這幅圖不錯
今天的廢話是，圖像處理是個很大的很混亂的科目，因為任何內容都至少屬於兩個大框架，比如通態濾波，聽起來就是頻域濾波，但它的另一個身份還屬於圖像增強。如果單純的想把內容歸類，這個很困難，因為圖像的知識結構是圖，而不是簡單的樹。
新買了一個書《圖像處理基礎》，像是一本字典，或者是題庫，里面的標題像十萬個為什么，要參加校招的同學可以臨時復習下，當然，當我們深入學習時這本書也是一本不錯的指導手冊，像一本紙質的wiki，一本不錯的工具書。
本文結構圖：
成像原理
成像原理就是我們為什么能看到東西的原理，和光學有關，但這里我們對其進行抽象，如果完整建模成像的原理，將會是很復雜的模型，暫時不考慮復雜的情況，而只考慮兩種主要參數，入射分量和反射分量。
例如對於一幅圖像，對於像素點(x,y)我們設其值為f(x,y)那么可以確定的是f(x,y)的是大於0且有限的：
成像的物體受到光源的照射，反射到成像元件或者人眼里的是入射光照反射的部分，換個理解反射分量類似於一個衰減系數，例如入射光是1，反射分量是0.7，那么我們看到的是1x0.7=0.7，如果物體是黑洞，那么反射分量是0，如果絕對無減少的反射，那么反射分量是1；入射分量為i(x,y),反射分量（我感覺叫反射系數更准確）r(x,y)，那么成像可以被描述為：
並且存在關系：
對於單色圖像，圖像的像素值表示該點的灰度強度
灰度強度介於最大和最小值之間，並且最小值大於0，最大值有限，
實際上滿足
，
，
稱為灰度級通常是[0,max],對於8bit灰度像素，灰度級為[0，255]。
同態濾波
數學原理
根據前面的成像原理，和同態定義，我們提出了同態濾波，同態濾波，同態濾波的特點是，壓縮灰度范圍，同時增強對比度，增強對比度類似於增加像素灰度的方差，而壓縮灰度值一定程度上限制了方差的大小，所以同態濾波有點類似於，給你減工資，還要讓你工作積極性高漲。。。。。
根據上文成像原理的假設，圖像f(x,y)=i(x,y)*r(x,y),但對於傅里葉變換（DFT）不存在下面關系，因為乘法的傅里葉變換不是傅里葉變換的乘法：
所以我們引進了自然對數函數，一個使乘法變成加法的神奇運算，我們定義：
那么就可以利用傅里葉的線性得到：
或者：
Fi和Fr分別是ln i(x,y)和ln r(x,y)的傅里葉變換。我們設計一個濾波器對Z進行濾波，就能得到：
進行傅里葉逆變換，就得到空間圖像：
其中，我們根據前面定義能得到：
所以處理后的圖像s可以表示為：
因為之前我們做了取自然對數運算，作為還原，我們計算：
其中：
i0和r0是濾波處理后的入射分量和反射分量。
整個過程用下面流程圖表示：
更進一步，在圖像中，變換緩慢的部分為照射分量，和發生突變通常是由反射分量組成，特別是物體連接處，對應於頻譜就是高頻和低頻部分，雖然只是粗略的近似，但結果在圖像中是很有用的。
數學公式：
濾波器的形狀：
應用
對照明變化明顯的圖像進行預處理，減少圖像照明變化的特征，增強較暗部分的細節
轉自：http://blog.csdn.net/tonyshengtan/article/details/43024093
下面這篇的方法有時間可以試下
https://wenku.baidu.com/view/b59460f5f80f76c66137ee06eff9aef8941e4816.html