《数字图像处理-冈萨雷斯》笔记
第一章 绪论
图像处理实例：伽马射线成像、X射线成像、紫外波段成像、可见光以及红外线成像、微波波段成像、无线电波成像、声波成像。
图像处理的基本步骤：图像获取、滤波与增强、图像复原、彩色图像处理、小波与分辨率处理、压缩、形态学处理、分割、表示与描述、目标识别、
第二章 数字图像基础
角膜、巩膜外壳、脉络膜、视网膜。
视锥细胞亮视觉，视杆细胞暗视觉。
韦伯比：类似于光强的分辨率。目标给出响应，比值越小，表示亮度辨别能力越好。
彩色光源质量因素：发光强度（实际指的是能量）、光通量、亮度。
数字图像一般默认左上角是原点，x轴向下，y轴向上。
灰度值跨越的值域非正式地称为动态范围。动态范围定义为最大可度量灰度和最小可检测灰度之比。
存储图像所需的比特数b = M * N * k (比特数=长*宽*灰度级； b=1024*1024*8)；
等偏爱曲线：人对图像的主观感受跟随图像大小和灰度级之间的关系。
临接和邻域：
N4(p) 4领域，
N8(p) 8领域，
ND(p) 对角领域。
邻接：
四领域和八领域好理解，m邻接的意思是：
1）q、p在四邻域中；
2）q在p的对角领域中，并且p和q的四领域没有交集。
那么就称p、q是m邻接的。
第三章 灰度变换与空间滤波
一些基本的灰度变换函数
1、 图像反转：s = L-1-r
2、 对数变换：s=clog(1+r) 对数变换拉伸对应的灰度值，反对数效果相反。对数变换实现了图像灰度扩展和压缩的功能。它扩展低灰度值而压缩高灰度值，让图像的灰度分布更加符合人的视觉特征。
3、 gamma变换: 在屏幕上精确显示图像则伽马校正很重要。
4、 分段线性变换;
5、 灰度直方图
6、 灰度直方图均衡：直方图均衡化处理之后，原来比较少像素的灰度会被分配到别的灰度去，像素相对集中， 处理后灰度范围变大，对比度变大，清晰度变大，所以能有效增强图像
7、 直方图匹配：使其直方图与另一幅图像的直方图或特定函数形式的直方图进行匹配。
平滑空间滤波
1、 平滑线性滤波（均值滤波）
2、 统计排序非线性滤波（中值、最大值、最小值）
锐化空间滤波
锐化的主要目的是突出灰度的过渡部分。
1、 拉普拉斯算子——二阶微分图像锐化
拉普拉斯算子：
锐化结果：
2、 Sobel算子——一阶微分锐化（边缘检测和边缘增强应用）
Sobel算子：
第四章 频率域滤波
傅里叶级数：
卷积：
频域平滑
1、 ILPF理想低通滤波器
2、 BLPF巴特沃斯低通滤波器
3、 GLPF高斯低通滤波器
频域锐化
4、 IHPF理想高通滤波器
5、 BLPF巴特沃斯高通滤波器
6、 GLPF高斯高通滤波器
第五章 图像复原与重建
一些重要的噪声类型：
高斯噪声；瑞利噪声；伽马噪声；指数噪声；均匀噪声；脉冲（椒盐）噪声；
当仅存在加性噪声的时候，可以选择空间滤波的方法。
均值滤波器
算术均值滤波器：
几何均值滤波器：
谐波均值滤波器：对盐粒噪声效果较好，不适用于胡椒噪声。他善于处理像高斯噪声那样的其他噪声。
逆谐波均值滤波器：
Q成为滤波器阶数，Q为正数时消除胡椒噪声，Q为负数时消除椒盐噪声。Q=0时就成为了算术均值滤波器。
统计排序滤波器
中值滤波器：
最大最小值滤波器：
修正的阿尔法均值滤波器：
自适应滤波器
自适应局部降低噪声滤波器：
第一章 绪论
图像处理实例：伽马射线成像、X射线成像、紫外波段成像、可见光以及红外线成像、微波波段成像、无线电波成像、声波成像。
图像处理的基本步骤：图像获取、滤波与增强、图像复原、彩色图像处理、小波与分辨率处理、压缩、形态学处理、分割、表示与描述、目标识别、
第二章 数字图像基础
角膜、巩膜外壳、脉络膜、视网膜。
视锥细胞亮视觉，视杆细胞暗视觉。
韦伯比：类似于光强的分辨率。目标给出响应，比值越小，表示亮度辨别能力越好。
彩色光源质量因素：发光强度（实际指的是能量）、光通量、亮度。
数字图像一般默认左上角是原点，x轴向下，y轴向上。
灰度值跨越的值域非正式地称为动态范围。动态范围定义为最大可度量灰度和最小可检测灰度之比。
存储图像所需的比特数b = M * N * k (比特数=长*宽*灰度级； b=1024*1024*8)；
等偏爱曲线：人对图像的主观感受跟随图像大小和灰度级之间的关系。
临接和邻域：
N4(p) 4领域，
N8(p) 8领域，
ND(p) 对角领域。
邻接：
四领域和八领域好理解，m邻接的意思是：
1）q、p在四邻域中；
2）q在p的对角领域中，并且p和q的四领域没有交集。
那么就称p、q是m邻接的。
第三章 灰度变换与空间滤波
一些基本的灰度变换函数
1、 图像反转：s = L-1-r
2、 对数变换：s=clog(1+r) 对数变换拉伸对应的灰度值，反对数效果相反。对数变换实现了图像灰度扩展和压缩的功能。它扩展低灰度值而压缩高灰度值，让图像的灰度分布更加符合人的视觉特征。
3、 gamma变换: 在屏幕上精确显示图像则伽马校正很重要。
4、 分段线性变换;
5、 灰度直方图
6、 灰度直方图均衡：直方图均衡化处理之后，原来比较少像素的灰度会被分配到别的灰度去，像素相对集中， 处理后灰度范围变大，对比度变大，清晰度变大，所以能有效增强图像
7、 直方图匹配：使其直方图与另一幅图像的直方图或特定函数形式的直方图进行匹配。
平滑空间滤波
1、 平滑线性滤波（均值滤波）
2、 统计排序非线性滤波（中值、最大值、最小值）
锐化空间滤波
锐化的主要目的是突出灰度的过渡部分。
1、 拉普拉斯算子——二阶微分图像锐化
拉普拉斯算子：
锐化结果：
2、 Sobel算子——一阶微分锐化（边缘检测和边缘增强应用）
Sobel算子：
第四章 频率域滤波
傅里叶级数：
卷积：
频域平滑
1、 ILPF理想低通滤波器
2、 BLPF巴特沃斯低通滤波器
3、 GLPF高斯低通滤波器
频域锐化
4、 IHPF理想高通滤波器
5、 BLPF巴特沃斯高通滤波器
6、 GLPF高斯高通滤波器
第五章 图像复原与重建
一些重要的噪声类型：
高斯噪声；瑞利噪声；伽马噪声；指数噪声；均匀噪声；脉冲（椒盐）噪声；
当仅存在加性噪声的时候，可以选择空间滤波的方法。
均值滤波器
算术均值滤波器：
几何均值滤波器：
谐波均值滤波器：对盐粒噪声效果较好，不适用于胡椒噪声。他善于处理像高斯噪声那样的其他噪声。
逆谐波均值滤波器：
Q成为滤波器阶数，Q为正数时消除胡椒噪声，Q为负数时消除椒盐噪声。Q=0时就成为了算术均值滤波器。
统计排序滤波器
中值滤波器：
最大最小值滤波器：
修正的阿尔法均值滤波器：
自适应滤波器
自适应局部降低噪声滤波器：
自适应中值滤波器：