matlab图像增强分段线性函数_图像增强-MATLAB
常见的图像增强算法:
直⽅图均衡化、对⽐度线性展宽(线性拉伸)、动态范围⾮线性调整(对数增强、指数增强、分段增强gamma校正)和伪彩⾊增强等
1.        对⽐度拉升
采⽤了线性函数对图像的灰度值进⾏变换，例如：
空间滤波：线性滤波(拉普拉斯边缘、均值、⾼斯等)
⾮线性滤波(中值等)
频域：频域滤波
低通滤波器(图像模糊、平滑)
⾼通滤波
⾼频强调滤波
均值滤波去除椒盐噪声：
2.        Gamma校正
采⽤了⾮线性函数(指数函数)对图像的灰度值进⾏变换
这两种⽅式的实质是对感兴趣的图像区域进⾏展宽，对不感兴趣的背景区域进⾏压缩，从⽽达到图像增强的效果
3.        直⽅图均衡化
将原始图像的直⽅图通过积分概率密度函数转化为概率密度为1(理想情况)的图像，从⽽达到提⾼对⽐度的作⽤。直⽅图均衡化的实质也是⼀种特定区域的展宽，但是会导致整个图像向亮的区域变换。当原始图像给定时，对应的直⽅图均衡化的效果也相应的确定了。
4.        直⽅图规定化matlab直方图
针对直⽅图均衡化的存在的⼀些问题，将原始图像的直⽅图转化为规定的直⽅图的形式。⼀般⽬标图像的直⽅图的确定需要参考原始图像的直⽅图，并利⽤多⾼斯函数得到。
5.        同态滤波器
图像的灰度图像f(x,y)可以看做为⼊射光分量和反射光分量两部分组成：f(x,y)=i(x,y)r(x,y).⼊射光⽐较的均匀，随着空间位置变化⽐较⼩，占据低频分量段。反射光由于物体性质和结构特点不同从⽽反射强弱很不相同的光，随着空间位置的变化⽐较的剧烈。占据着⾼频分量。基于图像是由光照谱和反射谱结合⽽成的原理设计的。
基于HSV空间的彩⾊图像增强⽅法
针对于灰度图像，我们主要有以上的⼏种处理⽅法，但是针对于彩⾊图像，由于存在RGB分量，故⽽不能直接将灰度图像的处理⽅法应⽤。因为直接对每⼀个分量使⽤灰度增强的⽅法会导致颜⾊的紊乱发⽣。
⽽我们可以将RGB图像转化为其他空间的图像，⽐如：我们可以将RGB空间的图像转换为HSV空间的图像。HSV分别指⾊调，饱和度，亮度。由于调整HSV三个不同的量，我们可以得到⽐较直观的
未完待续、、、

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。