版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/weixin_35732969/article/details/82819802
灰度变换对图像中单个像素进行处理，它的数学表示：
s = T(r).
其中s和r分别表示处理前后的像素值，T是把像素值r映射到s的一种变换。
一些基本的灰度变换函数：线性函数，对数函数，幂律函数。如下图：
反转变换：
s = L - 1 - r
可以看出来是一种黑白颠倒，灰度级范围是[0,L-1]。
对数变换的通用形式：
它将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值，用来扩展图像中的暗像素值，同时压缩更高灰度级的值。
幂律变换（伽马变换）的基本形式：
部分值将较窄范围的暗色输入值映射为较宽范围的输出值，与对数函数不同的是，随着
的变化，将得到一族可能的变换曲线，如下图：
可以看出，和
的值所生成的曲线的效果完全相反。
有时需要突出图像中特定灰度范围的亮度，可以使用灰度级分层的处理。一种方法是将感兴趣范围内的所有灰度值显示为一个值（如“白色”），其他灰度值显示为另一个值（如“黑色”），即产生一幅二值图像；另一种方法将感兴趣范围的灰度变亮（或变暗），保持其他灰度值不变。两种方法的变换函数如下图：
比特平面分层：一幅8比特的图像可以考虑为由8个1比特平面组成，如下图：
其中平面1 包含图像中所有像素的最低阶比特，平面8包含图像中所有像素的最高阶比特。
举个例子：
图a是一幅8比特灰度图像，b~i是其8个1比特平面。可以看出，最后两个高阶比特平面包含了视觉上很重要的大多数数据，低阶比特平面贡献更精细的灰度细节。
参考资料：冈萨雷斯《数字图像处理》