圖像增強：對原圖像進行變換或附加信息，有選擇地突出感興趣的特征或抑制不需要的特征，使圖像與視覺響應特性相匹配，加強圖像判讀和識別效果

• 空間域圖像增強：對圖像灰度值進行處理改善圖像視覺效果

• 變換域圖像增強：在變換域內修改圖像的變換系數再反變換到空間域

傅里葉變換

小波變換

顏色空間變換

主成分變換

• 偽彩色處理
• 圖像融合

灰度變換圖像增強

根據目標條件按照一定變換關系，逐像元改變像元灰度值

，如線性變換、分段線性變換和非線性變換

• 線性變換：灰度值的對應關系符合線性關系式y=kx

• 分段線性變換：對圖像不同灰度值范圍進行不同的線性變換

• 反比變換：將圖像中像元灰度值取反，

• 冪次變換： ，a>1拉伸高值區域，壓縮低值區域

• 對數變換： 壓縮高值區域，拉伸低值區域

• 反對數變換： 拉伸高值區域，壓縮低值區域

直方圖調整圖像增強

• 直方圖匹配：以參考圖像的直方圖為標準作變換，使兩幅圖像的直方圖相同或近似

• 直方圖均衡化：對圖像非線性拉伸重新分配像素值，使一定灰度范圍內的像素數量大致相同

反銳化掩膜圖像增強

先對原圖像作平滑濾波，將原圖像減去平滑濾波結果得到圖像邊緣信息，將加權邊緣信息與原圖像相加

微分運算圖像增強

• 一元函數f(t)一階微分算子

• 二元函數f(x，y)一階微分算子

• 水平方向微分算子

• 垂直方向微分算子

• 對角線方向微分算子

• Roberts交叉微分算子

• Sobel微分算子

• Prewitt微分算子

• 二階微分算子：Laplacian算子

• Wallis微分算子：結合Laplacian算子和對數運算構造出來的一個銳化算子

灰度形態學梯度運算圖像增強

變換域圖像增強

傅里葉變換圖像增強

小波變換圖像增強

顏色空間變換圖像增強

主成分變換圖像增強

傅里葉變換圖像增強

對原圖像進行FFT正變換，在頻率域對高頻部分進行增強再反變換到空間域，或者僅提取高頻部分信息反變換后疊加到原圖像

高頻增強：在頻率域中對高頻成分進行增強處理

高通濾波：頻率域提取高頻信息，疊加到原圖像以實現增強

• 理想高通濾波器（IdealHigh-passFilter，IHPF）

• 巴特沃斯高通濾波器（ButterworthHigh-passFilter，BHPF）

• 高斯高通濾波器（GaussianHigh-passFilter，GHPF）

• 同態濾波：圖像由光源的照度分量(低頻)i(x,y)和目標場的反射分量(高頻)l(x,y)的乘積組成，同態濾波就是衰減低頻增強高頻

小波變換圖像增強

將圖像在多級尺度上分解為低頻分量、水平次高頻分量、垂直次高頻分量和對角高頻分量，圖像概貌在低頻部分，細節在高頻部分，對高頻分量進行增強再進行小波逆變換達到圖像銳化的效果

顏色空間變換圖像增強

圖像從RGB顏色空間變換到HSV顏色空間進行處理，然后再反變換到RGB顏色空間

主成分變換圖像增強

對主成分變換后的某一分量進行對比度拉伸處理，然后再進行主成分逆變換

偽彩色處理

偽彩色處理：賦給灰度圖各像元的灰度值顏色使之成為彩色圖像，提高人眼對特征的識別能力

• 偽彩色處理：對灰度圖像的每一個灰度值都賦予一種獨立的顏色
• 密度分割：將圖像灰度值分層，每一層包含了一定的灰度值范圍，每層賦予不同顏色

圖像融合

把時間或空間中多源數據按照一定法則進行運算，獲得數據更精確、信息更為豐富的合成圖像

高空間分辨率的灰度圖像與的多光譜圖像融合，得到高空間分辨率的彩色影像

圖像空間信息匹配：空間位置、圖像行列數一致

圖像光譜信息匹配：同名像元點的灰度值具有較好的相關性

• 空間域代數運算融合：Brovey轉換法

• PBIM(Pixel Block Intensity Modulation)融合算法

• SFIM(Smoothing Filter-based Intensity Modulation)融合算法

• 變換域替代法：HSI變換融合法

低空間分辨率圖像從RGB顏色空間變換為HSI顏色空間，將高空間分辨率灰度影像替代亮度分量I，再從HSI顏色空間轉換到RGB顏色空間，生成新的彩色合成圖像

• 變換域替代法：主成分變換融合

利用高分辨率影像替換低分辨率影像的第一主成分信息，然后在進行逆變換的得到融合圖像

• 變換域替代法：小波變換融合

用高空間分辨率影像的高頻分量分別替換多光譜影像的高頻分量，然后進行小波反變換

主成分變換圖像增強

顏色空間變換圖像增強

同態濾波圖像增強

主成分變換圖像融合

總結

以上是生活随笔為你收集整理的图像同态滤波 python实现_8图像增强的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。