什么是空间域和频率域处理图像方面的

二者可以通过傅里叶变换，因为在频率域就是一些特性比较突出，容易处理。比如在空间图像里不好找出噪声的模式，如果变换到频率域，则比较好找出噪声的模式，并能更容易的处理。具体名词解释如下：

空间域　英文：

spatial

domain。

释文：

又称图像空间(image

space)。由图像像元组成的空间。在图像空间中以长度(距离)为自变量直接对像元值进行处理称为空间域处理。

空间频率域。

英文：

spatial

frequency

domain。

释文：

以空间频率(即波数)为自变量描述图像的特征,可以将一幅图像像元值在空间上的变化分解为具有不同振幅、空间频率和相位的简振函数的线性叠加,图像中各种空间频率成分的组成和分布称为空间频谱。这种对图像的空间频率特征进行分解、处理和分析称为空间频率域处理或波数域处理。

二者关系：

空间域与空间频率域可互相转换。在空间频率域中可以引用已经很成熟的频率域技术,处理的一般步骤为：①对图像施行二维离散傅立叶变换或小波变换,将图像由图像空间转换到频域空间。②在空间频率域中对图像的频谱作分析处理,以改变图像的频率特征。即设计不同的数字滤波器,对图像的频谱进行滤波。频率域处理主要用于与图像空间频率有关的处理中。如图像恢复、图像重建、辐射变换、边缘增强、图像锐化、图像平滑、噪声压制、频谱分析、纹理分析等处理和分析中。须注意,空间频率(波数)的单位为米

-l或(毫米)-1等。

空间域处理主要分为灰度变换和空间滤波两类：

其中，r代表处理前的像素值，s代表处理后的像素值，[0,L-1]表示灰度级范围。

图像反转的用途：

其中，r代表处理前的像素值，s代表处理后的像素值，c代表一个常数，如下所示为对数变换以及一些基本灰度变换的函数曲线：

对数变换的用途：

由于幂律变换中的指数常称为gamma，所以幂律变换也被称为伽马变换。

其中，r代表处理前的像素值，s代表处理后的像素值，c和γ为正常数，如下所示为幂律变换的函数曲线：

幂律变换的用途：

对比度拉伸是扩展图像灰度级动态范围的处理，如下图所示是一个用于对比度拉伸的典型变换。

灰度级分层用于突出图像中特定灰度范围的亮度，其主要实现方式有两种：

像素其实质是由比特组成的数字，比如在8位灰度图像中，每个像素的灰度是由8比特（1字节）组成。也就是说，一幅8比特图像可以看成是由8个1比特平面组成，如下图所示：

如下图所示为一幅8比特的灰度图像，以及它的8个比特平面：

设原图像中某个像素的坐标值是(x,y)，f(x,y)表示该像素的某种表征的值。比如设原图为一个灰度图，而f(x,y)可表示为(x,y)处的灰度值。

假设该点灰度值为220，则f(x,y)=220

T表示对f(x,y)进行一个操作，比如T(f(x,y)) = f(x,y)+20，就是对各像素的灰度值+20

g(x,y)就是结果图像中位于坐标(x,y)的结果值。

本例中，g(x,y)=240

---