數(shù)字圖像處理是通過(guò)計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、特征提取等處理的方法和技術(shù)。

1. 圖像扭曲

如上圖，一共設(shè)置了45個(gè)控制點(diǎn)圍成74個(gè)三角形網(wǎng)格扭曲即形變處理其實(shí)是尋找一個(gè)函數(shù)，以所有網(wǎng)格頂點(diǎn)原始坐標(biāo)為輸入，扭曲后所有網(wǎng)格頂點(diǎn)坐標(biāo)為輸出。為了簡(jiǎn)化計(jì)算任務(wù)，采用控制柵格插值方法，對(duì)每個(gè)三角網(wǎng)格獨(dú)立計(jì)算映射關(guān)系，如下圖：

2.1 灰度變換

灰度變換主要針對(duì)獨(dú)立的像素點(diǎn)進(jìn)行處理，通過(guò)改變?cè)紙D像數(shù)據(jù)所占有的灰度范圍而使圖像在視覺上得到改觀?；叶茸儞Q還包括對(duì)數(shù)變換、冪律變換和分段線性變換等，它們都可以改變圖像的灰度，實(shí)現(xiàn)不同的圖像效果。

最簡(jiǎn)單的應(yīng)用是圖像的反轉(zhuǎn)，即將原始圖像的灰度值進(jìn)行翻轉(zhuǎn)，使輸出圖像的灰度隨輸入圖像的灰度增加而減少。假設(shè)對(duì)灰度級(jí)范圍是（0，L-1）的圖像求反，則圖像灰度t=L-1-s。

2.2直方圖處理

直方圖計(jì)算實(shí)際上即求圖像的概率密度函數(shù)PDF，只需遍歷一次所有像素點(diǎn)即可獲得。

灰度直方圖應(yīng)用：直方圖均衡：直方圖的均衡化是將原圖像通過(guò)某種變換得到一副灰度直方圖為均勻分布的新圖像的方法。假設(shè)圖像均衡化處理后，圖像的直方圖是平直的，即各灰度級(jí)具有相同的出現(xiàn)次數(shù)。由于灰度級(jí)具有均勻的概率密度分布，所以圖像看起來(lái)更加清晰。

步驟：（1）求原始圖像的灰度直方圖。

（2）由原始圖像直方圖計(jì)算灰度分布概率。

（3）計(jì)算圖像各個(gè)灰度級(jí)的累計(jì)分布概率。

（4）進(jìn)行直方圖均衡化計(jì)算，得到新圖像的灰度值。

2.3空間濾波

圖像生成采集處理過(guò)程中都會(huì)不同程度的引入各種噪聲，因此會(huì)導(dǎo)致圖像的質(zhì)量變差。從而影響對(duì)圖像的識(shí)別。所以必須要對(duì)圖像進(jìn)行濾波，所以必須對(duì)圖像進(jìn)行濾波。圖像濾波方法很多，如高通濾波、最大值濾波、均值濾波、中值濾波等。

許多算法都是基于模板操作，模板操作是圖像卷積和濾波等運(yùn)算的基礎(chǔ)。模板使用一個(gè)窗口，這個(gè)窗口是一個(gè)點(diǎn)周圍的特定長(zhǎng)度或形狀的領(lǐng)域，用于計(jì)算算法輸出。

2.3.1平滑濾波器

2.3.1.1均值濾波

在像素的領(lǐng)域內(nèi)求局部均值，代替圖像中每個(gè)像素點(diǎn)的值。稱為均值濾波

2.3.1.2中值濾波

中值濾波是一種領(lǐng)域運(yùn)算，與均值濾波和其他濾波相比，中值濾波能夠去除噪聲的同時(shí)不會(huì)模糊圖像的邊緣，較好的保持圖像的清晰度。

即（1）首先把領(lǐng)域中的像素按灰度級(jí)進(jìn)行排序。

（2）然后選擇該組的中間值作為輸出像素值。

2.3.2.3高斯濾波

高斯濾波是根據(jù)高斯函數(shù)的形狀來(lái)選擇權(quán)值的線性平滑濾波器。高斯平滑濾波器對(duì)過(guò)濾服從正態(tài)分布的噪聲效果很好。

對(duì)圖像而言，常用二維零均值離散高斯函數(shù)做平滑濾波器，表示為

2.3.2銳化濾波器——邊緣檢測(cè)

邊緣檢測(cè)的實(shí)質(zhì)是采用某種算法來(lái)提取圖像中對(duì)象與背景間的交界線。圖像灰度的變化情況可以用圖像灰度分布的梯度來(lái)反映，因此可以用局部圖像微分技術(shù)來(lái)獲得邊緣檢測(cè)算子。邊緣檢測(cè)是檢測(cè)圖像局部顯著變化的基本運(yùn)算。

常用的梯度算子有基于一階導(dǎo)數(shù)的Roberts算子，Prewitt和Soble算子，以及基于二階導(dǎo)數(shù)的Laplacian算子。