像素级图像融合
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。
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。
浅谈高光谱图像融合方法
浅谈高光谱图像融合方法高光谱图像融合是将不同波长区间的光谱信息融合到一起的过程，通过这种方式可以提高图像的分辨率和信息量，进而帮助我们更好地理解和识别图像中的对象和物质。
高光谱图像融合方法主要分为以下几种。
1. 基于像素级的融合方法像素级的高光谱图像融合方法是最基础的一种方法，它直接对每个像素点的光谱信息进行融合。
常见的像素级融合方法有平均融合、最大值融合、最小值融合等。
平均融合方法将两幅高光谱图像的对应像素点的光谱值求平均，从而得到新的像素值，可以实现基本的光谱信息融合。
而最大值融合则是将两幅高光谱图像中对应像素点的光谱信息取最大值，最小值融合则是取最小值。
这两种方法可以更好地保留像素级别的细节信息，但对于光谱信息的融合效果不如平均融合。
小波变换是一种能够将信号在时间和频率上同时分析的数学工具，该方法可以将高光谱图像表示成频域空间内的小波系数，然后对这些小波系数进行融合。
基于小波变换的高光谱图像融合方法通常分为两个步骤：首先对两幅高光谱图像分别进行小波分解，得到高频和低频系数；然后对这些系数进行加权系数融合，最后将融合后的系数进行小波反变换得到整幅融合图像。
这种方法可以更好地融合不同尺度和频率范围的光谱信息，从而得到更清晰的图像。
基于频域分解的高光谱图像融合方法利用傅里叶变换将图像从空间域转换成频域，然后对不同频率信息的光谱进行融合，最后对融合后的频域信息进行逆傅里叶变换得到整幅融合图像。
其中，常见的算法有Discrete Cosine Transform (DCT)、Principal Component Analysis (PCA)等。
该方法在处理高光谱图像融合时具有一定的优势，因为高光谱数据中的大多数信息都集中在较低的频率范围内，而较高频率的信息通常为噪声或细节信息，因此在频域上融合可以更好地强化高光谱数据中较显著的信息。
综上所述，高光谱图像融合是一种能够提高图像分辨率和信息量的重要技术，不同的融合方法各有优缺点，我们需要根据具体的应用场景选择合适的融合方法。
遥感图像处理中的图像融合方法与精度评价
遥感图像处理中的图像融合方法与精度评价遥感图像处理是一门研究如何获取、处理和应用遥感图像信息的学科。
遥感图像融合是其中的一个重要研究方向，它旨在通过将多个遥感图像融合为一个具有更高空间、光谱分辨率和更丰富信息量的图像，来提高遥感图像的解译和应用能力。
本文将探讨遥感图像融合的方法和精度评价。
一、遥感图像融合方法1. 传统融合方法传统的遥感图像融合方法主要包括像素级融合和特征级融合。
像素级融合是指将不同分辨率的遥感图像通过插值方法将其像素一一对应，然后对对应像素进行加权平均得到融合图像。
常用的插值方法有最邻近插值、双线性插值等。
这种方法简单易实现，但无法利用各个波段之间的相关性。
特征级融合是指通过提取多个图像的不同特征，然后将这些特征融合到同一个图像中。
常见的特征包括边缘信息、纹理信息、频谱信息等。
特征级融合方法可以更好地保留各个图像的特征，但对特征的提取和融合过程较为复杂。
2. 基于变换的融合方法基于变换的融合方法是指通过对多个遥感图像进行变换操作，然后将变换后的图像进行融合。
常见的变换包括小波变换、主成分分析、时频分析等。
小波变换是一种时频分析方法，可以将图像分解为不同频率和方向的小波系数。
通过对小波系数进行加权平均，可以实现遥感图像的融合。
小波变换融合方法能够提取图像的局部特征，能更好地保留图像的细节信息。
主成分分析是一种基于统计的方法，通过分析遥感图像的协方差矩阵，提取出图像的主要成分。
然后将这些主成分按照一定的权重进行线性组合，得到融合图像。
主成分分析融合方法可以更好地提取遥感图像的空间信息，对图像的纹理特征具有较好的保留效果。
以上只是其中的两种常见的基于变换的融合方法，实际上还有很多其他的方法，如独立分量分析、稀疏表示等。
二、图像融合精度评价图像融合精度评价是指对融合图像质量进行定量评估的方法。
常用的融合图像质量评价指标有以下几种：1.谱信息准确度谱信息准确度评价主要针对于融合图像的光谱特征，常用的指标有谱变异性、谱角等。
像素级图像优化融合客观评价指标分析
ｏ ｅｓｌ ｔ ｎｏ ｔ ｃ ．Ｔｈ ｂ ｅｔ ｅｅ ａｕ ｔ ｎ ｉｄｃｓａ ｅａ ａｙ ｅ ．Ｔ ｅｎ ｗ ｍｕｕ ｌ ｎｏ ｍａｉｎ ｉ ｄ ｓ ｎ ｄ ｔ ｖ ｉ ｎ ｔ ｅ ｃｉ ｆ ｈ ｅ ｏ ｍｅｒ ｓ ｉ ｅｏ ｊｃｉ ｖ ｌａｉ ｉ ｒ ｎ ｌ ｄ ｈ ｅ ｔ ａ ｉ ｒ ｔ ｅ ｉ ｅ Ｏａ ｏｄ ｖ ｏ ｎ ｅ ｚ ｆ ｏ Ｓ ｇ
Ａｂ ｔ ａ ｔ Ｔｈ ｖ ｌ ａ ｉｎ ｉ ｄ ｃ ｓ ｏ ｉ ｅ－ｅ ｅ ｍａ ｅ ｆ ｓｏ ｎ ｌ ｄ ｏ ｓ ｏ ｅ ｒ ｓ ｎ ｍａ ｅ ｏ ｔ ｌｆ ｓｏ ｅ ｅ ｄ ｓ ｒ ｃ ｅｅ ａｕ ｔ ｉｅ ｆ ｐ ｘ ｌｌｖ ｌｉ ｇ ｕ ｉ ｎ ｉ ｃｕ ｅ ｌ ｔ ｆｍ ｔｉ ，ａ ｄ ｉ ｇ ｐ ｉ ｕ ｉｎ ｄ ｐ ｎ ｓ ｏ ｎ ｃ ｍａ
中图分类号 Ｔ ３ １ ４ Ｐ ９． １
Ａｎ ｌｓｓｏ ｊｃｉｅＭｅｒｃ ｏ ｉｅ－ ｖ ｌ ｍａ ｅＯｐｉ ｌ ｕ ｉｎ ａｙ ｉ ｆＯｂｅｔ ｔｉｓｆｒＰｘ ｌ ｅ ｅ Ｉ ｇ ｔ ｓｏ ｖ ｌ ｍａ Ｆ
Ｎｉ ｆ ｎ Ｚｈ ｏ Ｂｏ ｉ ｕ Ｙｉｅ ｇ ａ ｘｎ
１ 引 言
像 素级 图像 优 化 融合 是 引 入 多 目标优 化 理 论
图像融合结 果的评价主要分为主观评 价和客
观评 价 ， 主观评 价 主要 依 赖 人 的 理解 能力 ， 应 用 在 中不便 实现 ， 客 观评 价 能 够 克 服 人 的视 觉 特 性 、 而
像素级融合方法
像素级融合方法像素级融合方法是一种图像处理技术，可以将多幅图像进行融合，使得融合后的图像更加清晰、自然。
本文将介绍像素级融合方法的原理和应用。
一、像素级融合方法的原理像素级融合方法是基于像素的图像处理技术，其原理是将多幅图像的像素值进行逐像素的融合，得到融合后的图像。
这种融合方法可以保留每幅图像的细节信息，同时可以消除图像之间的噪声和模糊。
在像素级融合方法中，首先需要对每幅图像进行预处理，包括去噪、增强等操作。
然后，将预处理后的图像进行比较，根据一定的融合规则将像素进行融合。
最后，将融合后的像素值重新映射到0-255的范围内，得到最终的融合图像。
像素级融合方法在许多领域都有广泛的应用，下面将介绍其中几个常见的应用场景。
1. 医学影像融合在医学影像中，不同的扫描设备和模态往往可以提供不同的信息。
利用像素级融合方法可以将这些不同的信息进行融合，得到更全面、准确的医学影像，帮助医生进行诊断和治疗。
2. 遥感图像融合遥感图像通常包含不同的波段，例如可见光、红外线等。
通过像素级融合方法可以将这些不同波段的图像进行融合，得到更丰富、细致的遥感图像，用于土地利用、环境监测等领域。
3. 视频图像融合在视频监控、无人驾驶等应用中，经常需要将多个摄像头的图像进行融合。
利用像素级融合方法可以将多个摄像头的视频图像融合成单个图像，提高图像的清晰度和细节，提供更好的视觉效果和识别能力。
4. 虚拟现实图像融合在虚拟现实技术中，经常需要将真实世界的图像和虚拟场景的图像进行融合，以实现真实感和沉浸感。
通过像素级融合方法可以将真实世界的图像和虚拟场景的图像进行融合，使得虚拟现实的体验更加逼真、真实。
三、像素级融合方法的发展趋势随着计算机视觉和图像处理技术的不断发展，像素级融合方法也在不断创新和改进。
未来的发展趋势主要包括以下几个方面：1. 深度学习的应用深度学习在图像处理领域有着广泛的应用，可以提取图像的高级语义信息。
将深度学习技术与像素级融合方法相结合，可以进一步提高融合图像的质量和效果。
- 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)。
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： 2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。
（二）频率域增强在图像处理过程中，像元的灰度值随着位置变化的频繁程度用频率来表示，属于空间频率。