圖像算法

圖像算法是指對圖像進行處理所用的的算法。包括對圖像去噪、圖像變換、圖像分析、圖像壓縮、圖像增強、圖像模糊處理等。

圖像變換包括圖像的拉伸、收縮、扭曲、旋轉、傅里葉變換等。一般稱原始圖像為空間域圖像，稱變換後的圖像為轉換域圖像，轉換域圖像可反變換為空間域圖像。圖像處理中所用的變換都是酉變換，即變換核滿足正交條件的變換。經過酉變換後的圖像往往更有利於特徵抽取、增強、壓縮和圖像編碼。

圖像壓縮是指以較少的比特有損或無損地表示原來的像素矩陣的技術，也稱圖像編碼。信息時代帶來了“信息爆炸”，使數據量大增，因此，無論傳輸或存儲都需要對數據進行有效的壓縮。在遙感技術中，各種航天探測器採用壓縮編碼技術，將獲取的巨大信息送回地面。圖像壓縮是數據壓縮技術在數字圖像上的應用，它的目的是減少圖像數據中的冗餘信息從而用更加高效的格式存儲和傳輸數據。

圖像增強可分成兩大類：頻率域法和空間域法。前者把圖像看成一種二維信號，對其進行基於二維傅里葉變換的信號增強。採用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；採用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。後者空間域法中具有代表性的算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用於去除或減弱噪聲。

圖像增強的方法是通過一定手段對原圖像附加一些信息或變換數據，有選擇地突出圖像中感興趣的特徵或者抑制(掩蓋)圖像中某些不需要的特徵，使圖像與視覺響應特性相匹配。在圖像增強過程中，不分析圖像降質的原因，處理後的圖像不一定逼近原始圖像。圖像增強技術根據增強處理過程所在的空間不同，可分為基於空域的算法和基於頻域的算法兩大類。基於空域的算法處理時直接對圖像灰度級做運算，基於頻域的算法是在圖像的某種變換域內對圖像的變換系數值進行某種修正，是一種間接增強的算法。

基於空域的算法分為點運算算法和鄰域去噪算法。點運算算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴大圖像動態範圍，擴展對比度。鄰域增強算法分為圖像平滑和鋭化兩種。平滑一般用於消除圖像噪聲，但是也容易引起邊緣的模糊。常用算法有均值濾波、中值濾波。鋭化的目的在於突出物體的邊緣輪廓，便於目標識別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統計差值法等。空域方法有直方圖均衡化、灰度線性變化、圖像平滑、圖像鋭化等。

頻域方法有低通濾波 、高通濾波等。低通濾波 包括理想低通濾波、巴特沃斯低通濾波、指數低通濾波、梯形低通濾波，高通濾波包括理想高通濾波、 巴特沃斯高通濾波、指數高通濾波、梯形高通濾波，還有彩色圖像增強（真彩色、假彩色、偽彩色增強）。

圖像模糊處理包括圖像模糊處理和圖像去噪處理，圖像模糊處理包括運動模糊（維納濾波、最小均方濾波、盲卷積等）、高斯模糊等，圖像去噪處理包括高斯噪聲處理（維納濾波、樣條插值、低通濾波 ）、椒鹽噪聲 處理等。

傳統的插值方法有：最近鄰插值，雙線性插值，雙平方插值，雙立方插值以及其他高階方法。最近鄰插值和雙線性插值算法很容易出現鋸齒，生成的圖片質量不好。因此一般只在對圖像質量要求不高的場合下采用。雙平方插值和雙立方插值，實質上是“低通濾波器”，在增強圖像平滑效果的同時丟失了許多高頻信息。而在很多應用場合．細節信息恰恰非常重要，要考慮如何在保證平滑效果的同時儘可能地保留細節信息。 ^[1]