数字图像处理学习笔记五

直方图均衡化
具体算法用到再查，理解原理的基础上，知道应用

在直方图均衡这儿，北大版的ppt补充了关于镜头边界检测，我感觉这还是挺有意义的

---

---

---

平滑空间滤波
主要记录平滑空间滤波（均值滤波）的应用
用于模糊处理和降低噪声。模糊处理经常用于预处理任务中，例如在目标提取之前去除图像中的一些琐碎细节，以及桥接直线或者曲线的缝隙。这种处理的结果就是降低了图像灰度的尖锐变化，由于随机噪声由灰度级的急剧变化组成，因此常见的平滑处理应用就是降噪；其中不相关是指与滤波器模板尺寸相比较小的像素区域
中值滤波
将像素邻域内的灰度的中值代替该像素的值。比相同尺寸的平滑滤波器模糊程度较低，对处理脉冲噪声非常有效这种噪声也称为椒盐噪声，主要是去除小的亮区域
锐化空间滤波器分为laplae和梯度算子
突出灰度的过度部分，用空间微分来实现。
微分算子的响应程度与图像在用算子操作的这一点的突变程度成正比，这样，图像微分增强边缘和其他突变(噪声），消弱灰度变化缓慢的区域。
最简单的算法，laplace算子，拉普拉斯算子也会增强图像中的噪声，有时用拉普拉斯算子进行边缘检测时，可将图像先进行平滑处理。* 增强灰度变化较大的，因此一些细小的纹理会被忽略*
阅读下文掌握更多细节
图像处理中的拉普拉斯算子
OpenCV-跟我一起学数字图像处理之拉普拉斯算子讲的比较详细
理解的比较到位，特别上半部分，重点看
对于laplace还有一点不是很明白，就是为什么滤波器系数必须为0

---

非锐化掩蔽方法
1.模糊原图像
2.从原图像减去模糊的图像，产生的差值图像称为模板
3.将模板加到原图像
加的时候有个权重k，k=1称为非锐化掩蔽，k>1称为高提升滤波
这个部分提到负灰度，将导致边缘周围有暗的晕轮。k足够大将产生不好的结果。

---

梯度算子（锐化）
微分为线性算子，其中线性算子如何理解？

三种模板
应用梯度处理经常用于工业检测，不是辅助人工检测产品缺陷，就是更为通用的作为自动检测的预处理。梯度处理还可以用于突出灰度图像中看不见的小斑点，在灰度平坦区域中增强小突变的能力是梯度处理的另一个重要特性