影象增強

影象增強可以分為兩種：

• 領域處理技術。對畫素點及其周圍的點進行處理，即使用卷積核。
• 點處理技術。只對單個畫素進行處理。

歸一化

cv2.normalize(src, dst, alpha, beta, norm_type, dtype, mask) → dst

src： 原影象物件

dst： 經過轉化後的影象物件

alpha： 歸一化後灰度畫素最小值，一般為0

beta： 歸一化後灰度畫素最大值，一般為255

norm_type： 歸一化的型別，可以取以下值

(1) cv2.NORM_MINMAX： 陣列的數值縮放到一個指定的範圍，線性歸一化，一般較常用
(2) cv2.NORM_INF:歸一化陣列的C-範數(絕對值的最大值)
(3) cv2.NORM_L1 : 歸一化陣列的L1-範數(絕對值的和)
(4) cv2.NORM_L2: 歸一化陣列的(歐幾里德)L2-範數

型別轉換

dst = cv2.convertScaleAbs(src)

將影象資料型別轉化為uint8

點處理技術

線性變換

影象增強線性變換主要對影象的對比度和亮度進行調整，線性變換公式如下：
$y=a\ast x+$

a>1： 增強影象的對比度，影象看起來更加清晰
a<1： 減小了影象的對比度， 影象看起來變模糊
a<0 and b=0：影象的亮區域變暗，暗區域變亮
a=1 and b≠0：影象整體的灰度值上移或者下移，也就是影象整體變亮或者變暗，不會改變影象的對比度，b>0時影象變亮，b<0時影象變暗
a=-1 and b=255：影象翻轉

分段線性變換

公式
$\begin{cases} y = a_1*x+b &amp; x&lt;x_1 \\ y = a_2*x+b &amp; x_1&lt;x&lt;x_2 \\ y = a_1*x+b &amp; x_2&lt;x \end{cases}$
即對處於某個感興趣的區域的x，將其對比度係數a增大或減小，從而增大或減小這個區域的對比度。

對數變換

對數變換將影象的低灰度值部分擴充套件，將其高灰度值部分壓縮，以達到強調影象低灰度部分的目的；同時可以很好的壓縮畫素值變化較大的影象的動態範圍，目的是突出我們需要的細節。

公式
$y =c* log(1+x)$

冪律變換/gamma變換

冪律變換主要用於影象的校正，對漂白的圖片或者是過黑的圖片進行修正，冪律變換的公式如下：
$y = c*x^γ$
根據 γ的大小，主要可分為以下兩種情況：

γ > 1： 處理漂白的圖片，進行灰度級壓縮

γ < 1： 處理過黑的圖片，對比度增強，使得細節看的更加清楚

影象直方圖均衡化

影象直方圖：反應影象強度分佈的總體概念，寬泛的來說直方圖給出了影象對比度、亮度和強度分佈資訊。

觀察不同影象的直方圖：

從上圖中我們注意到： 在暗影象中，直方圖的分佈都集中在灰度級的低(暗)端； 亮影象直方圖的分佈集中在灰度級的高階；低對比度影象具有較窄的直方圖，且都集中在灰度級的中部；而高對比度的影象直方圖的分量覆蓋了很寬的灰度範圍，且畫素分佈也相對均勻，此時圖片的效果也相對很不錯。於是我們可以得出結論：若一幅影象的畫素傾向於佔據整個可能的灰度級並且分佈均勻，則該影象有較高的對比度並且影象展示效果會相對好，於是便引出影象直方圖均衡化，對影象會有很強的增強效果。

計算新的畫素對映過程：

影象濾波

影象濾波包括空間域濾波和頻率域濾波。

而空間域濾波包括：

1.平滑濾波

2.銳化濾波

平滑濾波

平滑濾波包括均值濾波，加權均值濾波，中值濾波，最值濾波，高斯濾波等。

#均值濾波
blur_img = cv2.blur(img, 5)
#中值濾波
blur_img = cv2.medianBlur(img, 5)
#高斯濾波
blur_img = cv2.gaussianBlur(img,5)

銳化濾波

銳化濾波比較常用的是拉普拉斯濾波。

點選檢視原理