关于空间域图像增强中的模板算子理解

空间域增强是图像增强的一大利器，说白了就是套各种模板算子的结果。粗浅二分可以划分为平滑型和锐化型，可到底哪个算子属于平滑哪个算子属于锐化，还真是不明了。

看了《冈萨雷斯 数字图像处理》，才晓得：

从数学意义上理解，平滑是积分的结果，锐化是微分后的结果。

均值滤波算子是一阶积分后的产物：

g(x)=(f(x+1)+f(x))/2

拉普拉斯算子是一个二阶微分后的产物:

g(x)=f(x+1)+f(x−1)−2f(x)

拉普拉斯的应用：将原始图像和拉普拉斯图像进行叠加，能够保护拉普拉斯锐化处理的效果，又能复原原背景信息。同时，这个叠加效果可以用新的算子来描述，即：

g(x)=f(x)−[f(x+1)+f(x−1)−2f(x)]=3f(x)−f(x+1)−f(x−1)

但很多时候，我们对拉普拉斯后图像还需要做个标定工作（亮度拉伸下），所以上述的公式还会进行一定程度的微调

反锐化处理：即将图像进行模糊化，去掉数据锐化信息

反锐化屏蔽：将图像模糊形式从原始图像中去除$

高提升滤波图像：在上述叠加图像的基础上，再叠加一定比例的原始图像，

梯度法是一阶微分后的产物

梯度的公式：

▽f≈|Gx|+|Gy|

交叉差分算法：暂时搞不清楚，点击参考文章

混合空间增强法

实验对一幅骨骼图像进行了多次的空间域增强处理，结果使得骨骼图片十分清晰，简直吓哭了。里面一堆使用逻辑，堪称福尔摩斯破案，则嘎调。

翻书去看吧。。。