第三章 图像增强
医学影像技术中的图像重建与增强
医学影像技术中的图像重建与增强第一章介绍医学影像技术的背景和意义医学影像技术是一门应用于医学领域的重要技术，它通过利用物理学、数学、计算机科学等多学科知识，将人体内部的结构和功能转化为数字图像来协助医生进行诊断和治疗。
医学影像技术的发展已经深刻地改变了医学诊断和治疗的方式，为患者提供了更准确、更安全的医疗服务。
医学影像技术中的图像重建与增强是其中的重要环节，它涉及到对影像数据的处理和优化，能够帮助医生更好地观察、分析和理解患者体内的病变情况。
因此，图像重建与增强对于提高医学影像的质量和准确性具有重要作用。
第二章图像重建技术的原理和方法图像重建是指根据已有的数据在计算机上生成一张或多张与原始图像相似的图像的过程。
在医学影像中，由于种种原因，采集到的图像数据往往存在噪声、伪影和模糊等问题，这就需要利用图像重建技术来提高图像的质量。
图像重建技术的方法主要有滤波方法和模型方法两种。
滤波方法基于对图像频谱的滤波过程，通过选择适当的滤波器来去除噪声和伪影，提高图像的清晰度。
模型方法则是通过数学模型对图像进行描述和重建，常用的方法有最小二乘重建、最大熵重建和最小剪切重建等。
第三章图像增强技术的原理和方法图像增强是指通过对图像的亮度、对比度、色调等特征进行调整，使得图像在视觉上更易于观察和分析的过程。
在医学影像中，图像增强可以提高医生对病变的观察和诊断准确性，有助于早期发现疾病并进行精确的治疗。
常用的图像增强方法包括直方图均衡化、灰度变换、滤波增强和边缘增强等。
直方图均衡化通过调整图像的像素分布来增强其对比度，使图像细节更加清晰。
灰度变换则是对图像的灰度级进行线性或非线性映射，从而改变图像的亮度和对比度。
滤波增强利用滤波器去除噪声和模糊，并增强图像的细节。
边缘增强则是通过增强图像边缘的对比度来突出图像的轮廓和结构。
第四章医学影像技术中的实际应用医学影像技术中的图像重建与增强在实际应用中发挥了重要作用。
例如，在CT扫描中，患者的图像经过重建和增强后，可以清晰地显示出各种组织和器官的细节，医生能够准确地判断病变的位置和程度。
图像处理中的图像去噪与图像增强技术
图像处理中的图像去噪与图像增强技术图像处理是一门广泛应用于多个领域的技术，其中图像去噪与图像增强技术是其中重要的两大方向。
图像去噪是指在图像处理过程中，将图像中的噪声去除，从而提高图像的质量和清晰度；而图像增强则是指通过各种算法和技术手段，改善图像的视觉效果，使得图像更加美观和易于分析。
本文将围绕图像去噪与图像增强技术展开，深入探讨它们的原理、应用与未来发展方向。
第一章：图像去噪技术1.1图像噪声的来源与分类图像噪声是指在采集、传输、存储等过程中由于各种因素引起的图像中的无意义的像素值。
图像噪声的来源主要包括传感器本身的噪声、传输过程中的干扰、存储设备的误差等。
根据噪声的性质，可以将图像噪声分为加性噪声、乘性噪声等不同类型。
1.2常用的图像去噪技术目前，常用的图像去噪技术包括空域滤波、频域滤波、小波去噪、基于深度学习的去噪等。
空域滤波是最早被应用于图像去噪的技术之一，主要包括均值滤波、中值滤波等。
频域滤波则通过利用图像的频谱信息，对图像进行滤波。
小波去噪利用小波变换的多尺度分析特性，可以有效地去除图像中的不同尺度的噪声。
基于深度学习的去噪技术则是近年来兴起的一种新技术，通过训练深度神经网络，可以实现高效的图像去噪效果。
1.3图像去噪技术的应用图像去噪技术在各个领域都有着广泛的应用。
在医学影像领域，图像去噪技术可以帮助医生更准确地诊断疾病；在无人驾驶领域，图像去噪技术可以提高驾驶辅助系统的精度和可靠性；在工业检测领域，图像去噪技术可以帮助工程师更准确地检测产品的质量等。
1.4图像去噪技术的挑战与发展方向尽管图像去噪技术取得了显著的进展，但是在实际应用中仍然存在一些挑战。
例如，对于复杂场景中的图像，传统的图像去噪技术往往效果不佳；另外，图像去噪技术的算法复杂度较高，需要大量的计算资源。
未来，如何进一步提高图像去噪技术的鲁棒性和实时性将成为重点研究方向。
第二章：图像增强技术2.1图像增强技术的分类图像增强技术根据不同的目的，可以分为对比度增强、边缘增强、细节增强等不同类型。
数字图像处理 -习题2增强-噪声-几何变换-频域变换
第三章图像增强一.填空题1. 我们将照相机拍摄到的某个瞬间场景中的亮度变化范围，即一幅图像中所描述的从最暗到最亮的变化范围称为____动态范围__。
2.所谓动态范围调整，就是利用动态范围对人类视觉的影响的特性，将动态范围进行__压缩____，将所关心部分的灰度级的变化范围扩大，由此达到改善画面效果的目的。
3. 动态范围调整分为线性动态范围调整和__非线性调整___两种。
4. 直方图均衡化把原始图的直方图变换为分布均匀的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。
基本思想是：对图像中像素个数多的灰度值进行__展宽_____，而对像素个数少的灰度值进行归并，从而达到清晰图像的目的。
5. 数字图像处理包含很多方面的研究内容。
其中，__图像增强_的目的是将一幅图像中有用的信息进行增强，同时将无用的信息进行抑制，提高图像的可观察性。
6. 灰级窗，是只将灰度值落在一定范围内的目标进行__对比度增强___，就好像开窗观察只落在视野内的目标内容一样。
二.选择题1. 下面说法正确的是：（B ）A、基于像素的图像增强方法是一种线性灰度变换；B、基于像素的图像增强方法是基于空间域的图像增强方法的一种；C、基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换，所以总比基于图像域的方法计算复杂较高；D、基于频域的图像增强方法比基于空域的图像增强方法的增强效果好。
2. 指出下面正确的说法：（D ）A、基于像素的图像增强方法是一种非线性灰度变换。
B、基于像素的图像增强方法是基于频域的图像增强方法的一种。
C、基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换，所以总比基于图像域的方法计算复杂较高。
D、基于频域的图像增强方法可以获得和基于空域的图像增强方法同样的图像增强效果。
3.指出下面正确的说法：（D ）①基于像素的图像增强方法是一种非线性灰度变换。
②基于像素的图像增强方法是基于空域的图像增强方法的一种。
多模态图像质量评价与图像增强的机器学习方法
多模态图像质量评价与图像增强的机器学习方法第一章：引言1.1 研究背景多模态图像质量评价与图像增强是计算机视觉领域的重要研究方向。
在现实生活中，我们经常会遇到多种类型的图像，如彩色图像、红外图像、X光图像等。
这些不同类型的图像在质量上可能存在差异，而且常常受到噪声、模糊等因素的影响。
因此，如何准确评价多模态图像的质量，并对其进行有效增强成为了一个具有挑战性和实用性的问题。
1.2 研究意义准确评价多模态图像质量是许多计算机视觉任务中的关键问题，如人脸识别、医学影像分析等。
而且，在实际应用中，我们经常需要对低质量或受损的图片进行增强处理以提高其可视化效果和识别准确率。
因此，研究多模态图像质量评价与增强方法具有重要意义。
第二章：相关工作2.1 图像质量评价方法目前，关于单一类型（如彩色图像）的图像质量评价方法已经有了很多研究成果，如结构相似性指数（SSIM）、峰值信噪比（PSNR）等。
然而，这些方法往往无法适用于多模态图像的质量评价。
因此，研究多模态图像质量评价方法成为了一个热门的研究方向。
2.2 图像增强方法图像增强是指通过一系列算法和技术来改善或提高图像的视觉效果。
常用的增强方法包括直方图均衡化、滤波、锐化等。
然而，这些传统的增强方法对于多模态图像来说效果有限。
因此，利用机器学习技术来进行多模态图像增强成为了一种新的研究方向。
第三章：多模态图像质量评价方法3.1 特征提取在进行多模态图像质量评价时，首先需要对不同类型的特征进行提取。
常见的特征包括颜色特征、纹理特征、结构特征等。
3.2 特征融合在得到不同类型特征之后，需要将其融合为一个综合性指标来评价多模态图像的质量。
常用的融合方法包括加权融合、特征级融合、决策级融合等。
3.3 机器学习方法为了建立多模态图像质量评价模型，常常使用机器学习方法。
常用的机器学习方法包括支持向量机（SVM）、深度学习等。
这些方法可以通过训练样本来建立模型，并通过对测试样本的预测来评价图像质量。
人工智能算法在图像处理中的应用
人工智能算法在图像处理中的应用第一章：引言人工智能算法在图像处理中的应用是当今科技发展的热点之一。
随着计算机科学的快速发展，人工智能算法在图像处理领域的应用变得越来越广泛。
本文将从图像识别、图像增强和图像生成三个方面探讨人工智能算法在图像处理中的具体应用。
第二章：图像识别图像识别是人工智能算法在图像处理中的重要应用之一。
以深度学习为代表的人工智能算法，通过构建复杂的神经网络模型，能够实现高精度的图像识别。
在图像识别领域，人工智能算法能够识别出图像中的物体、人脸、文字等，从而实现自动化的图像分析和标记。
此外，人工智能算法还能够通过对图像特征的提取和学习，实现图像内容的语义理解和分类，为图像搜索和图像检索提供良好的支持。
第三章：图像增强图像增强是人工智能算法在图像处理中的另一个重要应用。
人工智能算法能够通过图像修复、图像去噪、图像超分辨率等技术，提高图像的质量和清晰度。
以生成对抗网络（GAN）为代表的人工智能算法，通过训练生成器网络和判别器网络的对抗过程，能够生成更加真实和清晰的图像。
此外，人工智能算法还能够通过图像色彩校正、图像对比度增强等技术，改善图像的视觉效果，提高图像的观赏性和可辨识度。
第四章：图像生成图像生成是人工智能算法在图像处理中的另一个重要应用。
人工智能算法能够通过学习大量的图像数据，生成新的图像内容。
以生成对抗网络（GAN）为代表的人工智能算法，通过生成器网络生成具有艺术性和创造性的图像。
此外，人工智能算法还能够通过图像风格迁移、图像合成等技术，将不同风格的图像进行融合和转换，创造出独特的图像效果。
第五章：应用案例本章将介绍几个实际应用人工智能算法的案例，展示其在图像处理中的功能和潜力。
首先，人脸识别技术在安防领域得到了广泛应用，能够实时监测和识别出人群中的可疑人物。
其次，自动驾驶技术中的图像处理算法，能够识别道路和交通标志，实现智能导航和自主驾驶。
再次，虚拟现实和增强现实技术中的图像生成算法，能够生成逼真的虚拟场景和增强现实效果，提升用户的沉浸感和体验度。
图像处理-第三章
1 1 1 8 7 2 255 2 3 3 3 3 255 4 3 3 3 3 255 4 3 3 4 5 255 2 3 4 6 7
4 3 3 6 8 8
6.某位同学编了个程序，直接用对数变换：s=log2(1+r)，对256灰度级 的数字图像进行增强，发现结果图像显示出来基本是全黑的，请问 他可能忽略了什么问题?如何解决? 7.己知一幅图像如下，试写出分别用3×3的均值滤波器和中值滤波器 处理的结果(可以不考虑位于图像边界的像素)。
4.一幅大小为64*64的图像，灰度级为8，图像中各灰度级像素数目和 概率分布如下，请用直方图均衡化对该图像进行增强，并画出处理前 后的直方图。
0
1
2 530
3 370
4 280
5 206
6 150
7 80
1450 1030
5.有一幅图像由于声，并将处理后的图像画出来。
4 4 4 4 4 4
4 17 17 17 17 4
4 17 30 30 17 4
4 17 30 30 17 4
4 17 17 17 17 4
4 4 4 4 4 4
8.对同样的场景采集了4幅图像，下面显示了这4幅图 像的直方图，你能否根据直方图说出这4幅图像各 有什么特点?哪幅图像的效果最好?
9.图像的减法常可用在图像处理中，但在差值图像中会有负值出现，要 显示这种图像需要某种标度，请指出两种标度方法。 10.请给出两种3×3的可用于平滑线性滤波掩模。 11.拉普拉斯算子在图像增强中有很重要的应用。(1)请给出对于二元图 像函数f(x，y)的拉普拉斯变换的定义。(2)请给出两个考虑了对角线 方向的拉普拉斯掩模。(3)请写出使用拉普拉斯算子对图像增强的基 本方法。
图像预处理技术
上述线性变换对图像中每一个像素灰度作线性拉伸，可使图像中相邻像
素灰度的差值增加，进而有效改善图像视觉效果。
3.1 图像的灰度变换
3.1.1线性变换
在 Matlab 环境中，采用函数 imadjust( )对图像进行灰度值
线性变换，常用语法有：
素”的赋值操作。
g( x , y )
d
g ( x, y)
d c
f x , y a c
ba
c
a
b
灰度变换曲线
f ( x , y)
3.1 图像的灰度变换
3.1.1线性变换
将灰度值小于a 的像素的灰度值全部映射为c ，将灰度值大于b的像素的
灰度值全部映射为d。
在曝光不足或过度的情况下，图像的灰度可能会局限在一个很小的范围
3.2 图像的几何变换
3.2.4插值
2） 双线性插值
在该方法中输出像素的值是它在输入图像中 2×2 的邻域采
样点的加权平均值，它根据某像素周围 4 个像素的灰度值在水
平和垂直两个方向上对其插值。
对于一个目的像素，设置坐标通过反向变换得到的浮点坐
标为 ( + , + )，其中 、均为非负整数，、为 区间的
直方图均衡化的基本思想是把原始图像的直方图变换为均匀分布的形式，这
样就增加了像素灰度值的动态范围，从而可达到增强图像整体对比度的效果。
3.1 图像的灰度变换
3.1.4直方图均衡化
I=imread('mengwa.jpg'); %载入原始图像
I1=rgb2gray(I);
figure,imshow(I1);
第三章图像增强(邻域运算)
• 平滑空间滤波器 • 锐化空间滤波器
去除噪声，平滑不需要的细节 增强细节
图像噪声
噪声： 妨碍人们感觉器官对所接收的信源信息理解的因素。不可 预测，只能用概率统计方法来认识的随机误差。
描述：可以借用随机过程及其概率分布函数和概率密度函数，通常： 数字特征，即均值方差、相关函数等。
图像噪声
一些重要的噪声：
0 -1 0 -1 5 -1 0 -1 0
(a) 在灰度均匀的区域或斜坡中间▽2 f(x， y)为0，增强图像上像元灰度不变；
(b) 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” 。
拉普拉斯增强算子
梯度算子
(x, y) arctan(Gy Gx )
梯度的方向：在函数f(x, y)最 大变化率的方向上。
f (x+1,y-1) f (x+1,y) f (x+1,y+1)
邻域
z1 z2 z3 z4 z5 z6 z7 z8 z9
邻域
w1 w2 w3 w4 w5 w6 w7 w8 w9
mask
空间域滤波
基于空间域滤波的图像增强 过程，就是选取合适的模板， 将模板与输入图像进行卷积 的过程。
w1 w2 w3 w4 w5 w6 w7 w8 w9 模板（空间滤波器）
原点o y
f
卷积
模板（mask）
x
输入图像
一维信号卷积
邻域运算（模板运算）
原点o
f (x-1,y-1) f (x-1,y) f (x-1,y+1)
y
f (x,y-1) f (x,y) f (x,y+1)
f (x+1,y-1) f (x+1,y) f (x+1,y+1)
- 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)。
（a）图像；（b）图像的傅立叶谱；（c）图(b)的对数变换效果；（d）对数变换关系(λ=1)
原图
对数变换后结果图
3.3直方图修正
在对图像进行处理之前, 了解图像整体或局部的灰度分布 情况非常必要。 对图像的灰度分布进行分析的重要手段就是 灰度直方图( Density Histogram) 利用图像灰度直方图, 可以直观地看出图像中的像素亮度 分布情况; 通过直方图均衡化、归一化等处理,可以对图像的质量进行 调整。
条件1保证了灰度级从黑到白的次序；
条件2保证变换后像素仍然在原来的动态范围
三、直方图均衡化 histogram equalization
直方图均衡化的计算过程如下：
[例3-1] 设有一幅大小为64*64像素，包含 8个 灰度级的数字图像，其各灰度级的像素个数 见表 4-1所示，要求对其进行直方图均衡化， 求出灰度变换关系和变换后的直方图。 表3-1 图像各灰度级的像素个数（n=4096)
图像灰度级j
0
1
2
3
4
5
6
7
规定直方图
0
0
0
0
0.2
0.3
0.3
0.2
下图给出了直方图规定化的示意图。
步 骤 1 2 3 4 5 6 7 8
计算方法 0 0.19 0 0.19 0 4 04 0 1 0.25 0 0.44 0 5 1-->5 0 2 0.21 0 0.64 0 6 2,36 0
直方图具有3 个重要性质： 1. 直方图的位置缺失性 直方图是一幅图像中各像素灰度值出现的频数 的统计结果, 它只反映该图像中不同灰度值出现 的次数, 而未反映某一灰度值像素所在的位置。 也就是说, 它只包含了该图像中某一灰度值的像 素出现的概率, 而丢失了其所在位置的信息。 2. 直方图与图像的一对多特性 任一幅图像, 都能唯一地确定出一幅与它对应的 直方图, 但不同的图像, 可能有相同的直方图。 3. 直方图的可叠加性 如果一幅图像由两个不连续的区域组成, 并且每 个区域的直方图已知, 则整幅图像的直方图是这 两个区域的直方图之和。显然, 该结论可以推广 到任何数目的不连续区域的情形。
均 衡 化 前
均 衡 化 后
直方图均衡化的示例
均 衡 化 前
均 衡 化 后
四、直方图规定化 Histogram Matching（Specification）
直方图均衡化的弱点 1.变换函数为累积分布函数->只能产生近似均 匀的直方图 2.在不同的情况下, 并不总是需要均匀的直方 图图像, 有时需要图像的直方图具有特定的 形状, 以便能够对图像中的某些灰度级加以 增强。
直方图规定化
采用某种变换，使得经变换后图像直方图的分布情况与规定 的形状相同或相近。 特点 可以有选择地增强某个灰度范围内的对比度,是另一种常用的 直方图修正方法。
（a）原直方图；（b）正态扩展直方图；（c）均匀化直方图；（d）暗区扩展 直方图；（e）亮区扩展直方图。
[例3-2] 对例4-1所给的图像进行直方图规定化处理。给定 的规定直方图如表4-3所示。 表3-2 规定直方图
直方图的用途
(1)数字化参数：直方图可以作为判断一幅图像是否合 理地利用了全部被允许的灰度级范围的指标。一般情 况下, 一幅图像应该利用全部或或几乎全部可能的灰 度级。如果在数字化过程中, 图像的灰度超出处理范 围,则超出范围的灰度级将会被置为0 或255 , 由此将在 直方图的一端或两端产生尖峰，最好的办法是在数字 化时对直方图进行检查。 (2 ) 边界的阈值选取：轮廓线可以确立图像中的简单 物体的边界, 将使用轮廓线作为边界的技术称为阈值 化。如果一幅图像前景是浅色的, 而背景是深色的, 如 图 ( a ) 所示, 则这类图像的灰度直方图大致如图( b )所 示。 该直方图具有两个峰值, 浅色前景产生直方图的左 峰, 深色背景产生直方图的右峰。物体边界附近具有 的灰度级介于两个峰值之间, 而且数目较少, 反映在直 方图中就是两个峰值之间谷底, 选择谷底T 使小于T 的 灰度值置为0 , 大于T 的灰度值置为1 , 则可得到二值图 像。也可以使小于T 的灰度值置为0 , 大于T 的灰度值 不变, 得到物体除去背景的图像, 如图4 .11 所示的二值 化图像。
对于各种γ值时的曲线
取不同γ值的指数变换结果对比
（a）原图像；
（b）γ=0.7时的变换结果；
（c）γ=1.7时的变换结果。
a）人体脊 椎骨MR图 像
（b）~（d） 应用于幂次 变换并且 c=1，γ分别 为0.6,0.4,0.3 时的变换结 果。
2. 对数变换 Log Transformation
灰度级 （i） 0 1 2 3 4 5 6 7
786
1020
852
650
333
245
130
80
步 骤
1 2 3 4
计算方法或公式
列出图像灰度级（i或j) 0 786 0.19 0.19 1 1020 0.25 0.44 2 852 0.21 0.65
计算结果
3 650 0.16 0.81 4 333 0.08 0.89 5 245 0.06 0.95 6 130 0.03 0.98 7 80 0.02 1.00
二、直方图修正
直方图修正是图像灰度级变换最 常用的一种方法。 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, 采用直方图修正后可使 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。 例如一幅过曝光的图片, 其灰度级 都集中在高亮度范围内, 而曝光不 足的图片, 其灰度级集中在低亮度 范围内。 具有这样直方图的图片其可视效 果比较差。
3.2 灰度变换法
一般成像系统，只具有一定的亮度响应范围 对比度：将图像亮度（对单色图像来说，灰度）的最大值 与最小值之比称为对比度。 由于成像系统的限制, 常出现对比度不足的弊病, 使人眼观 看图像时视觉效果很差。 灰度变换的效果：灰度变换可使图像的动态范围增大, 图像 对比度扩展, 图像变清晰、 特征明显, 灰度变换是图像增强的 重要手段之一。 常用的灰度变换方法包括： 图像对比度增强和直方图修正等方法
如果图(a)和(b)变换成图(c)和(d) , 那么其所对应的图像就会变得 清楚。
也可以将直方图修正成实际应 用所需要的指定形状, 以满足人 们的需要。 只要给定转换函数, 直方图修正 可由计算机方便
直方图修正的应用
应用非常广泛。 例如 医学方面为了改善X 射线操作人员的工 作条件, 可以应用低强度X 射线曝光, 但这样 获得的X 光片灰度级集中在暗区, 许多图像细 节无法看清。通过修正，使灰度级分布在人 眼合适的亮度区域, 就可以使X 片中的细节清 晰可见。
直方图修正的方法
图像灰度变换函数应满足的条件：
为使这种灰度变换具有实际意义， ������(������)应满足以下两个条件： 1. 在0≤������≤1区间， s=������(������)为单调递增函数。 2. 在0≤������≤1区间， 有0≤������=������(������)≤1。 同理：逆变换 r=������^(−1) [������]应也满足单调增。
直方图均衡化的示意图 （a）原始直方图P(i)；（b）累积直方图Pj ；（c）均衡化后的直方图P(j)。
从图中可以看出均衡化后的直方图（b)比原直方图图( a ) 均匀了；但它并不是完全均匀的, 这是由于在均衡化的过 程中, 原直方图上有几个像素较少的灰度级归并到了一个 新的灰度级上, 而像素较多的灰度级间隔被拉大了。也就 是说, 直方图均衡化提高了图像的对比度, 但是它是以减少 图像的灰度等级为代价的。 为把这种不良结果降低到最低限度, 同时又可提高图像的 对比度, 可以采用局部直方图均衡化的方法, 简称为LAHE ( Local Adaptive Histogram Equalization) 。 如果希望得到一个直方图完全平均而且灰度等级又不减少 的均衡化处理, 则必须用一些拟合技术。
第三章 图像增强
图像对比度增强 图像直方图修正 图像平滑 图像锐化
3.1 引言
图像增强是图像处理的基本内容之一
一、什么是图象增强？
Image enhancement
图像增强是对图像进行加工，以得到对具体应用来说 视觉效果更 “好”，或更“有用”的图像的技术。
二、为什么要增强图象？
图像在传输或者处理过程中会引入噪声或使图像变模糊，从而降低了 图像质量，甚至淹没了特征，给分析带来了困难。
基于空间域的图像增强，按照所采用的技术不同,可分为 灰度变换： 灰度变换是一种基于点操作的增强方法。将每一像素的 灰度值按照一定的数学变换公式转换为一个新的灰度值,。 如增强处理中常用的对比度增强、直方图均衡化等方法。 空间滤波： 空域滤波是一种基于邻域处理的增强方法,。它应用某一 模板，对每个像素点与其周围邻域的所有像素进行某种数 学运算，从而得到该像素点新的灰度值(即输出值) 。 该输 出值的大小，不仅与该像素点的灰度值有关，而且还与其 邻域内像素点的灰度值有关。 常用的图像平滑与锐化技术就属于空域滤波的范畴。
增强方法 直接在图像所在的二维空间进行 处理, 即直接对每一像素的灰度值 进行处理。
基于频率域（frequency
domain）的
的增强方法。 首先将图像从空间域按照某种变 换模型(如傅里叶变换)变换到频率 域, 然后在频率域空间对图像进行 处理, 再将其反变换到空间域。
domain）
基于空间域的图像增强
5 6 确定灰度变换关系：i j
1 0 1