數字圖像處理是通過計算機對圖像進行去除噪聲、增強、復原、分割、特征提取等處理的方法和技術。

1. 圖像扭曲

如上圖，一共設置了45個控制點圍成74個三角形網格扭曲即形變處理其實是尋找一個函數，以所有網格頂點原始坐標為輸入，扭曲后所有網格頂點坐標為輸出。為了簡化計算任務，采用控制柵格插值方法，對每個三角網格獨立計算映射關系，如下圖：

2.1 灰度變換

灰度變換主要針對獨立的像素點進行處理，通過改變原始圖像數據所占有的灰度范圍而使圖像在視覺上得到改觀。灰度變換還包括對數變換、冪律變換和分段線性變換等，它們都可以改變圖像的灰度，實現不同的圖像效果。

最簡單的應用是圖像的反轉，即將原始圖像的灰度值進行翻轉，使輸出圖像的灰度隨輸入圖像的灰度增加而減少。假設對灰度級范圍是（0，L-1）的圖像求反，則圖像灰度t=L-1-s。

2.2直方圖處理

直方圖計算實際上即求圖像的概率密度函數PDF，只需遍歷一次所有像素點即可獲得。

灰度直方圖應用：直方圖均衡：直方圖的均衡化是將原圖像通過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。假設圖像均衡化處理后，圖像的直方圖是平直的，即各灰度級具有相同的出現次數。由于灰度級具有均勻的概率密度分布，所以圖像看起來更加清晰。

步驟：（1）求原始圖像的灰度直方圖。

（2）由原始圖像直方圖計算灰度分布概率。

（3）計算圖像各個灰度級的累計分布概率。

（4）進行直方圖均衡化計算，得到新圖像的灰度值。

2.3空間濾波

圖像生成采集處理過程中都會不同程度的引入各種噪聲，因此會導致圖像的質量變差。從而影響對圖像的識別。所以必須要對圖像進行濾波，所以必須對圖像進行濾波。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算的基礎。模板使用一個窗口，這個窗口是一個點周圍的特定長度或形狀的領域，用于計算算法輸出。

2.3.1平滑濾波器

2.3.1.1均值濾波

在像素的領域內求局部均值，代替圖像中每個像素點的值。稱為均值濾波

2.3.1.2中值濾波

中值濾波是一種領域運算，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不會模糊圖像的邊緣，較好的保持圖像的清晰度。

即（1）首先把領域中的像素按灰度級進行排序。

（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

高斯濾波是根據高斯函數的形狀來選擇權值的線性平滑濾波器。高斯平滑濾波器對過濾服從正態分布的噪聲效果很好。

對圖像而言，常用二維零均值離散高斯函數做平滑濾波器，表示為

2.3.2銳化濾波器——邊緣檢測

邊緣檢測的實質是采用某種算法來提取圖像中對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反映，因此可以用局部圖像微分技術來獲得邊緣檢測算子。邊緣檢測是檢測圖像局部顯著變化的基本運算。

常用的梯度算子有基于一階導數的Roberts算子，Prewitt和Soble算子，以及基于二階導數的Laplacian算子。

Sobel算子所對應的模板如上圖：

審核編輯：黃飛