跳到主要内容

灰度变换与空间滤波:在像素邻域里做事

数字图像处理里,"变换"这个词有两种截然不同的含义。一种是本章的空间域处理——直接对像素值 f(x,y)f(x,y) 做函数变换 g(x,y)=T[f(x,y)]g(x,y)=T[f(x,y)];另一种是下一章的频率域处理,要先把图像搬到 Fourier 空间。空间域简单粗暴,物理意义直观,绝大多数经典操作(点运算、模板卷积、直方图均衡)都属于这一类。

1. 灰度变换的三种基本形态​

灰度变换只看单个像素,不看邻居。最一般的形式是 s=T(r)s=T(r),rr 是输入灰度值,ss 是输出灰度值。曲线的形状决定了做什么。

图像反转:s=L−1−rs=L-1-r。适合把暗图像里的白色小细节反出来,比如医学乳腺 X 光片背景是黑的,肿块反转后更容易被眼睛抓住。

对数变换:s=clog⁡(1+r)s=c\log(1+r)。把小值域展开、大值域压缩,常用来看 Fourier 频谱——频谱的直流分量可能比高频分量大几个数量级,直接线性显示只能看到一个亮点,取对数以后细节才显出来。

幂律(伽马)变换:s=crγs=cr^\gamma。γ<1\gamma<1 时把暗部展开(提亮暗处),γ>1\gamma>1 把亮部展开。CRT 显示器天然有 γ≈2.5\gamma\approx 2.5 的响应曲线,图像编码时预先做 γ=1/2.5\gamma=1/2.5 的补偿,这就是 sRGB 里那个奇怪的伽马校正的由来。

分段线性变换:想在某个灰度区间拉伸、在其他区间压缩,只需要画一条折线。比灰度切片、位平面切片都是这个思路的特化形式。

三类曲线放在一起看:

    输出 s
│ ┌─ 幂律 γ<1 (提亮)
L-1 ─┐ ╱
│╲ ╱ ── 对数
│ ╲╱
│ ╱╲
│╱ ╲ ── 幂律 γ>1 (压暗)
0 ┴────────── 输入 r
0 L-1

2. 直方图:图像的一维统计签名​

直方图是 h(rk)=nkh(r_k)=n_k,第 kk 个灰度级出现了多少次。归一化后 p(rk)=nk/MNp(r_k)=n_k/MN 就是这个灰度值的概率。整幅图像被压缩成一个 256 维向量,几何信息全丢了,但亮度分布和对比度保留下来。

直方图能干几件事:

  • 判断曝光:直方图挤在左边说明欠曝,挤在右边过曝,中间瘦条带说明对比度不足
  • 判断双峰:两个明显的峰意味着前景/背景分离良好,图像分割里 Otsu 阈值就是找这两个峰之间的谷
  • 匹配:把一幅图的直方图变换成另一幅的样子,做风格迁移的雏形

2.1 直方图均衡​

想让直方图变均匀(每个灰度级都有相同的像素数)。变换函数是累积分布函数:

sk=T(rk)=(L−1)∑j=0kpr(rj)s_k = T(r_k) = (L-1)\sum_{j=0}^{k} p_r(r_j)

这个 TT 是单调非减且值域覆盖 [0,L−1][0, L-1] 的——单调保证不改变灰度顺序,覆盖保证利用满动态范围。数学证明:如果连续变量 rr 有任意分布 pr(r)p_r(r),用 s=(L−1)∫0rpr(w)dws=(L-1)\int_0^r p_r(w)dw 变换后 ps(s)p_s(s) 一定是均匀分布。离散情况下由于灰度级有限,只能近似均匀。

均衡是全自动的、无参数的。参数是好事也是坏事——不需要调参说明它没有主观偏好,但也不能针对特定任务定制。所以有了下面的规定化。

2.2 直方图规定化(匹配)​

想让输出直方图匹配一个指定分布 pz(z)p_z(z) 而不是均匀分布。做法是:

  1. 对输入求均衡变换 s=T(r)s=T(r)
  2. 对目标分布求均衡变换 v=G(z)v=G(z)
  3. 由于都变到了均匀分布,s=vs=v,反过来 z=G−1(s)=G−1(T(r))z=G^{-1}(s)=G^{-1}(T(r))

一个用途是把夜景照片的直方图匹配到白天的,做假的白天效果。另一个用途是做多幅图像的亮度归一化——医学、遥感里常见,让不同时间不同曝光条件下的图像可比。

2.3 局部直方图处理​

全局均衡的问题是它把整幅图当一个整体统计。如果图像里既有阳光下的高反差区域,也有阴影下的低反差区域,全局均衡会牺牲一方成全另一方。局部直方图均衡在每个像素周围开一个 n×nn\times n 邻域,只用邻域内的直方图算变换,只更新中心像素。计算量大,但可以让阴影里的细节和高光里的细节同时显现。

CLAHE(Contrast Limited Adaptive Histogram Equalization)是这个思路的工程版本:分块做均衡,块间双线性插值防止分界线,直方图先裁剪防止过增强噪声。医学影像和 OpenCV 里都是默认工具。

3. 空间滤波:从点运算到邻域运算​

前面所有的操作都是点运算——输出像素只依赖同位置的输入像素。空间滤波开始考虑邻居。一个 m×nm\times n 的模板 ww 在图像上滑动,中心位置 (x,y)(x,y) 的输出是:

g(x,y)=∑s=−aa∑t=−bbw(s,t) f(x+s,y+t)g(x,y)=\sum_{s=-a}^{a}\sum_{t=-b}^{b} w(s,t)\, f(x+s,y+t)

这个式子是相关(correlation)。翻转模板后再算就是卷积(convolution):

g(x,y)=∑s=−aa∑t=−bbw(s,t) f(x−s,y−t)g(x,y)=\sum_{s=-a}^{a}\sum_{t=-b}^{b} w(s,t)\, f(x-s,y-t)

数学上卷积满足交换律、结合律、分配律,深度学习里所谓的"卷积层"实际上做的是相关(PyTorch/TF 都是),但因为核是学出来的,翻转不翻转无所谓。经典 DIP 严格区分这两者,因为用手工设计的核(比如 Sobel)时翻转会改变梯度符号。

4. 平滑滤波:把噪声抹掉​

4.1 均值滤波​

模板全部填 1/(mn)1/(mn)。3×33\times 3 均值核:

1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9

线性、简单、把高斯噪声压下去,代价是边缘也被模糊了。噪声方差降到 σ2/n\sigma^2/n(nn 是核内像素数),但边缘处的锐利过渡也变成了 nn 像素宽的过渡带。

加权均值(高斯核)把权重按距离衰减,边缘保得稍好,但仍然是线性滤波器,处理不了椒盐噪声。

4.2 中值滤波​

模板内 mnmn 个像素排序取中值。非线性,无法用卷积表达,也没有频域解释。但它对椒盐噪声(极端离群点)极其有效——一个孤立的白点周围全是暗点,排序后中值一定是暗的。

代价:细结构会被抹掉。宽度小于模板一半的细线会消失。所以医学血管、指纹图像用中值要小心。

4.3 双边滤波​

均值滤波按空间距离加权,双边滤波额外按灰度值差异加权:

g(x,y)=1W∑s,tf(x+s,y+t) e−s2+t22σd2 e−(f(x+s,y+t)−f(x,y))22σr2g(x,y)=\frac{1}{W}\sum_{s,t} f(x+s,y+t)\, e^{-\frac{s^2+t^2}{2\sigma_d^2}}\, e^{-\frac{(f(x+s,y+t)-f(x,y))^2}{2\sigma_r^2}}

灰度差异大的邻居权重接近 0,等于自动跳过边缘另一侧的像素。这是"保边平滑"的经典做法。σd\sigma_d 控制空间平滑范围,σr\sigma_r 控制灰度容忍度。

后来的 Guided Filter、非局部均值 NLM 都是这个思路的推广。深度学习时代 U-Net 之类的去噪网络本质上也在学"哪个邻居该信任"。

5. 锐化滤波:把边缘凸出来​

平滑是求平均(积分),锐化是求差分(微分)。一阶差分响应阶跃,二阶差分响应双边——一正一负——所以对细节更敏感。

5.1 拉普拉斯算子​

二阶各向同性微分算子:

∇2f=∂2f∂x2+∂2f∂y2\nabla^2 f = \frac{\partial^2 f}{\partial x^2}+\frac{\partial^2 f}{\partial y^2}

离散形式的模板是:

 0  1  0        1  1  1
1 -4 1 或 1 -8 1 (含对角)
0 1 0 1 1 1

用法:g(x,y)=f(x,y)+c ∇2f(x,y)g(x,y)=f(x,y)+c\,\nabla^2 f(x,y),cc 的符号取决于模板中心是正还是负。物理上 ∇2f\nabla^2 f 在边缘处是双极响应(一正一负紧挨着),叠加回原图会让边缘两侧的对比度加大,视觉上更"清晰"。

5.2 反锐化掩蔽和高提升滤波​

先对图像做低通滤波得到 fˉ\bar f,模板(mask)gmask=f−fˉg_{\text{mask}}=f-\bar f 就是高频部分,然后加权加回去:

g(x,y)=f(x,y)+k⋅gmask(x,y)g(x,y)=f(x,y)+k\cdot g_{\text{mask}}(x,y)

k=1k=1 是标准反锐化掩蔽,k>1k>1 是高提升。相机里"锐化强度"滑块调的就是 kk。

5.3 Sobel 算子和梯度​

一阶梯度:

∇f=[gxgy]=[∂f/∂x∂f/∂y]\nabla f=\begin{bmatrix}g_x\\g_y\end{bmatrix}=\begin{bmatrix}\partial f/\partial x\\\partial f/\partial y\end{bmatrix}

幅值 M(x,y)=gx2+gy2M(x,y)=\sqrt{g_x^2+g_y^2},方向 α(x,y)=arctan⁡(gy/gx)\alpha(x,y)=\arctan(g_y/g_x)。Sobel 模板:

Gx:                Gy:
-1 0 1 -1 -2 -1
-2 0 2 0 0 0
-1 0 1 1 2 1

比 Prewitt(权重全 1)多了个"中心行/列权重加倍",这个加权来自于对高斯的一阶差分近似——理论上更抗噪。Sobel 后来成了 Canny 边缘检测的第一步。

6. 混合空间滤波​

真实工程里几乎不会只用一个滤波器,而是把多个链在一起。Gonzalez 教材里的经典例子:

  1. 原图(骨扫描):对比度差、噪声大
  2. 拉普拉斯锐化 → 加强边缘
  3. Sobel 幅值 → 得到梯度图
  4. Sobel 图做 5×55\times 5 均值 → 平滑掉细节梯度、保留大结构
  5. 用(4)作为 mask 乘上(2)→ 只在大结构处保留锐化效果
  6. 结果与原图相加 → 恢复整体亮度
  7. 幂律 γ=0.5\gamma=0.5 → 提亮暗部

7 步操作,每一步都是本章的基本工具。这个流水线的意义在于:线性组合和非线性变换交错,前者调整强度,后者调整选择性。这也是"数字图像处理"作为一门工程学科的典型面貌——不追求单个算法完美,而是流水线整体可用。

7. 边界处理​

模板贴到图像边缘时,一部分邻居坐标超出图像范围。处理方式有几种:

方式做法副作用
零填充越界值填 0边缘会变暗
复制填充越界值等于最近的边界像素边缘方向被复制
镜像关于边界翻折常用,工件最小
循环用另一侧的像素假设图像周期,Fourier 域天然如此
有效模式输出比输入小 (m−1)×(n−1)(m-1)\times(n-1)尺寸不一致

深度学习里 padding='same' 一般是零填充,训练时网络会学着补偿边缘偏差。经典 DIP 更常用镜像。

8. 空间域和频率域的关系​

本章的所有滤波器都可以用频率域理解——空间域卷积等价于频率域乘法(卷积定理)。均值滤波对应低通、拉普拉斯对应高通、双边滤波在频率域没有简洁表达(非线性)。

为什么空间域还值得学?

  • 小模板(3×33\times 3、5×55\times 5)在空间域计算比 FFT 快
  • 非线性滤波器只能在空间域实现
  • 直观:知道每个权重意味着什么

大模板(比如 65×6565\times 65 高斯)就该去频率域。经验界限大约在核尺寸 ≥15\geq 15 时 FFT 划算。