内容：
- 点运算
- 图像滤波
- 彩色图像处理
面向某一目标对图像感兴趣的部分进行处理，以改善图像的视觉质量
面向目标，不考虑降质原因（基于人类主观偏好）设计方法
- 图像增强的方法
- 空间运算：基于图像像素点灰度值进行增强处理
- 变换运算：从空间域变换到新的域里进行处理，处理结束后将处理结果再映射回空间域
- 伪色彩增强：把灰度图像映射到彩色空间，常用于遥感图像处理、医学图像处理
-
点运算
点运算的约束条件
1)duiyu 0≤r≤1，有0≤s≤1
2）再0≤r≤1区间内，s=T（r）单值单调增长
斜率大于1，就是增强。斜率小于1，就是削弱。斜率等于1，就是不变。
类对数：暗区增强，亮区削弱
类指数：亮区增强，暗区削弱
对于整体偏暗的图像用类对数变换对他的图像质量是得到改善的，用类指数变换图像质量反而下降；
对于整体偏亮的图像正好相反。
1.直方图
图像直方图表示图像中不同灰度级像素出现的相对频率，是图像灰度分布概率的估值。
n：图像中总的像素点数
nk：图像中灰度为rk的像素点数
P（rk）的总和为1
直方图均衡是由一幅灰度概率分布已知的图像，生成一幅灰度概率分布均匀的新图像。
直方图均衡：
高概率增强、低概率削弱。
灰度级简并现象
均衡后图像直方图近似均匀分布
直方图均衡重复做没有意义
直方图均衡的标准化处理–实现一对多
注释：0.125/0.19=0.658，遇到灰度值为r0的像素点生成一个0~1的随机数如果落在区间1则对应输出为s0否则对应输出为s1。相应的r1生成三个对应区间 -
图像滤波
1）掩膜运算
注释：对应像素点的值用对应的掩膜系数来进行加权求和得到的值为对应的像素点的输出。
掩膜运算的核心就是平移和加权求和
卷积运算的本质是反转，平移，求和
两者关系：
掩膜除了没有反转其他一样，但掩膜是中心对称的反转也没有意义，因此掩膜是卷积的特例
刚才掩膜运算只对中间点进行了处理没有进行边缘处理，边缘处理就要进行边缘延拓
中值滤波
a）中值滤波是非线性滤波
b)滤除噪声的同时可以很好的保护轮廓边缘
c)窗口大小不超过图像中最小物体的有效尺寸为宜
中值滤波对图像质量的影响分四种情况讨论：
Case1：当前像素点是噪音，并且噪声比例比较低，图像质量大概率改善；
Case2：当前像素点是噪音，并且噪音比例比较高，图像质量大概率不会改善；
Case3：当前像素点不是噪音，而且排在中间的值是当前像素点的邻域像素点的值，图像质量可能会下降；
Case4：当前像素点不是噪音，而且排在中间的值是当前像素点的值，图像质量不会下降；
图像锐化：
2）排序统计滤波
- 彩色图像处理
- 颜色模型：RGB、CMYK、HSI、Lab
- 伪彩色增强
1.密度分割法
优点：可以把不同灰度区间分割开来
缺点：图像主观视觉感受质量稍差
2.灰度级彩色变化 - 彩色直方图均衡