数字图像的灰度处理简述
图像灰度变换原理
图像灰度变换原理
图像灰度变换原理是指通过对图像的像素点进行灰度值的变换，从而改变图像的亮度和对比度。
灰度变换可以通过增加或减少像素值来改变图像的灰度级，并根据需求来调整图像的亮度和对比度。
灰度变换可以用以下数学公式表示：
g(x, y) = T(f(x, y))
其中，f(x, y)表示输入图像的灰度级，g(x, y)表示输出图像的
灰度级，T表示灰度变换函数。
常见的灰度变换函数有线性变换、非线性变换和直方图均衡化等。
线性灰度变换函数是最简单的一种灰度变换方式，通过对输入图像的每一个像素点应用一个线性方程来实现灰度的线性变换。
线性变换可以改变图像的对比度和亮度。
常见的线性灰度变换函数有平方根变换、指数变换和对数变换等。
非线性灰度变换函数则是通过对输入图像的每一个像素点应用一个非线性方程来实现灰度的非线性变换。
非线性变换可以实现更加复杂的灰度调整，例如增强图像的细节或者减少图像的噪声。
常见的非线性灰度变换函数有伽马变换和分段线性变换等。
直方图均衡化是一种特殊的灰度变换方法，通过对输入图像的
灰度级进行重新分配，使得输出图像的灰度级分布更加均匀。
直方图均衡化可以提高图像的对比度，使得图像的细节更加清晰。
总的来说，图像灰度变换原理是通过对图像的像素点进行灰度值的变换，来改变图像的亮度和对比度。
不同的灰度变换函数可以实现不同的灰度调整效果，根据需求选择合适的灰度变换方法可以获得满足要求的图像效果。
数字图像处理要点简述详述
第一.二章.采样，量化，数字图像的表示 基本的数字图像处理系统系统的层次结构I 应用程序 I 开发工具 操作系统 设备驱动程序I硬件I图像处理的主要任务： 图像获取与数字化 图像增强 图像恢复 图像重建 图像变换 图像编码与压缩 图像分割 特点：(1) 处理精度高。
(2) 重现性能好。
(3) 灵活性髙1•图像的数字化包括两个主要步骤：离散和量化2. 在数字图像领域，将图像看成是许多大小相同、形状一致的像素组成3. 为便于数字存储和计算机处理可以通过数模转换(A/D)将连续图像变为数字图像。
4•数字化包括取样和量化两个过程：取样：对空间连续坐标(x,y)的离散化量化：幅值f(x,y)的离散化(使连续信号的幅度用有限级的数码表示的过程。
)5.数字化图像所需的主要硬件：♦采样孔、图像扫描机构、光传感器、量化器、输岀存储体6•取样和量化的结果是一个矩阵 7.其中矩阵中的每个元素代表一个邃塞8•存储一幅图像的数据量又空间分辨率和幅度分辨率决定 9•灵敏度、分辨率、信噪比是三大指标第三章，傅里叶变换，DCT变换，WHT•余弦型变换：•傅里叶变换(DFT)和余弦变换(DCT)O•方波型变换：•沃尔什•哈达玛变换(DWT)1•二维连续傅里叶正反变换:F(u,v)= I f f(x.y)eJ_oc J_ocf g y)= \f F(u, v)ej27r(nA+vv)dwdvJ —oo J —oo二维离散傅里叶变换：M — 1 N — I=乏疋 Fgg 宀SS)if=o v=O。
F(u, v)即为f (x, y)的频谱。
频谱的直流成分说明在频谱原点的傅里叶变换尸(0,0)等于图像的平均灰度级 卷积定理：/(x,y)*^(x, y)= ss /O, n)g(x 一 m, y~n)/?/=() n=02•二维离散余弦变换(DCT)一维离散余弦变换：EO)=%)岳gfg 芈严 其中 c®=怜 ""DCT 逆变换为F(u.v)=1~MN A =0 y=02 A r -1/(«)=咅 C(0) + \1三工 F (gsn(2n +1)« ~~2N3•—维沃尔什变换核g （W ）：1 X_JL£（乂申）=丄口（一 1）®（”）為一】一心）＜N i=o• 厂、Cn 7V--1 ^T-l码3》=卡吝 /G 〉耳(—1)635—一 3«JC> =牙中 O )n (—O务i二维：•正变换: 1 N —l. N —!■H —1护(“*) = —X X /X%」)口( — 1)4(5—373$一_W] N 宜 U • JO■逆变换二1 AT-l JV-l 片_]/（X.y ）=丄 £ 乞 疗（心巧 口弟-i -心）JN 為 v=o ~。
灰度图像处理
•
•
• 对于数字图像,可以对上述公式做离散近似。若原图像f(x,y)在像素点(x,y)处的灰度为rk,则直方 图均化后的图像g(x,y)在点(x,y)处的灰度sk为
图像去噪
去噪的方法很多，常用的有：平滑滤波和中值滤波 1、平滑滤波 在假定加性噪声是随机独立分布的条件下,利用领域的平均或加权平 均可以有效抑制噪声干扰。图像平滑实际是低通滤波,让信号的低频部分 通过,阻截属于高频部分的噪声信号,显然,在减少随机噪声点影响的同时, 由于图像边缘部分也处在高频部分,平滑过程会导致边缘模糊化 平滑模板的思想是:通过待处理点和周围8个相邻点的平均来去除突然 变换的点,从而滤掉一定的噪声,其代价是图像有一定程度的模糊
图像锐化
1、一阶微分算子算法 图像处理种常用的微分方法就是求梯度。对于一个连续函数f(x,y),它在点(x,y)处的梯度是一个矢量,定义为
点(x,y)梯度的幅度即为梯度矢量的模:
（1）
对于数字图像f(x,y),由于数字图像的离散性,采用差分运算来近似替代微分运算,在其像素点(i,j)处,x方向和y方向上 的一阶差分定义为
增强后图像在(i,j)处的灰度值为
Sobel算子在计算x方向和y方向上的梯度时,不像普通梯度算子那样只用两 个像素灰度差值来表示,而是采用两列或两行像素灰度加权和的差值来表 示,这使得Sobel算子具有如下优点: (1)引入了加权平均,将距离远近产生的影响考虑进去,对图像中的随机噪声 具有一定的平滑作用 (2)由于Sobel算子采用间隔两行或者两列的差分,所以图像中边缘两侧的像 素得到增强。Sobel算子得到的锐化图像的边缘显得粗而亮
图像锐化
3、拉普拉斯算子算法 拉普拉斯算子是一种十分常用的图像边缘增 强处理算子。拉普拉斯算子是线性二次微分算子, 具有各向同性和位移不变性,从而满足不同走向 的图像边缘的锐化要求。 对于连续图像f(x,y),它的拉普拉斯算子为 当图像模糊是由于扩散现象引起时,拉斯运算 结果的k倍,即 。f为模糊图像,g为锐化 以后的图像,k是与扩散效应有关的系数。
图像灰度变换 原理
图像灰度变换原理
图像灰度变换是一种图像处理的方法，通过改变图像的灰度级别来增强或调整图像的显示效果。
其原理是对图像中的每个像素点进行灰度级别的转换。
常用的灰度变换函数有线性灰度变换、非线性灰度变换和直方图均衡化。
线性灰度变换是指通过线性映射将原图像的灰度级别转换为新的灰度级别。
常见的线性灰度变换函数有平移、缩放和对比度调整。
平移是将当前灰度级别加上一个偏移量，从而改变整个图像的亮度。
缩放是将灰度级别乘上一个缩放因子，从而调整图像的对比度。
对比度调整是通过同时进行平移和缩放，改变图像的亮度和对比度。
非线性灰度变换是指通过非线性函数将原图像的灰度级别转换为新的灰度级别。
常见的非线性灰度变换函数有幂律变换和对数变换。
幂律变换是通过对原图像的每个像素点进行幂次运算，从而调整图像的亮度和对比度。
对数变换是将原图像的灰度级别取对数，从而改变图像的亮度和对比度。
直方图均衡化是一种将原图像的灰度级别映射到均匀分布的灰度级别上的方法。
其原理是通过计算原图像的灰度直方图，并根据直方图进行灰度级别的重新分布。
这样可以增强图像的对比度和细节，并改善图像的视觉效果。
通过灰度变换，可以调整图像的亮度、对比度、色彩等特性，从而改善图像的视觉效果、增强图像的细节和信息。
在图像处
理和计算机视觉领域，灰度变换是一种常用的图像增强和预处理方法。
数字图像处理基本操作及灰度调整实验报告
一．实验目的1.掌握读、写图像的基本方法；2.掌握MATLAB 语言中图像数据与信息的读取方法；3.理解图像灰度变换处理在图像增强的作用；4．掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方法。
二．实验基本原理1. 灰度变换灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。
1) 图像反转灰度级范围为[0, L-1]的图像反转可由下式获得r L s --=12) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失。
解决的方法是对原图进行灰度压缩，如对数变换：s = c log(1 + r )，c 为常数，r ≥ 03) 幂次变换：0,0,≥≥=γγc cr s4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸：其对应的数学表达式为：2. 直方图均衡化灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。
依据定义，在离散形式下， 用r k 代表离散灰度级，用p r (r k )代表p r (r )，并且有下式成立：nn r P k k r =)( 1,,2,1,010-=≤≤l k rk式中：n k 为图像中出现r k 级灰度的像素数，n 是图像像素总数，而n k /n 即为频数。
直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。
假定变换函数为ωωd p r T s r r)()(0⎰==(a) Lena 图像 (b) Lena 图像的直方图图1-1 Lena 图像及直方图当灰度级是离散值时，可用频数近似代替概率值，即1,,1,010)(-=≤≤=l k r nn r p k k k r式中：l 是灰度级的总数目，p r (r k )是取第k 级灰度值的概率，n k 是图像中出现第k 级灰度的次数，n 是图像中像素总数。
数字图像处理实验报告：灰度变换与空间滤波(附带程序,不看后悔)
1.灰度变换与空间滤波一种成熟的医学技术被用于检测电子显微镜生成的某类图像。
为简化检测任务，技术决定采用数字图像处理技术。
发现了如下问题：（1）明亮且孤立的点是不感兴趣的点；（2）清晰度不够，特别是边缘区域不明显；（3）一些图像的对比度不够；（4）技术人员发现某些关键的信息只在灰度值为I1-I2的范围，因此，技术人员想保留I1-I2区间范围的图像，将其余灰度值显示为黑色。
（5）将处理后的I1-I2范围内的图像，线性扩展到0-255灰度，以适应于液晶显示器的显示。
请结合本章的数字图像处理处理，帮助技术人员解决这些问题。
1.1问题分析及多种方法提出（1）明亮且孤立的点是不够感兴趣的点对于明亮且孤立的点，其应为脉冲且灰度值为255(uint8)噪声，即盐噪声，为此，首先对下载的细胞图像增加盐噪声，再选择不同滤波方式进行滤除。
均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。
优点：速度快，实现简单；缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。
其公式如下：使用矩阵表示该滤波器则为：中值滤波：滤除盐噪声首选的方法应为中值滤波，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。
其过程为：a 、存储像素1，像素2.....像素9的值；b 、对像素值进行排序操作；c 、像素5的值即为数组排序后的中值。
优点：由于中值滤波本身为一种利用统计排序方法进行的非线性滤波方法，故可以滤除在排列矩阵两边分布的脉冲噪声，并较好的保留图像的细节信息。
缺点：当噪声密度较大时，使用中值滤波后，仍然会有较多的噪声点出现。
4096灰度值 -回复
4096灰度值-回复4096灰度值是一种用来描述图像中不同亮度级别的数值系统。
在这个系统中，像素的灰度值范围从0到4095，其中0表示黑色，4095表示白色。
这个灰度值系统在数字图像处理和计算机视觉领域非常常见，它被广泛应用于图像的亮度调整、图像增强和图像分析等方面。
首先，我们来探讨一下什么是灰度值以及它的意义。
灰度值是指图像中每个像素点的亮度级别，它反映了像素点的亮度强度。
在4096灰度值系统中，亮度由0到4095之间的整数值来表示，数值越大，代表亮度越高。
通过对灰度值的分析，我们可以得到图像中各个像素点的亮度分布情况，进而更好地理解和处理图像。
灰度值的应用涉及到图像的多个领域。
首先是亮度调整。
通过改变图像中像素点的灰度值，我们可以调整图像的亮度和对比度。
例如，如果我们想要增加图像的明亮度，可以通过将灰度值增加到更高的级别来实现。
同样地，如果我们想要降低图像的亮度，可以将灰度值减小到较低的级别。
通过调整灰度值，我们可以使图像更加适应特定的应用场景，提高图像的视觉效果。
其次是图像增强。
通过分析图像中各个像素点的灰度值，我们可以根据其亮度分布情况来进行图像增强。
例如，通过将图像中灰度值较低的像素点变亮，而将灰度值较高的像素点变暗，可以增强图像的对比度。
这种增强操作可以使图像中的细节更加清晰，从而提高图像的质量和可视性。
除了亮度调整和图像增强，灰度值还可以用于图像的分析和处理。
在计算机视觉领域，我们常常需要对图像进行特征提取和目标检测。
通过分析图像中像素点的灰度值，我们可以提取出一些与目标相关的特征，比如边缘和纹理等信息。
这些特征可以用于图像的分类、物体识别等任务。
此外，灰度值还可以应用于医学影像领域。
在医学影像学中，灰度值可以反映组织的密度和特性。
医生可以通过分析灰度值来诊断和评估疾病。
例如，在X光片上，骨骼会呈现出不同的灰度值，而异常区域的灰度值通常会有所变化。
通过对灰度值的分析，医生可以判断骨折、肿瘤等疾病的存在与程度。
数字图像灰度变换技术总结
数字图像灰度变换技术总结篇一：图像的灰度变换昆明理工大学（数字图像处理）实验报告实验名称：图像的灰度变换专业：电子信息科学与技术姓名：学号：成绩：[实验目的]1、理解并掌握灰度变换的基本原理和方法。
2、编程实现图像灰度变换。
3、分析不同的灰度变换方法对最终图像效果的影响。
[实验内容]1、灰度的线性变换；2、灰度的非线性变换；3、图像的二值化；4、图像的反色处理；[实验原理]图像的灰度变换(grayscaletransformation,GST)处理是图像增强处理技术中一种非常基础、直接的空间域图像处理方法,也是图像数字化软件和图像显示软件的一个重要组成部分。
灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法。
目的是为了改善画质,使图像的显示效果更加清晰。
灰度变换有时又被称为图像的对比度增强或对比度拉伸。
从图像输入装置得到的图像数据,以浓淡表示,(:数字图像灰度变换技术总结)各个像素与某一灰度值相对应。
设原图像像素的灰度值d=f(x,y),处理后图像像素的灰度值d′=g(x,y),则灰度增强可表示为:g(x,y)=T[f(x,y)]或d′=T(d)要求d和d′都在图像的灰度范围之内。
函数T(d)称为灰度变换函数,它描述了输入灰度值和输出灰度值之间的转换关系。
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据的灰度范围而使图像在视觉上得到良好的改观,没有利用像素点之间的相互空间关系。
因此,灰度变换处理方法也叫做点运算法。
点运算可以按照预定的方式改变一幅图像的灰度直方图。
除了灰度级的改变是根据某种特定的灰度变换函数进行之外,点运算可以看做是“从像素到像素”的复制操作。
根据g(x,y)=T[f(x,y)],可以将灰度变换分为线性变换和非线性变换。
1、灰度的线性变换若g(x,y)=T[f(x,y)]是一个线性或分段线性的单值函数,例如g(x,y)=T[f(x,y)]=af(x,y)+b则由它确定的灰度变换称为灰度线性变换,简称线性变换。
- 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)。
数字图像的灰度处理
数字图像处理的目的和意义：
图象处理着重强调的是在图象之间进行的各种变换，对图象进行各种加工以改善图象的视觉效果。
在图象的灰度处理中，增强操作、直方图及图象间的变换是实现点操作的增强方式，又被称作灰度变换。
本文主要介绍了一些数字图像灰度处理的方法，其中图象取反是实现图象灰度值翻转的最直接的方法；灰度切分可实现强化某一灰度值的目的。
对直方图进行均衡化修正，可使图象的灰度间距增大或灰度均匀分布、增大反差，使图象的细节变得清晰。
数字图像处理是20世纪60年代初期所形成的一门涉及多领域的交叉学科。
所谓数字图像处理，又称为计算机图像处理，就是指用数字计算机及其它有关的数字硬件技术，对图像施加某种应算和处理，从而达到某种预期的目的。
在大多数情况下，计算机采用离散的技术来处理来自连续世界的图像。
实际上图像是连续的，计算机只能处理离散的数字图像，所以要要对连续图像经过采样和量化以获得离散的数字图像。
数字图像处理中图像增强的目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。
其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配。
而通过改变图像的灰度以期达到一种很好的视觉效果是图像增强的一种手段。
灰度变换的目的是为了改善画质，使图像显示效果更加清晰。
图像的点应算是一种既简单又重要的技术，它能让用户改变图像数据占据的灰度范围。
一幅输入图像经过点应算后将产生一幅新的输出图像，由输入像素点的灰度值决定相应的输出像素点的灰度值。
图像的点应算可以有效的改变图像的直方图分布，以提高图像的分辨率和图像的均衡。
点应算可以按照预定的方式改变一幅图像的灰度直方图。
除了灰度级的改变是根据某种特定的灰度变换函数进行之外，点应算可以看作是“从像素到像素”的复制操作。
如果输入图像为A（x,y）,
则点应算可以表示为：B(x,y)=f[A（x,y）] ，其中函数f(D)称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。
一旦灰度变换函数确定，该点应算就完全被确定下来了。
数字图像处理的几种常见方法：
（1）图像求反所谓对图像求反是将原图像灰度值翻转，简单说来就是使黑变白，使白变黑。
假设对灰度级范围是（0，L-1）的图像求反，就是通过变换将（0，L-1）变换到（L-1），变换公式如下：t=L-1-s 这种方法尤其适用于增强嵌入于图像暗色区域的白色或灰色细节。
（2）对数变换在某些情况下，例如，在显示图像的傅里叶谱时，其动态范围远远超过显示设备上的显示能力。
此时仅有图像中最亮部分可在显示设备上显示，而频谱中的低值将看不见，在这种情况下，所显示的图像相对于原图像就存在失真。
要消除这种因动态范围太大而引起的失真，一种有效的方法是对原图像的动态范围进行压缩，最常用的借助对数形式对动态范围进行调整，其数学表达式如下: t=Clog (1+|s| ) 其中C为尺度比例常数。
尺度比例常数C的取值可以结合原图像的动态范围以及显示设备的显示能力来定。
（3）灰度切割灰度切割的目的是增强特定范围的对比度，用来突出图像中特定灰度范围的亮度。
进行灰度切割有许多方法，常用的有两种方法：一种是对感兴趣的灰度级以较大的灰度值来显示，而对另外的灰度级则以较小的灰度级来显示；另一个方法是对感兴趣的灰度级以较大的灰度值进行显示，而其他的灰度级则保持不变。
（4）位图切割对一幅有多个位表示其灰度值的图像来说，其中的每个位可看作一个二值的平面，也称为位面。
设图像中每一个像素由8位表示，也就是说图像有8个位面，一般用位面0表示最低位面，位面7表示最高位面，借助图像的位面表示形式，通过操作图像特定位面来达到对图像的增强效果。
（5）灰度的线性变换灰度的线性变换就是将图像中所有的点的灰度按照线形灰度变换函数进行变换。
该线性灰度变换函数f(x)是一个一维线性函数，描述：f(x)=a*x+b,灰度变换方程为DB=f(DA)=a*DA+b,式中参数a为线性函数的斜率，b为线性函数在y轴的截距,DA表示输入图像的灰度，DB表示输出图像的灰度。
当a>1时输出图像的对比度将增加；当a<1时，输出图像的对比度将减小；
当a=1且b≠0时操作仅使所有像素的灰度值上移或下移，其效果是使整个图像更暗或更亮；如果a<0，暗区域将变亮，亮区域将变暗，点应算完成了图像求补应算。
特殊情况下，当a=1，b=0时，输出图像和输入图像相同；当a=-1，b=225时，输出图像的灰度正好反转。
灰度直方图是数字图像处理中一个最简单、最有用的的工具，它描述了一幅图像的灰度级内容，例如图像的灰度范围、每个灰度级出现的频率、灰度级的分布、整幅图像的平均明暗和对比度等，对图像近一步处理提供了重要依据。
灰度直方图定义为灰度值的函数，描述的是图像中具有该灰度值的像素的个数，其横坐标表示像素的灰度级别，纵坐标是该灰度出现的频率。
大多数自然图像由于其灰度分布集中在较窄的区间，引起图像细节不够清晰，采用直方图修整后可使图像的灰度间距拉开或使灰度分布均匀，从而增大反差，使图像细节清晰，达到增强的目的。
直方图处理方法通常分两种：直方图均衡化：实质是减少图像的灰皆以换取对比度的扩大，它的结果是唯一的，就是根据灰度信息，自动增强整个图像的对比度，也就是说对比度扩大到什么程度是不受控制的，目的是通过点应算使输入图像转换为在每一灰度级上都有相同的像素点数的输出图像，即输出的直方图是平的；直方图规定化：相当于建立了一个灰度级别的固定模式，所有图像进入后，都会以同一种灰度直方图的状态显示出来。
灰度的阈值变换可以让一幅灰度图像转换成黑白二值图，它的操作过程是先由用户指定一个阈值，如果图像中某像素的灰度值小于该阈值，则该图像的灰度值设置为0，否则灰度值设置为225。
灰度阈值变换的变换函数表达式如下：
0 x<T
f(x)=
255 x>T
其中T为指定的阈值。
阈值T就像个门槛，比它大就是白，比它小就是黑。
该变换函数是阶跃函数，只需给出阈值点T即可，经过阈值处理后的图像变成了一幅黑白二值图，阈值处理是灰度图转二值图的一种常用方法。
有时候由于环境光线或采集设备等原因，图像的灰度有时会集中于某一较小区间，，如图像过亮或过暗等，这时就需要对图像的灰度进行拉伸使之覆盖较大的取值区间，从而提高图像的对比度以便于观察。
这种处理就可以利用线性变换
曲线建立灰度映射来完成。
灰度拉伸又叫做对比度拉伸，它是最基本的一种灰度变换，它与线性变换有些类似，不同之处在于灰度拉伸使用的是分段线性变换，所以它最大的优势是变换函数可以由用户任意合成。
它的主要思想是提高图像处理时灰度级的动态范围，适用于低对比度图像的处理，一般由两个基本操作组成：⑴直方图统计，来确定对图像进行灰度拉伸的两个拐点；⑵灰度变换，根据步骤⑴确定的分段线性变换函数进行像素灰度值的映射。
灰度拉伸可以灵活的控制输出灰度直方图的分布，它可以有选择的拉伸某段灰度区间以改善输出图像。
如果一幅图像灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能来拉伸（斜率>1）物体灰度区间来改善图像；同样如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能来压缩（斜率<1）物体灰度区间以改善图像质量。
在计算机图形学与图像处理中，数字图像的灰度是进行图像识别与处理的基础,掌握一定的灰度处理技术，对于我们提升自己的计算机应用能力是有很大帮助的。