图像处理基础知识

人眼中的65％的锥状细胞对红光敏感，33％对绿光敏感，％2对蓝光敏感，因此被看到的彩色是所谓的红绿蓝的各种组合。

对于一个200x200的16色或这说4位图像，共40000个像素每个像素由R，G，B三个字节表示，所以需要120000个字节空间，而采用调色板技术则可以节省很多不必要的空间，每个像素仅存储该像素颜色在调色板中的索引值，共16种颜色用4位即能表示这个索引值，而调色板共16项每一项由RGB3个字节，所以采用这种技术以后，所需要的存储空间为40000x0.5＋48＝20048个字节。

而对于24位图像，共有256x256x256色。这时采用调色板则得不偿失，24位需要3个字节来表示这个索引值。200x200x3＋256x256x256x3的总空间。而直接采用则仅需200x200x3的空间大小了。

24位色中3个字节分别用来描述R,G,B三种颜色分量，其中是没有亮度分量，这是因为在RGB表示方式中，亮度也是直接可以从颜色分量中得到的，每一颜色分量值的范围都是从0到255, 某一颜色分量的值越大，就表示这一分量的亮度值越高，所以255表示最亮，0表示最暗。那么一个真彩色像素点转换为灰度图时它的亮度值应该是多少呢，首先我们想到的平均值，即将R+G+B/3。但现实中我们使用的却是如下的公式：
Y = 0.299R+0.587G+0.114B
这个公式通常都被称为心理学灰度公式。这里面我们看到绿色分量所占比重最大。因为科学家发现使用上述公式进行转换时所得到的灰度图最接近人眼对灰度图的感觉。

真彩24位图转换为灰度图后一般保存为8位而不是24位，只有灰度等级而没有颜色，因为只有256种颜色，通过使用颜色表可以节省存储空间。

对比度是指投影图像最亮和最暗之间的区域之间的比率，对比度越高，投影的画面会越有利，色彩会更饱和，反之对比度低则画面会显得模糊，色彩也不鲜明。

图像增强的方法：空间域方法和频域方法。空间域方法是直接对像素进行操作，频域是以修改图像的傅氏变换为基础的。
1 空间域增强知识：
基本灰度变换：图像反转，对数变换，幂次变换（伽玛校正，用来更好的在屏幕上显示）；分段线性变换函数，
直方图处理，直方图均衡化，以及图像加减
空间滤波基础：
平滑空间滤波器：平滑滤波器用于模糊处理和减少噪声，在提取大的目标之前去除图像中一些琐碎的细节
。这样模糊了以后大点的图像就能更好的显示出来，从而进行提取。包括平滑线性滤波，将当前像素的值用领域各像素的值的均值或加权值来代替，这种处理就能达到减少图像灰度的尖锐变化，但是图像边缘也有可能被模糊。
统计排序滤波器：一种非线性的空间滤波器，它的相应基于图像滤波器包围的图像区域中像素的排序，然后由统计排序结果决定的值代替中心像素的值。中值滤波器的特性，也就是选定一定区域内的像素值，按从大到小比较出一个中间值，然后将这个中间值付给当前的像素值。中值滤波器的功能是使拥有不同灰度的点看起来更接近于它的邻近值。
锐化空间滤波器：主要是突出图像中的细节或者增强被模糊了的细节。均值滤波与积分相近，锐化处理可以用空间微分来完成。一阶微分二阶微分。对图像增强来讲，二阶微分处理比一阶微分处理好一些，因为形成增强细节的能力好一些。
基于二阶微分的图像增强：拉普拉斯算子，
基于一阶微分的图像增强：梯度法，sobel算子。

2 频域增强知识：
频率域图像增强：傅立叶变换，任何一个周期函数都可以由正弦余弦函数的加权得到。将图像的强度变化和傅立叶变换的频率结合起来，当从变化的原点离开时，低频对应着图像的慢变化分量，当我们进一步移开原点时，较高的频率开始对应图像中变化越来越快的灰度级比如边缘和图像中灰度变化较大的都对应高频成分。低频主要决定图像在平滑区域中总体灰度级的显示，而高频决定图像细节部分。因此，低通滤波器会使图像的边缘信息减少，而变得模糊;而高通滤波器会使图像在平滑区域内灰度级的变化减少并突出边缘等细节部分。
图像也是有很多频率组成，以频率域的思想来处理图像。即图像是由很多频率不同的波形组成。滤波过程通过滤波器函数以某种方式来修改图像变换，然后通过取结果的反变换来获得处理后的输出图像。

空间域和频率域通过卷积原理联系起来，可以在频率域指定滤波器，做反变换，然后在空间域使用结果滤波器作为在空间域构建更小空间滤波模板的知道。
二维离散傅立叶变换。图像处理。DFT是傅立叶变换的意思

平滑的频率域滤波器即低通滤波器，衰减指定图像傅立叶变换中的高频成分的范围来实现。
理想低通滤波器，高斯低通滤波器。
频率域锐化滤波器即高通滤波器。

图像复原与图像增强的区别。