概述：

1）預處理是指處於最低抽象層次的影象上所進行的操作，這時處理的輸入和輸出都是亮度影象。
2）預處理並不會增加影象的資訊量預處理有助於抑制與特殊的影象處理或分析任務無關的資訊。因此預處理的目的是改善影象資料，抑制不需要的變形或者增強某些對於後續處理重要的影象特徵。

影象預處理方法按照在計算新畫素亮度時所使用的畫素鄰域的大小可以分為四類：

1）畫素亮度變化
2）幾何變換
3）區域性鄰域預處理
4）影象復原

（1）畫素亮度變化
1）有兩類畫素亮度變換
亮度矯正
灰度級變換
2）亮度矯正在修改畫素的亮度時要考慮該畫素原來的亮度和其在影象中的位置
3）灰度級變換在修改畫素的亮度時無須考慮其位置
4）常用的亮度變換有：
亮度閾值化
直方圖均衡化
對數的灰度級變換
查詢表變換
偽彩色變換
5）直方圖均衡化目的是建立一幅在整個亮度範圍內具有相同的亮度影象

（2）幾何變換
1）幾何變換可以消除影象獲取時所出現的幾何變形
2）幾何變換一般是由兩個基本步驟組成：
畫素座標變換
亮度插值
3）畫素座標變換將輸入影象畫素對映到輸出影象，常使用“仿射變換”和“雙線性變化”
4）經過變換，輸出點的座標一般並不符合數字離散光柵；插值被用來確定輸出畫素的亮度。常使用“最近鄰”、“線性”、“雙三次”。

（3）區域性預處理
1）區域性預處理方法是使用輸入影象中一個畫素的小鄰域來產生輸出影象中新的亮度數值的方法。
2）預處理常見的有兩組：“平滑”和“邊緣檢測”。
3）平滑的目的在於抑制噪聲或其他小的波動，這等同於在傅立葉頻域抑制高頻部分，
4）基於直接平均的平滑方法會模糊邊緣。改進的方法通過在一致性的區域性區域內平均來減小模糊。
5）“中值”濾波是一種非線性操作，它用鄰域中亮度的中值代替影象當前的點來減少模糊。
6）“梯度運算元”確定“邊緣”，邊緣是亮度函式發生急劇變化的位置。它們的效果類似於在傅立葉頻域抑制低頻部分。
7）邊緣是賦給單個畫素的性質，它既有“幅值（強度）”又有“方向”。
8）多數梯度運算元可以用“卷積掩膜”來表達，例子包括Roberts、Laplace、Prewitt、Sobel、Kirsch運算元。
9）卷積邊緣檢測子的主要缺點是依賴尺度且對噪聲敏感。選擇某個最好的區域性鄰域運算元尺度並不是那麼容易決定的。
10）二階導數“過零點”比小尺度的梯度檢測子更穩定，可以用Laplace of Gaussians（LoG）或difference of Gaussians（DoG）來計算
11）Canny邊緣檢測運算元對受白噪聲影響的階躍型邊緣是最優的。最優性標準是基於如下要求：“檢測”重要邊緣、小的“定位”誤差、“單邊緣響應”。該檢測子與一個對稱2D高斯做卷積，再沿梯度方向微分；接著步驟包括“非最大邊緣抑制”、“滯後閾值化處理”和“特徵綜合”。
12）在多光譜影象中也可以檢測邊緣
13）其他區域性預處理運算包括“線條尋找”、“線條細化”、“線條補缺”以及“興趣點檢測”
14）一幅影象中諸如角點和最大穩定極值區域等結構包括更豐富的資訊，檢測邊緣更為穩定。它們常用於影象匹配。

（4）影象復原
1）影象復原旨在利用有關退化性質知識來抑制退化。多數影象復原方法是基於整幅影象上的全域性性“去卷積”的方法。
2）有三種典型的退化具有簡單的函式形式：物體相對於攝像機作近似均速的運動、不當的鏡頭焦距、大氣擾動。
3）“逆濾波”假設退化是由線性函式引起的。
4）“維納濾波”給出了對未被噪聲汙染的原始影象的一個最小均方誤差估計；一般而言，它是退化影象的非線性函式。
概述：
1）預處理是指處於最低抽象層次的影象上所進行的操作，這時處理的輸入和輸出都是亮度影象。
2）預處理並不會增加影象的資訊量預處理有助於抑制與特殊的影象處理或分析任務無關的資訊。因此預處理的目的是改善影象資料，抑制不需要的變形或者增強某些對於後續處理重要的影象特徵。


歡迎關注和訂閱AI演算法與影象處理（AI_study）回覆“影象處理”即可獲取書籍資料
不定期更新和分享高質量的文章和學習資料，讓我一起進步吧，fighting