影象處理的部分先做一個大概的記錄，後續深入學習後展開。內容圍繞影象的分割和增強展開。
只是相關技術的某些應用，也可能不盡準確，為了記錄和學習。

第一部分：概念和應用領域

第二部分：相關的程式碼實現

----------------------------針對畫素本身的操作，非空間域--------------------

部分內容引用部落格：https://www.cnblogs.com/wangguchangqing/p/6983680.html

人頭檢測論文：http://www.docin.com/p-1009851217-f4.html
灰度化過程其實就是使RGB各分量值相等的一個過程。
RGB的比例是3:6:1。

一、灰度直方圖：灰度直方圖是關於灰度級分佈的函式，是對影象中灰度級分佈的統計。
用途：
1、數字化參量 ：判斷一幅影象是不是合理的利用了全部被允許的灰度級範圍，一幅影象應該利用幾乎全部的灰度級。
2、邊界閾值選取： 在二峰性的灰度直方圖中，利用2值處理，找到二峰的低谷，對應輪廓的邊界，這樣在人臉識別上可以大概找到人臉的輪廓邊界。

針對大影象的處理。可以進行區域分割，多核平行計算的方式進行運算，提高處理效率。

二、影象的灰度變換：灰度變換是指根據某種目標條件按一定變換關係逐點改變源影象中每一個畫素灰度值的方法。目的是為了改善畫質，使影象的顯示效果更加清晰。
灰度變換也被稱為影象的點運算（只針對影象的某一畫素點）是所有影象處理技術中最簡單的技術，其變換形式如下：
s=T(r）

其中，T是灰度變換函式；r是變換前的灰度；s是變換後的畫素。
影象灰度變換的有以下作用：
1、 改善影象的質量，使影象能夠顯示更多的細節，提高影象的對比度（對比度拉伸）
2、 有選擇的突出影象感興趣的特徵或者抑制影象中不需要的特徵
3、可以有效的改變影象的直方圖分佈，使畫素的分佈更為均勻
常見的灰度變換
灰度變換函式描述了輸入灰度值和輸出灰度值之間變換關係，一旦灰度變換函式確定下來了，那麼其輸出的灰度值也就確定了。可見灰度變換函式的性質就決定了灰度變換所能達到的效果。用於影象灰度變換的函式主要有以下三種：
1、線性函式 （影象反轉）
2、對數函式:對數和反對數變換
3、冪律函式：n次冪和n次開方變換

線性變換
令r為變換前的灰度，s為變換後的灰度，則線性變換的函式：
s=a⋅r+b

其中，a為直線的斜率，b為在y軸的截距。選擇不同的a，b值會有不同的效果：

a>1a>1，增加影象的對比度
a<1a<1，減小影象的對比度
a=1且b≠0a=1且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。
a<0且b=0a<0且b=0，影象的亮區域變暗，暗區域變亮
a=1且b=0a=1且b=0，恆定變換，不變
a=−1且b=255a=−1且b=255，影象反轉。

對數變換
對數變換的通用公式是：
s=clog(1+r)

其中，c是一個常數，，假設r≥0r≥0,根據上圖中的對數函式的曲線可以看出：對數變換，將源影象中範圍較窄的低灰度值對映到範圍較寬的灰度區間，同時將範圍較寬的高灰度值區間對映為較窄的灰度區間，從而擴充套件了暗畫素的值，壓縮了高灰度的值，能夠對影象中低灰度細節進行增強。；從函式曲線也可以看出，反對數函式的曲線和對數的曲線是對稱的，在應用到影象變換其結果是相反的，反對數變換的作用是壓縮灰度值較低的區間，擴充套件高灰度值的區間

冪律變換（伽馬變換）
伽馬變換的公式為：

其中c和γ為正常數。
伽馬變換的效果與對數變換有點類似，當γ>1時將較窄範圍的低灰度值對映為較寬範圍的灰度值，同時將較寬範圍的高灰度值對映為較窄範圍的灰度值；當γ<1時，情況相反，與反對數變換類似。

伽馬校正的原理https://www.cnblogs.com/qiqibaby/p/5325193.html
伽馬校正的學習https://blog.csdn.net/w450468524/article/details/51649651
總結
本文主要對影象的幾種常見的灰度變換進行了總結。

影象反轉，是影象線性變換的一種，可以得到影象負片，能夠有效的增強影象的暗色區域中的白色或者灰色細節
對數變換，擴充套件影象中的低灰度區域，壓縮影象中的高灰度區域，能夠增強影象中的暗色區域的細節；反對數變換與此相反。對數變換還有個重要作用是，能夠壓縮影象灰度值的動態範圍，在傅立葉變換中能夠顯示更多的變換後的頻譜細節。
伽馬變換，主要用於影象的校正，根據引數γ的選擇不同，能夠修正影象中灰度過高（γ>1）或者灰度過低（γ<1）

文中的Y是伽馬。

三、**對比度展寬：**目的是把影象中感興趣的區域展寬。

線性對比度展寬------灰級窗

灰級窗切片：指紋識別，做二值影象
灰度級的修正：卷積 ----做影象去霧，影象增強

**動態範圍：**是指影象中所記錄的場景中從暗到亮的變化範圍。

線性動態範圍調整：作用是進行亮暗限幅。
非線性動態範圍調整：作用是將暗的部分擴充套件，而將亮的部分抑制。

直方圖均衡化
直方圖均衡化方法的基本思想是，對在影象中畫素個數多的灰度級進行展寬，而對畫素個數少的灰度級進行縮減。從而達到清晰影象的目的。
因為灰度分佈可在直方圖中描述，所以該影象增強方法是基於影象的灰度直方圖。

灰度圖------偽色彩------目標跟蹤

--------------------------------------影象的空間閾增強-------------------------------------------

後面內容引用網路文件，學習交流。