记录一下图像处理中的问题。
直方图均衡
直方图反映了图像的灰度分布情况，直方图均衡常用于增强图像的对比度，是空间域上的操作，图像增强的一种，凸显图像细节，这种方法对于背景和前景都太亮或者太暗的图像非常有用，将图像灰度直方图比较集中的某个灰度区间变成在全部灰度范围的均匀分布
假设r为图像上某点灰度，设r取值区间为[0，1]（0表示白色，1表示黑色），有如下变换
s=T(r)，0≤r≤1
图像中的任一点像素值都会映射输出对应的值s,满足条件
（1）T(r)在区间内为单调递增函数
（2）0≤r≤1时有0≤T(r)≤1
存在反变换T=S-1(r)
条件1保证存在反函数，条件2保证变换后灰度范围不变。
Pr(r)，Ps(s)分别表示随机变量r,s的概率密度函数，Pr(r)和T(r)已知，且T-1(s) 满足上述条件(1)，所以有
已知一种重要的变换函数：
关于上限的定积分的导数就是该上限的积分值 （莱布尼茨准则）
对于离散值：
其中rk 是第k个灰度级，k = 0,1,2,…,L-1.
nk是图像中灰度级为rk的像素个数.
n是图像中像素的总数.
已知变换函数的离散形式为：
sk称作直方图均衡化 将输入图像中灰度级为rk（横坐标）的像素映射 到输出图像中灰度级为sk （横坐标）的对应像素得到.
公式转载至https://www.cnblogs.com/yoyo-sincerely/p/6159101.html
直方图均衡化优点：
1.均衡化后的图像明暗对比更明显。亮的地方更亮，暗的地方更暗，拉开了差距。
2.直方图被均匀分开。
3.增大图像的信息量。
直方图均衡化缺点：
1.变换后图像的灰度级减少，某些细节消失；
2.某些图像，如直方图有高峰，经处理后对比度不自然的过分增强
下面是labview实现的直方图均衡
可以明显看到对比度增强了，有利于后续处理
低通滤波
图像处理中的滤波器大体上分为线性滤波器和非线性滤波器。线性滤波器主要包括拉普拉斯算子、平滑滤波、高斯滤波器、均值滤波器
非线性滤波器如最大值滤波器、最小值滤波器、中值滤波器、N阶滤波器、低通滤波器。滤波是将信号中特定波段频率滤除的操作，是抑制和防止干扰的一项重要措施。是根据观察某一随机过程的结果，对另一与之有关的随机过程进行估计的概率理论与方法。
平滑滤波器用于模糊处理和降低噪声，我所用的就是labview里的平滑低通滤波器（有时也被称为均值滤波器）。
需要处理数据较大时，时域处理会有计算量大、时间长时效性差等特点，讲一下频域滤波，大家都知道时域上的卷积可以转化为频域上的乘积，图像的边缘、纹理、细节以及噪声处的灰度通常发生突变，在频域上表现为高频分量，图像中变换较慢的部分为低频分量，使用低通滤波器平滑图像中的边缘、纹理细节及噪声，高通滤波器锐化图像，强调图像中的细节。理想低通滤波器处理图像容易产生振铃现象，截止频率越小，现象越严重。图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量的图像处理方法，一般来讲，平滑会使图像的噪声去掉，而保留主体的像素，但是会使图像变得模糊。