像素级图像融合讲解
像素级、特征级和决策级的融合方法
像素级、特征级和决策级的融合方法随着计算机视觉和图像处理技术的不断发展，图像融合成为了一个重要的研究领域。
图像融合是指将多幅图像融合成一幅新的图像，以提取出更多的有用信息或改善图像质量。
在图像融合中，像素级、特征级和决策级是常用的融合方法。
像素级融合是指对图像的每个像素进行操作，将多幅图像的像素进行加权平均或其他运算，得到融合后的图像。
这种方法简单直接，但容易造成图像信息的混淆和失真。
为了解决这个问题，特征级融合方法被提出。
特征级融合是指对图像的特征进行操作，将多幅图像的特征提取出来，再进行融合。
常用的特征包括边缘、纹理、颜色等。
特征级融合可以提取出更多的细节信息，但也容易受到特征提取算法的影响。
为了克服像素级和特征级融合的局限性，决策级融合方法被提出。
决策级融合是指将多幅图像的决策结果进行融合，得到最终的决策结果。
这种方法充分利用了各个图像的决策信息，可以提高融合结果的准确性和稳定性。
决策级融合方法广泛应用于目标检测、图像识别等领域。
在实际应用中，将像素级、特征级和决策级融合方法结合起来，可以得到更好的融合效果。
例如，在目标检测中，可以先对图像进行像素级融合，得到融合后的图像；然后对融合后的图像进行特征提取，得到融合后的特征；最后将融合后的特征输入到决策模型中，得到最终的目标检测结果。
这种融合方法可以综合利用像素级、特征级和决策级的信息，提高目标检测的准确性和鲁棒性。
除了像素级、特征级和决策级的融合方法，还有其他的融合方法可以用于图像融合。
例如，基于小波变换的融合方法可以将图像进行小波变换，然后将变换系数进行加权平均或其他运算，得到融合后的图像。
这种方法可以提取出图像的多尺度信息，适用于不同尺度的图像融合任务。
像素级、特征级和决策级的融合方法是图像融合中常用的方法。
这些方法各有优缺点，可以根据具体的应用场景选择合适的方法。
同时，结合不同的融合方法，可以得到更好的融合效果。
图像融合是一个广泛研究的领域，未来还有很多待解决的问题，希望通过不断的研究和探索，能够进一步提高图像融合的效果和应用范围。
图像融合实验报告
图像融合实验报告图像融合实验报告引言图像融合是一种将多幅图像合并成一幅新图像的技术，广泛应用于计算机视觉、图像处理和模式识别等领域。
本实验旨在探究图像融合的原理和方法，并通过实验验证其效果。
一、图像融合的原理图像融合的原理是将多幅图像的信息融合到一幅图像中，使得新图像能够综合展示各幅图像的特点。
常见的图像融合方法包括像素级融合、特征级融合和决策级融合。
1. 像素级融合像素级融合是将多幅图像的像素按照一定规则进行融合，常用的方法有平均法、加权平均法和最大值法。
平均法将多幅图像对应像素的灰度值取平均，得到新图像的灰度值；加权平均法则根据不同图像的重要性给予不同权重；最大值法则选取多幅图像中灰度值最大的像素作为新图像的灰度值。
2. 特征级融合特征级融合是将多幅图像的特征进行融合，常用的特征包括纹理、边缘和颜色等。
通过提取多幅图像的特征并进行融合，可以得到具有更多信息的新图像。
3. 决策级融合决策级融合是将多幅图像的决策结果进行融合，常用的方法有逻辑运算、加权决策和模糊逻辑等。
通过对多幅图像的决策结果进行融合，可以得到更准确的决策结果。
二、实验过程本实验选取了两幅具有不同特征的图像进行融合，分别是一幅自然风景图和一幅抽象艺术图。
实验过程如下：1. 图像预处理首先对两幅图像进行预处理，包括图像的缩放、灰度化和边缘检测等。
通过预处理可以使得图像具有相似的特征，方便后续的融合操作。
2. 图像融合方法选择根据实验目的，选择合适的图像融合方法进行实验。
本实验选取了像素级融合和特征级融合两种方法进行对比。
3. 像素级融合实验首先对两幅图像进行像素级融合实验。
通过将两幅图像的对应像素进行平均或加权平均，得到新图像。
然后对新图像进行评估，包括灰度分布、对比度和清晰度等指标。
4. 特征级融合实验接着对两幅图像进行特征级融合实验。
通过提取两幅图像的纹理、边缘和颜色等特征，并进行融合，得到新图像。
然后同样对新图像进行评估。
5. 结果分析根据实验结果对比，分析不同融合方法的优劣。
像素级图像融合方法及应用研究
像素级图像融合方法及应用研究图像融合技术(Image Fusion Technology)作为多传感器信息融合的一个非常重要的分支——可视信息的融合，近二十年来，引起了世界范围内的广泛关注和研究热潮。
图像融合就是对多个传感器采集到的关于同一场景或目标的多个源图像进行适当的融合处理，以获取对同一场景的更为准确、更为全面、更为可靠的图像描述。
图像融合的目的是充分利用多个待融合源图像中包含的冗余信息和互补信息，融合后的图像应该更适合于人类视觉感知或计算机后续处理。
像素级图像融合是在基础层面上进行的图像融合，它能够提供其它层次上的融合处理所不具有的更丰富、更精确、更可靠的细节信息，有利于图像的进一步分析、处理与理解，它在整个图像融合技术中是最为复杂、实施难度最大的融合处理技术。
本文的研究工作主要是围绕像素级的图像融合展开的，针对像素级图像融合技术中需要解决的关键问题，重点研究了像素级图像融合的算法及其实现以及图像融合质量的综合评价问题，同时还对图像融合的预处理技术以及像素级图像融合技术的初步应用做了探讨。
本论文的主要研究内容和研究成果如下：(1) 在深入理解图像融合技术基本理论的基础上，针对传统基于塔型分解和基于小波变换图像融合方法的分解方式不能很好地适用于高频段包含大量重要信息的图像融合这一问题，提出了一种基于离散小波包变换的图像融合方法，该方法能够对图像的高频部分进行更为细致的划分，从而有利于在融合过程中提取源图像的重要细节信息，实验结果表明该方法能够有效地提高图像的融合质量。
为了进一步改善图像的融合效果以及融合算法的性能，本文还提出了一种新的基于区域特征选择的图像融合规则。
该规则不仅计算简单，而且能够在融合图像中保留较多的重要特征和细节信息，通过针对不同类型多源图像的融合仿真实验，结果表明该融合规则具有良好的融合性能。
(2) 针对在图像融合过程中，采用传统基于卷积运算的小波变换处理大量的图像数据时，存在的计算复杂、运算所需内存较多、无法实现在线快速的图像处理等缺陷，提出了一种基于第二代小波变换的图像融合方法。
遥感中图像融合的名词解释
遥感中图像融合的名词解释遥感中的图像融合是指将多个不同波段或不同分辨率的遥感图像进行整合和融合，以获得具有更高质量和更全面信息的图像。
图像融合是一种重要的处理方法，可以提高遥感图像的空间分辨率、光谱范围和信息内容。
在本文中，将解释遥感图像融合的概念、方法和应用。
一、遥感图像融合的概念遥感图像融合是指将来自不同传感器或同一传感器的不同波段、不同角度或不同时间的图像进行处理和整合，以获得一幅更具有丰富信息和高质量的图像。
通过图像融合，我们可以充分利用各个波段或传感器的优势，提高遥感图像的空间分辨率、光谱分辨率和几何精度。
二、遥感图像融合的方法1. 基于像素级的融合方法：像素级融合是最常见的图像融合方法之一，它将不同波段或传感器的像素进行组合来生成融合图像。
常用的像素级融合方法包括加权平均法、主成分分析法和小波变换法等。
加权平均法通过对不同波段的像素进行加权平均来生成融合图像；主成分分析法通过提取不同波段的主成分，再进行重构来生成融合图像；小波变换法则将不同波段的图像进行小波变换，再进行重构得到融合图像。
2. 基于特征级的融合方法：特征级融合方法是通过提取和融合不同波段或传感器的特征来生成融合图像。
常用的特征级融合方法包括主要成分分析法、基于像元间差异的方法和基于数字摄影测量的方法等。
主要成分分析法通过提取和保留不同波段图像的主要成分，再进行重构来生成融合图像；基于像元间差异的方法则通过计算不同波段像元间的差异来决定融合结果；基于数字摄影测量的方法则利用几何建模对不同传感器的图像进行三维匹配和重构，产生高质量的融合图像。
三、遥感图像融合的应用1. 地表覆盖分类：遥感图像融合能够提高遥感图像的空间分辨率和光谱范围，从而提供更全面和准确的地表覆盖分类结果。
例如，在农业领域，通过多光谱和高分辨率图像的融合，可以实现对农作物的种植、斑块的划分和生长状态的监测。
2. 地表变化检测：遥感图像融合可以提供多时相的地表图像，从而实现对地表变化的监测和检测。
04图像融合技术概论(像素级)
图像像素级融合算法（讲稿1）2、图像融合算法研究主要集中介绍像素级融合算法。
依实现原理划分，像素级图像融合算法大体分为：代数算法，假彩色技术，图像调制技术，多分辨技术，基于视觉神经动力学的图像融合技术，等。
2.1 代数法代数法包括加权融合、单变量图像差值法、图像比值法等。
最常用的方法是加权平均法。
加权平均法主要是运用代数运算和线性运算来处理图像，是早期的图像融合方法。
它的基本原理是不对源图像进行任何的图像变换或分解，而是直接对各源图像中的对应像素进行选择（选取最大值或最小值）、平均或加权平均等简单处理后输出融合图像。
以表示融合图像的第个像素灰度值，表示参加融合的第幅图像第个像素灰度值。
表示参加融合的第幅图像第个像素的权值。
加权平均法的数学表示式为：根据实际应用的需要，代数法可采取局部和全局处理。
下面主要说明全局法的处理过程。
考虑到图像的整体性，所有融合运算采用了统一标准，因此称为全局法。
主要步骤如下：（1）求出图像灰度的最大值、最小值、均值与方差；（2）由这些参数通过一定的运算，计算出一个变换式，可将高分辨力图像的灰度变成0到1的实数；（3）用变换后的实数与低分辨力图像进行一定的运算，其所得到的结果即为融合图像；（4）这个图像往往色调比较暗，必须进行增强才能满足要求。
设高分辨力图像灰度、灰度最小值、最大值、均值与方差分别为，低分辨力图像灰度值为，融合后的灰度值为，为变换系数。
2、假彩色技术假彩色（False Color）图像融合处理的原理基于如下事实：人眼对颜色的分辨力远超过对灰度等级的分辨力。
因此，如果通过某种彩色化处理技术将蕴藏在不同原始信道图像灰度等级中的细节信息以不同的色彩来表征，可以使人眼对融合图像的细节有更丰富的认识。
以假彩色法来实现图像融合的工作由来已久，随着对人眼生理特性认识的逐步深入，这种方法也在不断改进，以期达到既能将各原始信道的图像信息尽量地表现出来，又能使融合图像的可视效果符合人眼生理习惯的目的，这是当前假彩色研究的关键所在。
像素融合点-概述说明以及解释
像素融合点-概述说明以及解释1.引言1.1 概述概述：像素融合是一种图像处理技术，通过将多个像素进行融合，达到图像增强、信息融合等目的的方法。
随着计算机视觉和图像处理技术的发展，像素融合在多个领域得到了广泛应用。
在图像处理领域中，像素融合是一种将多幅图像进行融合的技术。
通过将多幅图像的像素值进行加权平均或者其他数学运算，将图像中不同图像源的信息进行融合，并生成一幅综合图像。
通过像素融合可以获得更丰富、更清晰、更具细节的图像，提升图像的视觉效果和信息呈现能力。
像素融合的原理是基于对各像素点的加权处理，并结合其他算法进行图像信息的集成。
通过对不同图像源的处理和融合，可以使得图像具有更广阔的动态范围、更高的对比度，从而呈现出更真实、更具有细节的图像效果。
像素融合在很多领域都有广泛的应用。
在军事领域，像素融合可以对多源信息进行融合，提高目标检测和识别的能力。
在医学领域，像素融合可以将不同模态的医学影像进行融合，提高病变检测和诊断的准确性。
在遥感和地球观测领域，像素融合可以对多个传感器获取的遥感影像进行融合，提高对地观测的精度和解译能力。
在工业和交通领域，像素融合可以对多个传感器获取的数据进行融合，实现智能监控和控制。
综上所述，像素融合是一种重要的图像处理技术，通过对多幅图像进行融合，可以提高图像的视觉效果和信息呈现能力。
在各个领域都有广泛的应用前景，对于提高图像处理和分析的准确性和效率具有重要意义。
随着技术的发展和创新，像素融合将会在更多领域发挥重要作用，并为人们带来更多的便利和价值。
1.2文章结构1.2 文章结构本文主要分为以下几个部分：1. 引言：本节将对像素融合点进行概述，并介绍本文的结构和目的。
2. 正文：本节将详细讨论像素融合点的定义和原理，以及它在各个领域中的应用。
2.1 像素融合的定义和原理：首先，将介绍像素融合的基本概念，即将多个像素点合并为一个新的像素点。
接着，将深入探讨像素融合的原理，包括像素的颜色、亮度、位置等因素如何被融合。
使用计算机视觉技术进行图像融合的方法和实用工具
使用计算机视觉技术进行图像融合的方法和实用工具随着计算机视觉技术的发展和应用范围的扩大，图像融合成为了一个热门的研究领域。
图像融合是指将多幅不同的图像合成为一幅新的图像，旨在融合各种图像的优点和特点，提供更加全面和详细的信息。
在这篇文章中，我们将讨论一些常用的方法和实用工具，用于实现图像融合的目标。
1. 像素级融合方法：像素级融合方法是最常见的图像融合方法之一，其基本思想是将两幅或多幅图像的每个像素进行加权求和，从而融合为一幅新的图像。
常用的像素级融合方法包括平均法、加权法等。
平均法通过对多幅图像的像素做均值处理，实现图像的平滑与融合；加权法则通过给不同图像的像素赋予不同的权重，达到突出某些特定区域或保留某些特定信息的效果。
2. 尺度空间融合方法：尺度空间融合方法主要基于图像中的不同频率信息进行图像融合。
传统的尺度空间融合方法利用小波变换、多尺度分解等技术，分别对多个尺度的图像进行融合，并最终合成一幅融合图像。
这种方法可以在不同空间尺度上提取丰富的特征信息，并实现不同尺度信息的有效融合。
3. 基于特征的融合方法：基于特征的融合方法将图像的特征信息作为图像融合的主要依据。
常用的特征包括边缘信息、纹理信息、颜色信息等。
通过提取并融合不同图像的特征信息，可以实现更精细和准确的图像融合效果。
这种方法常用于医学图像融合、卫星图像融合等领域。
除了上述方法，还有一些实用工具可供实现图像融合的目标。
以下是其中几种常用的实用工具：1. OpenCV：OpenCV是一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉算法。
它可以用于实现图像融合的方法和技术，提供了一系列函数和工具，如图像加载、变换、融合等，使得图像融合的实现更加方便和高效。
2. MATLAB：MATLAB是一种高级的数学计算和数据可视化软件，也用于图像处理和计算机视觉领域。
MATLAB提供了许多有关图像融合的工具箱，如图像处理工具箱、图像融合工具箱等，可以快速实现图像融合的方法和算法。
像素级图像融合讲解
毕业设计（论文）设计（论文）题目像素级图像融合方法姓名：李桂楠学号：201100800668学院：机电与信息工程学院专业：自动化年级2011 级指导教师：孙甲冰（威海）UNIVERSITY f WEIHAI目录摘要 (4)Abstract (5)第一章绪论 (1)1.1课题背景及来源 (1)1.2图像融合的理论基础和研究现状 (1)1.3图像融合的应用 (1)1.4图像融合的分类 (1)第二章像素级图像融合的预处理 (3)2.1图像增强 (3)2.2图像校正 (6)2.3图像配准 (6)第三章像素级图像融合的方法综述 (8)3.1加权平均图像融合方法 (8)3.2 HIS空间图像融合方法 (8)3.3主成分分析图像融合方法 (8)3.4伪彩色图像融合方法 (9)第四章基于小波变换的像素级图像融合概述 (10)4.1小波变换的基本理论 (10)4.2基于小波变换的图像融合 (11)4.3基于小波变换的图像融合性能分析 (12)第五章像素级图像融合方法的研究总结与展望 (19)参考文献 (20)谢辞..................... 错误！未定义书签。
摘要近些年，随着科学技术的飞速发展，各种各样的图像传感器出现在人们的视野前，这种样式繁多的图像传感器在不同的成像原理和不同的工作环境下具有不同功能。
而因为多传感器的不断涌现，图像融合技术也越来越多的被应用于医学、勘探、海洋资源开发、生物学科等领域。
图像融合主要有像素级、决策级和特征级三个层次，而像素级图像融合作为基础能为其他层次的融合提供更准确、全面、可依赖的图像信息。
本文的主要工作是针对像素级的图像融合所展开的。
关键词图像融合理论基础、加权平均、图像融合方法、小波变换、AbstractIn recent years, with the rapid development of scienee and tech no logy, all kinds of image sen sor appear in front of the people's field of visi on, image sen sor in a wide range of this style in differe nt imaging principle and under different working conditions have different function. And because of multiple sensors, image fusion tech no logy is also more and more bee n used in medical, exploratio n, Marine resources developme nt, biological scie nces, and other fields, and image fusion for national security more strategic significance to construction and economic development. Therefore, the study of image fusion is and its important theoretical significance and applicati on prospects.Image fusion is divided into pixel level, feature level and decisi on level three differe nt levels, image fusi on at pixel level and as a basis for other levels of fusion provide more accurate, comprehensive, image information can be lazy, is advantageous to the image analysis and further research. The research work of this article is the surro unding image fusi on at pixel level.Key wordsimage fusion, weighted average, pseudo color image fusionmethod and wavelet tran sform第一章绪论1.1课题背景及来源在现代化的农业、生活、资源管理开发、国防等方面的实际应用中，图像融合被广泛的开发应用，是较为常用的图像信息融合技术，它可以对源图像中的像素进行逐个的信息融合，尽可能保留源图像中的重要信息以得到对图像更精确、更丰富的描述。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
山东大学（威海）毕业论文毕业设计（论文）设计(论文)题目像素级图像融合方法姓名：李桂楠学号：************学院：机电与信息工程学院专业：自动化年级2011级指导教师：孙甲冰目录摘要 (4)Abstract (5)第一章绪论 (1)1.1课题背景及来源 (1)1.2图像融合的理论基础和研究现状 (1)1.3图像融合的应用 (1)1.4图像融合的分类 (1)第二章像素级图像融合的预处理 (3)2.1图像增强 (3)2.2图像校正 (6)2.3图像配准 (6)第三章像素级图像融合的方法综述 (8)3.1加权平均图像融合方法 (8)3.2 HIS空间图像融合方法 (8)3.3 主成分分析图像融合方法 (8)3.4 伪彩色图像融合方法 (9)第四章基于小波变换的像素级图像融合概述 (10)4.1 小波变换的基本理论 (10)4.2 基于小波变换的图像融合 (11)4.3基于小波变换的图像融合性能分析 (12)第五章像素级图像融合方法的研究总结与展望 (19)参考文献 (20)谢辞.................................. 错误!未定义书签。
摘要近些年，随着科学技术的飞速发展，各种各样的图像传感器出现在人们的视野前，这种样式繁多的图像传感器在不同的成像原理和不同的工作环境下具有不同功能。
而因为多传感器的不断涌现，图像融合技术也越来越多的被应用于医学、勘探、海洋资源开发、生物学科等领域。
图像融合主要有像素级、决策级和特征级三个层次，而像素级图像融合作为基础能为其他层次的融合提供更准确、全面、可依赖的图像信息。
本文的主要工作是针对像素级的图像融合所展开的。
关键词图像融合理论基础、加权平均、图像融合方法、小波变换、AbstractIn recent years, with the rapid development of science and technology, all kinds of image sensor appear in front of the people's field of vision, image sensor in a wide range of this style in different imaging principle and under different working conditions have different function. And because of multiple sensors, image fusion technology is also more and more been used in medical, exploration, Marine resources development, biological sciences, and other fields, and image fusion for national security more strategic significance to construction and economic development. Therefore, the study of image fusion is and its important theoretical significance and application prospects.Image fusion is divided into pixel level, feature level and decision level three different levels, image fusion at pixel level and as a basis for other levels of fusion provide more accurate, comprehensive, image information can be lazy, is advantageous to the image analysis and further research. The research work of this article is the surrounding image fusion at pixel level.Key wordsimage fusion, weighted average, pseudo color image fusion method and wavelet transform第一章绪论1.1课题背景及来源在现代化的农业、生活、资源管理开发、国防等方面的实际应用中，图像融合被广泛的开发应用，是较为常用的图像信息融合技术，它可以对源图像中的像素进行逐个的信息融合，尽可能保留源图像中的重要信息以得到对图像更精确、更丰富的描述。
为了特征级和决策级的研究提供帮助。
本章主要工作是对图像融合的理论和发展做出介绍，并在该基础上分析图像融合在实际应用前景。
1.2图像融合的理论和现状图像融合是对不同传感器所收集到的一幅或者多幅源图像进行融合，用融合技术合成同一幅包含了多幅源图像优点、内容更加全面丰富的图像，其最早产生于20世纪70年代末，而该技术随着实际应用中的所占比例的增大在其后的时间内有了很大的发展。
虽然图像融合技术越来越多地在实际生活中得到应用，但因为该技术所覆盖领域的广泛性和该技术的多样性，研究结果只是反映了特定的方面，而不是形成完整的体系。
总而言之，其中仍有很多问题有待我们的解决和探讨。
1.3图像融合的应用多传感器技术的提高和电子科技技术方面的提高，图像融合技术越来越多的被用于实际应用中。
在民用方面，图像融合在应用于各个领域。
遥感方面，随着遥感技术的发展，在同一地区可使用越来越多不同的传感器，因此能获得不同时间段的各类遥感图像信息，国土资源规划等方面都有效的利用到该技术。
在医学领域，多模医学图像融合技术已经被广泛的用于医疗诊断中，根据不同影像设备可反应出人体体征情况各有不同，弥补了原来医学单一成像的缺点。
在军事领域，随着传感器的种类不停增多，可得到的战场信息战况越来越丰富，而有关于战场图像信息的分析也需要越来越准确，而多传感器图像融合技术则成为控制战争态势的有效利器。
1.4图像融合的分类（1）按信息表征层次分类像素级图像融合：根据某个融合规则直接对源图像灰度进行融合。
像素级图像融合是最低层次的融合，但其保留信息的能力要强于决策级和特征级。
但像素级融合对配准精度的要求也更高。
特征级图像融合：在像素级的基础上提取其特征信息进行综合性分析和融合处理。
特征级融合首先从各个多传感器图像中提取原始信息特征，去掉其中的虚无用特征。
特征级图像融合能压缩信息，还能保留图像的复合特征，可以直接为决策级融合分析提供帮助。
决策级图像融合：是最高层次的融合，从源图像中获取特征信息并进行预处理，得出各自的决策，合并成一个全局性的联合决策。
决策级图像融合有较高的实时性和容错性，但是在处理过程中损失的图像信息量大，预处理的要求也比较高。
（2）按图像源分类同类传感器图像融合：对同一传感器在不同成像模式下获得图像进行融合。
异类传感器图像融合：将不同类型的并且彼此相互独立传感器收集到的图像进行融合。
遥感图像融合：对多遥感器所获得的图像进行融合。
（3）按融合方法分类基于空间域的图像融合：在像素级别上对图像直接进行处理。
其算法有：加权平均法、主成分分析法、HIS空间法、伪彩色法等等。
基于变换域的图像融合：首先对多幅源图像进行图像变换，之后在对其获得的系数按准则进行融合，再对其进行逆变换得到融合结果。
常用算法有：傅里叶变换，多尺度分解等等。
第二章 像素级图像融合的预处理像素级图像融合是最底层的图像融合，它可以获得另外两个层级不能获得的细微的源图像信息，因为要精确要像素级别，所以在图像融合前要进行预处理，例如图像的增强、校正、配准等。
2.1图像的增强图像增强是一类图像预处理的技术，其目的是为了获得效果更明显、对研究内容更加有用的图像信息。
图像增强的主要方法有：1.空间域增强2.频率域增强。
（一） 空间域增强1.线性变换和非线性变换在对图像的像元进行灰度值的变换以后，我们将会得到可视度更高、分辨率更为清晰的图像。
根据变换函数分类，当变换函数为线性或者分段函数时，称其为线性变换。
灰度变换的过程可以表示为：g(x,y)=T[h(x,y)],射映射为T ，则输入图像中的每个像素的灰度值f （x ，y ）可以通过该映射，经过变换后得到输出图像的灰度值h （x ，y ）。
简单的线性变换公式课定义为：c m y x +-=]),(h [m-n c -d ）y ，x （g ，其中，n 和m 分别为输入图像亮度分量的最大和最小值，d 和c 分别是输出图像亮度分量的最大和最小值。
如图1所示，在线性变换后其灰度范围明显扩大，由[m,n]扩展为[c ，d]。
变换后的图像中相邻像素灰度的差值增加，将有效改善图像视觉效果。
线性变换效果图如下：非线性变换则可以理解为，变换函数是非线性的，则为非线性变换，它是有选择的对某一灰度范围进行扩展。
指数变换和对数变换都是比较常用的非线性变换。
指数变换一般公式为：c bex a ax b +=对数变换一般公式为： c ）1ax （blg x a b ++=其中，a x 和b x 分别表示变换前和变换后每个像元的灰度值。
a 、b 、c 为参数。
图4 非线性灰度变换2.空间增强为了达到强化图像特征信息的目的，则采用空间增强。
领域处理：对于某一图像（i ，j ），对于该图像像元的集合{i+m ，j+n}（m 、n 为任意整数）称为该像元的领域。
由图可知g(i,j)可由f （i ，j ）确定，它们分别为处理前和处理后的像元值，这种处理称为领域处理。
领域运算的计算表达式为：)],([),(g j i N j i N ϕ=N ϕ为对),(j i N 像元的运算法则。
卷积运算：在空间域上对图像做加权求和的过程。
需选定一个模板。
在运算前，需选定一个大小为B A ⨯的运算模板）,（b a ϕ。
并建立一个和模板大小相同的活动窗口),(f b a ，再将模板与窗口的对应的灰度值做对应运算。
得到新的窗口中心灰度值。
其公式为：∑∑==⋅=Bb A a b a b a f n m g 11),(),(),(ϕ 将模板和窗口作相同移动后再按上式计算得出新的灰度值。
根据该公式进行类推，最后获得目标图像。
平滑：传感器在成像过程会存在各种客观原因造成的误差，图像在形成过程中会出现“噪声。
”平滑的目的是为提高图像质量而进行的处理。
锐化：锐化可突出边缘和线状口信息。