【筆記】灰度變換

一、灰度化
　　這裏討論的是：RGB空間圖像

　　定義於RGB空間的彩色圖，其每一個像素點的色彩由R、G、B三個份量共同決定。每一個份量在內存所佔的位數共同決定了圖像深度，即每一個像素點所佔的字節數。以常見的24深度彩色RGB圖來講，其三個份量各佔1個字節，這樣每一個份量能夠取值爲0~255，這樣一個像素點能夠有1600多萬（255*255*255）的顏色的變化範圍。對這樣一幅彩色圖來講，其對應的灰度圖則是隻有8位的圖像深度（可認爲它是RGB三個份量相等），這也說明了灰度圖圖像處理所需的計算量確實要少。不過須要注意的是，雖然丟失了一些顏色等級，可是從整幅圖像的總體和局部的色彩以及亮度等級分佈特徵來看，灰度圖描述與彩色圖的描述是一致的。
對於RGB圖像進行灰度化，通俗點說就是對圖像的RGB三個份量進行加權平均獲得最終的灰度值。最多見的加權方法以下：

1）Gray=B；Gray=G；Gray=R

2）Gray=max(B+G+R)

3）Gray=(B+G+R)/3

4）Gray= 0.072169B+ 0.715160G+ 0.212671R

5）Gray= 0.11B+ 0.59G+ 0.3R
這三種方法中，第一種爲份量法，即用RGB三個份量的某一個份量做爲該點的灰度值；第二種方法爲最大值法，將彩色圖像中的三份量亮度的最大值做爲灰度圖的灰度值。第三種方法將彩色圖像中的三份量亮度求平均獲得一個灰度圖；後兩種都是屬於加權平均法，其中第四種是OpenCV開放庫所採用的灰度權值，第五種爲從人體生理學角度所提出的一種權值（人眼對綠色的敏感最高，對藍色敏感最低）

　　

二、 灰度直方圖

　　 灰度直方圖是對圖像的灰度信息進行統計的工具，縱軸表明灰度，縱軸表明機率。一般，直方圖操做能夠用於圖像的加強、圖像壓縮、圖像分割當中。

　　Opencv實現：http://blog.csdn.net/morewindows/article/details/8364656

　　此外，灰度變換有三種分類：

　　線性變換：針對原圖灰度級區間較小的狀況，經過線性變化進行拉伸擴展；

　　對數變換：指數變換的做用是擴展圖像的高灰度級、壓縮低灰度級。雖然冪次變換也有這個功能，可是圖像通過指數變換後對比度更高，高灰度級也被擴展到了更寬的範圍。

　　與對數變換相同，冪次變換將部分灰度區域映射到更寬的區域中。當r=1時，冪次變換轉變爲線性變換。

     (1)  當r<0時，變換函數曲線在正比函數上方。此時擴展低灰度級，壓縮高灰度級，使圖像變亮。這一點與對數變換十分類似。

     (2)  當r>0時，變換函數曲線在正比函數下方。此時擴展高灰度級，壓縮低灰度級，使圖像變暗。

　　

三、直方圖均衡化

　　直方圖均衡化是圖像處理領域中利用圖像直方圖對對比度進行調整的方法。對於對比度不強的圖像，經過均衡化操做，可讓圖像灰度值的直方圖均衡分佈，加強圖像的對比度。

　　Opencv實現：http://blog.csdn.net/morewindows/article/details/8364690

四、空間濾波

　　一種採用濾波處理的影像加強方法。其理論基礎是空間卷積。目的是改善影像質量，包括去除高頻噪聲與干擾，及影像邊緣加強、線性加強以及去模糊等。分爲低通濾波（平滑化）、高通濾波（銳化）和帶通濾波。處理方法有計算機處理（數字濾波）和光學信息處理兩種。

　　一般選定一個領域（濾波模板），將領域各像素點與濾波係數相乘之和爲濾波結果。

　　空域濾波技術根據功能主要分爲平滑濾波與銳化濾波。 　　平滑濾波能減弱或消除圖像中的高頻率份量而不影響低頻份量，高頻份量對應圖像中的區域邊緣等灰度值具備較大變化的部分，平滑濾波可將這些份量濾去減小局部灰度起伏，使圖像變得比較平滑。也可用於消除噪聲，或在提取較大目標前去除小的細節或將目標的小間斷鏈接起來。 　　在平滑濾波中，均值（線性）濾波可能帶來輪廓模糊的反作用，而中值濾波（非線性）濾波去噪效果優秀，相較均值濾波其模糊程度更低，尤爲是針對脈衝噪聲的去噪，但有可能帶來圖像性質的改變銳化濾波正好相反，銳化濾波經常使用於加強被模糊的細節或目標的邊緣，強化圖像的細節。