包括对数变换、幂律变换和分段线性变换等，它们都可以改变图像的灰度，实现不同的图像效果。

最简单的应用是图像的反转，即将原始图像的灰度值进行翻转，使输出图像的灰度随输入图像的灰度增加而减少。假设对灰度级范围是（0，L-1）的图像求反，则图像灰度t=L-1-s。

2.2直方图处理

直方图计算实际上即求图像的概率密度函数PDF，只需遍历一次所有像素点即可获得。

灰度直方图应用：直方图均衡：直方图的均衡化是将原图像通过某种变换得到一副灰度直方图为均匀分布的新图像的方法。假设图像均衡化处理后，图像的直方图是平直的，即各灰度级具有相同的出现次数。由于灰度级具有均匀的概率密度分布，所以图像看起来更加清晰。

步骤：（1）求原始图像的灰度直方图。

（2）由原始图像直方图计算灰度分布概率。

（3）计算图像各个灰度级的累计分布概率。

（4）进行直方图均衡化计算，得到新图像的灰度值。

2.3空间滤波

图像生成采集处理过程中都会不同程度的引入各种噪声，因此会导致图像的质量变差。从而影响对图像的识别。所以必须要对图像进行滤波，所以必须对图像进行滤波。图像滤波方法很多，如高通滤波、最大值滤波、均值滤波、中值滤波等。

许多算法都是基于模板操作，模板操作是图像卷积和滤波等运算的基础。模板使用一个窗口，这个窗口是一个点周围的特定长度或形状的领域，用于计算算法输出。

2.3.1平滑滤波器

2.3.1.1均值滤波

在像素的领域内求局部均值，代替图像中每个像素点的值。称为均值滤波

2.3.1.2中值滤波

中值滤波是一种领域运算，与均值滤波和其他滤波相比，中值滤波能够去除噪声的同时不会模糊图像的边缘，较好的保持图像的清晰度。

即（1）首先把领域中的像素按灰度级进行排序。

（2）然后选择该组的中间值作为输出像素值。

2.3.2.3高斯滤波

高斯滤波是根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对过滤服从正态分布的噪声效果很好。

对图像而言，常用二维零均值离散高斯函数做平滑滤波器，表示为

2.3.2锐化滤波器——边缘检测

边缘检测的实质是采用某种算法来提取图像中对象与背景间的交界线。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分技术来获得边缘检测算子。边缘检测是检测图像局部显著变化的基本运算。

常用的梯度算子有基于一阶导数的Roberts算子，Prewitt和Soble算子，以及基于二阶导数的Laplacian算子。

Sobel算子所对应的模板如上图：

审核编辑：黄飞