图像处理的部分先做一个大概的记录，后续深入学习后展开。内容围绕图像的分割和增强展开。
只是相关技术的某些应用，也可能不尽准确，为了记录和学习。
第一部分：概念和应用领域
第二部分：相关的代码实现
----------------------------针对像素本身的操作，非空间域--------------------
部分内容引用博客：https://www.cnblogs.com/wangguchangqing/p/6983680.html
人头检测论文：http://www.docin.com/p-1009851217-f4.html
灰度化过程其实就是使RGB各分量值相等的一个过程。
RGB的比例是3:6:1。
一、灰度直方图：灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。
用途：
1、数字化参量 ：判断一幅图像是不是合理的利用了全部被允许的灰度级范围，一幅图像应该利用几乎全部的灰度级。
2、边界阈值选取： 在二峰性的灰度直方图中，利用2值处理，找到二峰的低谷，对应轮廓的边界，这样在人脸识别上可以大概找到人脸的轮廓边界。
针对大图像的处理。可以进行区域分割，多核并行计算的方式进行运算，提高处理效率。
二、图像的灰度变换：灰度变换是指根据某种目标条件按一定变换关系逐点改变源图像中每一个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。
灰度变换也被称为图像的点运算（只针对图像的某一像素点）是所有图像处理技术中最简单的技术，其变换形式如下：
s=T(r）
其中，T是灰度变换函数；r是变换前的灰度；s是变换后的像素。
图像灰度变换的有以下作用：
1、 改善图像的质量，使图像能够显示更多的细节，提高图像的对比度（对比度拉伸）
2、 有选择的突出图像感兴趣的特征或者抑制图像中不需要的特征
3、可以有效的改变图像的直方图分布，使像素的分布更为均匀
常见的灰度变换
灰度变换函数描述了输入灰度值和输出灰度值之间变换关系，一旦灰度变换函数确定下来了，那么其输出的灰度值也就确定了。可见灰度变换函数的性质就决定了灰度变换所能达到的效果。用于图像灰度变换的函数主要有以下三种：
1、线性函数 （图像反转）
2、对数函数:对数和反对数变换
3、幂律函数：n次幂和n次开方变换
线性变换
令r为变换前的灰度，s为变换后的灰度，则线性变换的函数：
s=a⋅r+b
其中，a为直线的斜率，b为在y轴的截距。选择不同的a，b值会有不同的效果：
a>1a>1，增加图像的对比度
a<1a<1，减小图像的对比度
a=1且b≠0a=1且b≠0，图像整体的灰度值上移或者下移，也就是图像整体变亮或者变暗，不会改变图像的对比度。
a<0且b=0a<0且b=0，图像的亮区域变暗，暗区域变亮
a=1且b=0a=1且b=0，恒定变换，不变
a=−1且b=255a=−1且b=255，图像反转。
对数变换
对数变换的通用公式是：
s=clog(1+r)
其中，c是一个常数，，假设r≥0r≥0,根据上图中的对数函数的曲线可以看出：对数变换，将源图像中范围较窄的低灰度值映射到范围较宽的灰度区间，同时将范围较宽的高灰度值区间映射为较窄的灰度区间，从而扩展了暗像素的值，压缩了高灰度的值，能够对图像中低灰度细节进行增强。；从函数曲线也可以看出，反对数函数的曲线和对数的曲线是对称的，在应用到图像变换其结果是相反的，反对数变换的作用是压缩灰度值较低的区间，扩展高灰度值的区间
幂律变换（伽马变换）
伽马变换的公式为：
其中c和γ为正常数。
伽马变换的效果与对数变换有点类似，当γ>1时将较窄范围的低灰度值映射为较宽范围的灰度值，同时将较宽范围的高灰度值映射为较窄范围的灰度值；当γ<1时，情况相反，与反对数变换类似。
伽马校正的原理https://www.cnblogs.com/qiqibaby/p/5325193.html
伽马校正的学习https://blog.csdn.net/w450468524/article/details/51649651
总结
本文主要对图像的几种常见的灰度变换进行了总结。
图像反转，是图像线性变换的一种，可以得到图像负片，能够有效的增强图像的暗色区域中的白色或者灰色细节
对数变换，扩展图像中的低灰度区域，压缩图像中的高灰度区域，能够增强图像中的暗色区域的细节；反对数变换与此相反。对数变换还有个重要作用是，能够压缩图像灰度值的动态范围，在傅立叶变换中能够显示更多的变换后的频谱细节。
伽马变换，主要用于图像的校正，根据参数γ的选择不同，能够修正图像中灰度过高（γ>1）或者灰度过低（γ<1）
文中的Y是伽马。
三、**对比度展宽：**目的是把图像中感兴趣的区域展宽。
线性对比度展宽------灰级窗
灰级窗切片：指纹识别，做二值图像
灰度级的修正：卷积 ----做图像去雾，图像增强
**动态范围：**是指图像中所记录的场景中从暗到亮的变化范围。
线性动态范围调整：作用是进行亮暗限幅。
非线性动态范围调整：作用是将暗的部分扩展，而将亮的部分抑制。
直方图均衡化
直方图均衡化方法的基本思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。
因为灰度分布可在直方图中描述，所以该图像增强方法是基于图像的灰度直方图。
灰度图------伪色彩------目标跟踪
--------------------------------------图像的空间阈增强-------------------------------------------
后面内容引用网络文档，学习交流。