数字图像处理知
数字图像处理基本知识
数字图像处理基本知识图像处理最早出现于 20 世纪 50 年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于 20 世纪 60 年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
数字图像处理常用方法：1 ）图像变换：由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。
因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。
目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。
2 ）图像编码压缩：图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。
编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
3 ）图像增强和复原：图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。
图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。
如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。
图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。
4 ）图像分割：图像分割是数字图像处理中的关键技术之一。
图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。
虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。
数字图像处理-知识点总结
图像分类：根据图像空间坐标和幅度（亮度或色彩）的连续性可分为模拟（连续）图像和数字图像。
模拟图像是空间坐标和幅度都连续变化的图像，而数字图像是空间坐标和幅度均用离散的数字（一般是整数）表示的图像。
图像的数学表示：一幅图像所包含的信息首先表现为光的强度（intensity）,即一幅图像可看成是空间各个坐标点上的光强度I 的集合，其普遍数学表达式为：I = f (x，y，z，λ，t) 式中(x,y,z)是空间坐标，λ是波长，t是时间，I是光点(x,y,z)的强度（幅度）。
上式表示一幅运动的(t)、彩色/多光谱的(λ)、立体的(x,y,z)图像。
图像的特点：1.空间有界:人的视野有限，一幅图像的大小也有限。
2.幅度（强度）有限：即对于所有的x，y都有0≤f(x,y) ≤Bm其中Bm为有限值。
图像三大类：在每一种情况下，图像的表示可省略掉一维，即1.静止图像：I = f（x，y，z, λ）2.灰度图像：I = f（x，y，z，t ）3.平面图像：I = f（x，y,λ,t）而对于平面上的静止灰度图像，其数学表达式可简化为：I = f（x，y）数字图像处理的基本步骤：1.图像信息的获取：采用图像扫描仪等将图像数字化。
2.图像信息的存储：对获取的数字图像、处理过程中的图像信息以及处理结果存储在计算机等数字系统中。
3.图像信息的处理：即数字图像处理，它是指用数字计算机或数字系统对数字图像进行的各种处理。
4.图像信息的传输：要解决的主要问题是传输信道和数据量的矛盾问题，一方面要改善传输信道，提高传输速率，另外要对传输的图像信息进行压缩编码，以减少描述图像信息的数据量。
5.图像信息的输出和显示：用可视的方法进行输出和显示。
数字图像处理系统五大模块：数字图像处理系统由图像输入、图像存储、图像通信、图像处理和分析五个模块组成。
1.图像输入模块：图像输入也称图像采集或图像数字化，它是利用图像采集设备（如数码照相机、数码摄像机等）来获取数字图像，或通过数字化设备（如图像扫描仪）将要处理的连续图像转换成适于计算机处理的数字图像。
数字图像处理的基础知识
数字图像处理的基础知识数字图像处理是一种以计算机为基础的处理图像的技术。
它的核心是数字信号处理技术，其中包括数字滤波、傅里叶变换、数字图像处理等等。
数字图像处理主要是针对图像进行数字信号处理和计算机算法处理，从而得到使图像更加美观、清晰，同时也可对其进行各种分析和处理。
数字图像处理的基础知识包括图像的获取、表示和处理。
在此，我们将分别阐述这些基础知识。
一、图像的获取图像的获取方式有很多种，包括摄影、扫描、数码相机等等。
这些方式都可以将图像转化为数字信号，以便于计算机的处理。
在数字相机中，传感器采集光线信息并将其转化为电信号，再经过模数转换后保存在内存卡中。
而在扫描仪中，可以通过光线照射样品，然后采集样品的反射信息，保存成数字图像的形式。
二、图像的表示图像可以用矩阵的形式进行表示，其中每个矩阵的元素都对应图像中的一个像素点。
这个像素值可以代表颜色、灰度和亮度等信息。
将图像信息存储成数字矩阵的方式称为栅格画。
在黑白影像中，每个像素点只有黑和白两种颜色，每个像素点都用1或0表示。
在彩色图像中，每个像素中则由红绿蓝三原色按一定比例混合而成的颜色值来表示，并用数值表示。
这些数值也可以是整数或浮点数等形式。
另外，还有图像的压缩技术。
图像压缩通常包括有损压缩和无损压缩。
有损压缩会使压缩的图像失去一些细节，但能帮助减少图像的尺寸。
无损压缩则不会丢失图像的任何信息。
常见的无损压缩格式为PNG、BMP、TIFF等，常见的有损压缩格式为JPEG、GIF等。
三、图像的处理图像的处理包括预处理、增强、分割、检测和识别等等。
其中预处理指图像的去噪、灰度平衡、色彩校正等，以利用后续处理。
增强指通过调整图像的对比度、亮度等等，使图像更加清晰、唯美。
分割技术可以将图像分为多个区域，每个区域有独特的特征。
例如，我们可以用分割技术将人体和背景分开。
检测技术用于在图像中找到我们感兴趣的点，例如在医学图像中检测肿瘤。
识别技术允许计算机对图像中的对象进行分类，例如人脸识别技术和指纹识别技术等等。
数字图像处理技术解析
数字图像处理技术解析第一章：数字图像处理基础知识数字图像处理是一门研究如何处理和操作数字图像的学科。
数字图像是离散的表示了光的强度和颜色分布的连续图像。
数字图像处理技术可以应用于许多领域，如医学影像、机器视觉、遥感图像等。
1.1 数字图像表示与存储数字图像可以使用像素（pixel）来表示，每个像素包含一定数量的位元（bit），用于表示图像的灰度值或颜色信息。
常见的像素表示方法有灰度图像和彩色图像。
在计算机中，数字图像可以以不同的方式进行存储，如位图存储、压缩存储等。
1.2 数字图像处理的基本操作数字图像处理的基本操作包括图像增强、图像恢复、图像压缩和图像分割等。
图像增强可以改善图像的质量，使其更适于人眼观察或用于其他应用。
图像恢复是指通过去除图像中的噪声、模糊等不良因素，使图像恢复到原始清晰状态。
图像压缩可以减少图像的存储空间和传输带宽。
图像分割是将图像分成几个具有独立特征的区域，用于目标检测、目标跟踪等应用。
第二章：数字图像增强技术数字图像增强技术可以提高图像的质量和信息内容，使其更适合进行后续处理或人眼观察。
常用的图像增强方法包括灰度变换、直方图均衡化和空域滤波等。
2.1 灰度变换灰度变换是通过对图像的灰度值进行变换，来改变图像的对比度和亮度。
常见的灰度变换方法包括线性变换、非线性变换和直方图匹配等。
线性变换通过对灰度值进行线性和平移变换，可改变图像的对比度和亮度。
非线性变换使用非线性函数对灰度值进行变换，如对数变换、反转变换等。
直方图匹配是将图像的直方图变换为期望直方图，以达到对比度和亮度的调整。
2.2 直方图均衡化直方图均衡化是一种常用的图像增强方法，可以通过对图像的直方图进行变换，使得图像的灰度分布更加均匀。
直方图均衡化可以增加图像的对比度，使得图像细节更加清晰。
该方法适用于灰度图像和彩色图像。
2.3 空域滤波空域滤波是一种基于像素的图像处理方法，通过对图像的局部像素进行加权平均或非线性操作，来改变图像的特征。
数字图像处理知识点总结
数字图像处理知识点总结第一章导论1.图像：对客观对象的一种相似性的生动性的描述或写真.2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字)。
3.图像处理：对图像进行一系列操作，以到达预期目的的技术。
4.图像处理三个层次:狭义图像处理、图像分析和图像理解。
5.图像处理五个模块：采集、显示、存储、通信、处理和分析。
第二章数字图像处理的基本概念6.模拟图像的表示：f（x，y)＝i（x,y)×r(x，y），照度分量0< i（x,y）< ∞ ，反射分量0 <r（x,y）〈1.7.图像数字化:将一幅画面转化成计算机能处理的形式——数字图像的过程。
它包括采样和量化两个过程。
像素的位置和灰度就是像素的属性。
8.将空间上连续的图像变换成离散点的操作称为采样。
采样间隔和采样孔径的大小是两个很重要的参数。
采样方式：有缝、无缝和重叠。
9.将像素灰度转换成离散的整数值的过程叫量化。
10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。
11.数字图像根据灰度级数的差异可分为:黑白图像、灰度图像和彩色图像。
12.采样间隔对图像质量的影响：一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差,严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
13.量化等级对图像质量的影响：量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大;量化等级越少,图像层次欠丰富，灰度分辨率低，会出现假轮廓现象,图像质量变差，但数据量小.但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。
例如对细节比较丰富的图像数字化.14.数字化器组成：1)采样孔:保证单独观测特定的像素而不受其它部分的影响。
2)图像扫描机构：使采样孔按预先确定的方式在图像上移动。
数字图像处理知识点总结
数字图像处理知识点总结第二章：数字图像处理的基本概念2.3 图像数字化数字化是将一幅画面转化成计算机能处理的数字图像的过程。
包括：采样和量化。
2.3.1、2.3.2采样与量化1.采样：将空间上连续的图像变换成离散点。
（采样间隔、采样孔径）2.量化：采样后的图像被分割成空间上离散的像素，但是灰度是连续的，量化就是将像素灰度转换成离散的整数值。
一幅数字图像中不同灰度值的个数称为灰度级。
二值图像是灰度级只有两级的。
（通常是0和1）存储一幅大小为M×N、灰度级数为G的图像所需的存储空间：（bit）2.3.3像素数、量化参数与数字化所得到的数字图像间的关系1.一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时会出现国际棋盘效应。
采样间隔越小，所的图像像素数越多，空间分辨率高，图像质量好，但是数据量大。
2.量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大。
量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓，质量变差，但数据量小。
2.4 图像灰度直方图2.4.1定义灰度直方图是反映一幅图像中各灰度级像素出现的频率，反映灰度分布情况。
2.4.2性质（1）只能反映灰度分布，丢失像素位置信息（2）一幅图像对应唯一灰度直方图，反之不一定。
（3）一幅图像分成多个区域，多个区域的直方图之和是原图像的直方图。
2.4.3应用（1）判断图像量化是否恰当（2）确定图像二值化的阈值（3）物体部分灰度值比其他部分灰度值大的时候可以统计图像中物体面积。
（4）计算图像信息量（熵）2.5图像处理算法的形式2.5.1基本功能形式（1）单幅->单幅（2）多幅->单幅（3）多幅/单幅->数字或符号2.5.2图像处理的几种具体算法形式（1）局部处理（邻域，如4-邻域，8-邻域）（移动平均平滑法、空间域锐化等）（2）迭代处理反复对图像进行某种运算直到满足给定条件。
（3）跟踪处理选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素。
数字图像处理知识点汇总
数字图像处理知识点汇总1. 什么是数字图像处理？就是利⽤数字计算机或其他⾼速、⼤规模集成数字硬件，对从图像信息转换来的数字电信号进⾏某些数字运算或处理，以期提⾼图像的质量或达到⼈们所要求的某些预期的结果。
2.图像的表⽰⽅法：.不等长码3. 图像数字化的过程包括两个⽅⾯：采样和量化。
i. 图像在空间上的离散化称为采样，即使空间上连续变化的图像离散化。
也就是⽤空间上部分点的灰度值来表⽰图像，这些点称其为样点。
ii. 对样点灰度值的离散化过程称为量化。
也就是对每个样点值数量化，使其只和有限个可能电平数中的⼀个对应，即使图像的灰度值离散化。
量化也可以分为两种：⼀种是将样点灰度值等间隔分档取数，称为均匀量化；另⼀种是不等间隔分档取整，称为⾮均匀量化。
4. 样点的约束条件：由这些样点，采⽤某种⽅法能够正确重建原图像，采样的⽅法有两类：⼀类是直接对表⽰图像的⼆维函数值进⾏采样，即读取各离散点上的信号值，所得结果就是⼀个样点值阵列，所以也成为点阵采样；另⼀类是先将图像函数进⾏某种正交变换，⽤其变换系数作为采样值，故称为正交系数采样。
5. 最佳量化：6. 图像噪声的分类：按噪声的来源外部噪声：从处理系统外来的影响。
内部噪声：（1）由光和电的基本0(0o)1(45o) 2(90o)3(135o)4(180o) 5(225o)6(270o)7(315o)性质引起的噪声。
（2）电器的机械运动产⽣噪声。
（3）元器件材料本⾝引起的噪声。
（4）系统内部电路噪声。
从统计观点：平稳噪声、⾮平稳噪声从噪声幅度分布：⾼斯噪声、瑞利噪声、椒盐噪声……按噪声和信号之间关系：加法性噪声乘法性噪声7. 图像质量评价：（1）客观保真度准则（2）主观保真度准则相对评价：：对⼀批图象从好到坏进⾏排队，按排队关系评分8.三基⾊原理：颜⾊的基本属性：⾊调(hue)：由物体反射光线的波长决定，是颜⾊本质的基本特性。
饱和度(saturation)：由物体反射光中混⼊⽩光的多少决定，指颜⾊的鲜明程度。
考研数字图像处理知识点精讲
考研数字图像处理知识点精讲数字图像处理是一门研究图像算法、理论和方法，用来改进图像质量、提取图像特征以及进行图像分析和识别的学科。
在考研中，数字图像处理是一个重要的考点，掌握相关知识点对于考取理想的成绩至关重要。
本文将从基础概念到常用算法，系统地介绍考研数字图像处理的知识点。
1. 图像表示与预处理1.1 图像的表示数字图像是表示为矩阵的二维离散数据，每个像素有一个灰度值或颜色值与之对应。
常见的图像格式有位图（Bitmap）、灰度图、彩色图等。
不同的表示方法对于图像处理有着不同的影响。
1.2 图像的预处理图像的预处理包括去噪、增强和归一化等步骤。
去噪可以使用滤波器技术，如均值滤波、中值滤波、高斯滤波等；增强可以通过直方图均衡化、灰度变换等方法来提升图像的对比度和细节；归一化则是将图像像素值转换为特定的范围，如0-255或0-1。
2. 空域处理空域处理是对图像的每一个像素进行操作，常用的空域处理操作有平滑、锐化和边缘检测。
2.1 平滑平滑操作有助于去除图像中的噪声，常见的平滑方法有均值滤波、中值滤波和双边滤波。
均值滤波通过计算像素周围领域的平均值来平滑图像；中值滤波则是将像素周围领域的值排序并取中值作为处理结果；双边滤波结合了空间域和灰度域的信息，可以更好地保留图像的边缘细节。
2.2 锐化锐化操作用于增强图像的边缘和细节，常见的锐化方法有拉普拉斯算子和Sobel算子。
拉普拉斯算子根据像素与周围像素的差异来增强图像的边缘；Sobel算子则是通过求取像素梯度来检测图像的边缘。
2.3 边缘检测边缘检测是图像处理中的重要任务，常用的边缘检测算法有Canny算法和Sobel算子。
Canny算法通过计算图像梯度的幅值和方向来检测边缘；Sobel算子则是根据像素梯度来检测边缘。
3. 频域处理频域处理是将图像从空域转换到频域进行处理，常用的频域处理操作有傅里叶变换和滤波器设计。
3.1 傅里叶变换傅里叶变换是将信号（包括图像）从时域转换到频域的工具，通过分析图像的频谱信息可以实现图像的滤波和频域特征提取等操作。
- 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)。
数字图像处理知识点总结数字图像处理知识点总结第一章导论1.图像：对客观对象的一种相似性的生动性的描述或写真。
2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字）。
3.图像处理：对图像进行一系列操作，以到达预期目的的技术。
4.图像处理三个层次：狭义图像处理、图像分析和图像理解。
5.图像处理五个模块：采集、显示、存储、通信、处理和分析。
第二章数字图像处理的基本概念6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0<i(x，y)<∞，反射分量0<r(x，y)<1.7.图像数字化：将一幅画面转化成计算机能处理的形式——数字图像的过程。
它包括采样和量化两个过程。
像素的位置和灰度就是像素的属性。
8.将空间上连续的图像变换成离散点的操作称为采样。
采样间隔和采样孔径的大小是两个很重要的参数。
采样方式:有缝、无缝和重叠。
9.将像素灰度转换成离散的整数值的过程叫量化。
10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。
11.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。
12.采样间隔对图像质量的影响：一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
13.量化等级对图像质量的影响：量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。
但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。
例如对细节比较丰富的图像数字化。
14.数字化器组成：1)采样孔：保证单独观测特定的像素而不受其它部分的影响。
2)图像扫描机构：使采样孔按预先确定的方式在图像上移动。
3)光传感器：通过采样孔测量图像的每一个像素的亮度。
4)量化器：将传感器输出的连续量转化为整数值。
5)输出存储体：将像素灰度值存储起来。
它可以是固态存储器，或磁盘等。
15.灰度直方图反映的是一幅图像中各灰度级像素出现的频率。
以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。
16.直方图的性质：1)灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像素的位置信息。
2)一幅图像对应唯一的灰度直方图，反之不成立。
不同的图像可对应相同的直方图3)一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。
17.直方图的应用：1)用于判断图像量化是否恰当2)用于确定图像二值化的阈值3)计算图像中物体的面积4)计算图像信息量：熵H18.图像处理基本功能的形式：单幅图像→单幅图像，多幅图像→单幅图像，单（或多）幅图像→数字或符号。
19.邻域：对于任一像素（i，j），该像素周围的像素构成的集合{（i+p,j+q），p、q取合适的整数}，叫做该像素的邻域。
20.图像处理的几种具体算法：1)局部处理：移动平均平滑、空间域锐化。
2)点处理：图像对比度增强、图像二值化。
3)大局处理：傅里叶变换。
4)迭代处理：细化。
5)跟踪处理6)位置不变处理和位置可变处理：输出像素JP(i，j)的值的计算方法与像素的位置(i，j)无关的处理称为位置不变处理或位移不变处理7)窗口处理和模板处理。
21.图像的数据结构与特征：1)组合方式：一个字长存放多个像素灰度值的方式。
它能起到节省内存的作用，但导致计算量增加，使处理程序复杂。
2)比特面方式：按比特位存取像素，即将所有像素的相同比特位用一个二维数组表示，形成比特面。
3)分层结构：由原始图像开始依次构成像素数愈来愈少的一幅幅图像，就能使数据表示具有分层性，其代表有锥形(金字塔)结构。
4)树结构：对于一幅二值图像的行、列接连不断地二等分，如果图像被分割部分中的全体像素都变成具有相同的特征时，这一部分则不再分割5)多重图像数据存储：逐波段存储，分波段处理时采用；逐行存储，行扫描记录设备采用；逐像素存储，用于分类。
22.图像的特征：1)自然特征：光谱特征、几何特征、时相特征；2)人工特征：直方图特征，灰度边缘特征，线、角点、纹理特征；3)特征的范围：点特征、局部特征、区域特征、整体特征。
4)特征提取：获取图像特征信息的操作。
把从图像提取的m个特征量y1，y2，…，ym，用m维的向量Y＝[y1y2…ym]t表示称为特征向量。
另外，对应于各特征量的m 维空间叫做特征空间。
23.对比度：一幅图像中灰度反差的大小，对比度=最大亮度/最小亮度第三章图像变换24.图像变换通常是一种二维正交变换。
1)正交变换必须是可逆的；2)正变换和反变换的算法不能太复杂；3)正交变换的特点是在变换域中图像能量集中分布在低频率成分上，边缘、线状信息反映在高频率成分上，有利于图象处理。
25.图像变换的目的在于：1)使图像处理问题简化；2)有利于图像特征提取；3)有助于从概念上增强对图像信息的理解。
第四章图像增强26.图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。
27.空间域增强是直接对图像各像素进行处理；28.频率域增强是先将图像经傅立叶变换后的频谱成分进行某种处理，然后经逆傅立叶变换获得所需的图像。
29.30.灰度变换用来调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。
1)线性变换：对图像每一个像素灰度作线性拉伸，将有效改善图像视觉效果。
2)分段线性变换：为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。
3)非线性灰度变换：对数变换（当希望对图像的低灰度区较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配).指数变换（对图像的高灰度区给予较大的拉伸）31.直方图修整法包括直方图均衡化及直方图规定化两类。
32.直方图均衡化：将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。
33.直方图均衡化变换函数，满足下列条件：1)在0≤r≤1内为单调递增函数，保证灰度级从黑到白的次序不变；2)在0≤r≤1内，有0≤T(r)≤1，确保映射后的像素灰度在允许的范围内。
34.直方图均衡化原理：输出图像的概率密度函数可以通过变换函数T(r)控制原图像灰度级的概率密度函数得到,并改善原图像的灰度层次。
35.一幅图像的sk与rk之间的关系称为该图像的累积灰度直方图。
36.直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。
37.利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。
图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。
38.为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。
39.用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑，又称邻域平均法。
40.超限像素平滑法：将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g´(x,y)。
41.灰度最相近的K个邻点平均法：可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。
42.最大均匀性平滑：为避免消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。
具体可选任一像素（x,y）的5个有重叠的3*3邻域，用梯度衡量它们灰度变化的大小。
43.有选择保边缘平滑法：对图像上任一像素(x,y)的5×5邻域，采用9个掩模：一个3×3正方形、4个五边形和4个六边形。
计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模的灰度均值就是像素（x,y)的输出值。
44.空间低通滤波法：应用模板卷积方法对图像每一像素进行局部处理。
不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。
45.中值滤波：是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。
离散阶跃信号、斜升信号没有受到影响。
离散三角信号的顶部则变平了。
对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。
46.各种空间域平滑算法效果比较：1)局部平滑法算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。
而且邻域越大，在去噪能力增强的同时模糊程度越严重。
2)超限像素平滑法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。
并且随着邻域增大，去噪能力增强，但模糊程度也大。
超限像元平滑法比局部平滑法去椒盐噪声效果更好。
3)灰度最相近的K个邻点平均法：较小的K值使噪声方差下降较小，但保持细节效果较好；而较大的K值平滑噪声较好，但会使图像边缘模糊。
4)最大均匀性平滑经多次迭代可增强平滑效果，在消除图像噪声的同时保持边缘清晰性。
但对复杂形状的边界会过分平滑并使细节消失。
5)有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。
6)中值滤波对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。
但它对点、线等细节较多的图像却不太合适。
中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。
47.图像空间域锐化增强图像的边缘或轮廓。
48.图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。
49.梯度锐化法：梯度为grad(x，y)=Max(|fx′|，|fy′|)或grad（x，y）=|fx’|+|f y′|。
有梯度算子、Roberts、Prewitt和Sobel算子计算梯度，来增强边缘。
placian增强算子：g(x，y)=f(x，y)-▽2f(x，y)=5f(x，y)-[f(x+1，y)+f(x-1，y)+f(x，y+1)+f(x，y-1)]placian 增强算子特点：1)在灰度均匀的区域或斜坡中间▽2f(x，y)为0，增强图像上像元灰度不变；2)在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高灰度侧形成“上冲”52.高通滤波法就是用高通滤波算子和图像卷积来增强边缘。
53.频率域平滑：由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用低通滤波器H(u,v)来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的：54.频率域低滤波器H(u,v)有四种：理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、.梯形低通滤波器。