前面几篇文章介绍的是图画的空间域滤波，其对像素的处理都是依据像素的某一邻域进行的。本文介绍的图画的灰度改换则不同，其对像素的核算只是依赖于当时像素和灰度改换函数。
灰度改换也被称为图画的点运算（只针对图画的某一像素点）是一切图画处理技能中最简略的技能，其改换方式如下：
s = T ( r )
其间，T 是灰度改换函数；r 是改换前的灰度；s 是改换后的像素。
图画灰度改换的有以下作用：
• 改进图画的质量，使图画能够显现更多的细节，进步图画的对比度（对比度拉伸）
• 有挑选的杰出图画感兴趣的特征或许按捺图画中不需要的特征
• 能够有用的改动图画的直方图散布，使像素的散布更为均匀
常见的灰度改换
灰度改换函数描绘了输入灰度值和输出灰度值之间改换联系，一旦灰度改换函数确认下来了，那么其输出的灰度值也就确认了。可见灰度改换函数的性质就决议了灰度改换所能到达的作用。
用于图画灰度改换的函数主要有以下三种：
• 线性函数 （图画回转）
• 对数函数:对数和反对数改换
• 幂律函数：n次幂和n次开方改换
上图给出了几种常见灰度改换函数的曲线图，依据这几种常见函数的曲线形状，能够知道这几种改换的所能到达的作用。例如，对数改换和幂律改换都能完成图画灰度级的扩展/紧缩，别的对数改换还有一个重要的性质，它能紧缩图画灰度值改换较大的图画的动态规模（例如，傅立叶改换的频谱显现）。
线性改换
令 r 为改换前的灰度，s为改换后的灰度，则线性改换的函数：
s = a ⋅ r + b
其间，a 为直线的斜率，b 为在 y 轴的截距。挑选不同的 a，b 值会有不同的作用：
• a > 1，添加图画的对比度
• a < 1，减小图画的对比度
• a = 1 且 b ≠ 0，图画全体的灰度值上移或许下移，也便是图画全体变亮或许变暗，不会改动图画的对比度。
• a < 0 且 b = 0，图画的亮区域变暗，暗区域变亮
• a = 1 且 b = 0，稳定改换，不变
• a = −1 且 b = 255，图画回转。
在进行图画增强时，上述的线性改换函数用的较多的便是图画回转了，依据上面的参数，图画回转的改换函数为：s = 255 − s。图画回转得到的是图画的负片，能够有用的增强在图画暗区域的白色或许灰色细节。其作用如下：
图画回转的完成是比较简略的，在 OpenCV 中有对 Mat 的运算符重载，能够直接 Mat r = 255 – img 或许 ~img 来完成。
对数改换
对数改换的通用公式是：
s = clog ( 1 + r )
其间，c 是一个常数，，假定 r ≥ 0，依据上图中的对数函数的曲线能够看出：对数改换，将源图画中规模较窄的低灰度值映射到规模较宽的灰度区间，一起将规模较宽的高灰度值区间映射为较窄的灰度区间，然后扩展了暗像素的值，紧缩了高灰度的值，能够对图画中低灰度细节进行增强。；从函数曲线也能够看出，反对数函数的曲线和对数的曲线是对称的，在应用到图画改换其成果是相反的，反对数改换的作用是紧缩灰度值较低的区间，扩展高灰度值的区间。
依据 OpenCV 的完成，其对数改换的代码如下：
float pixels[256]; for (int i = 0; i < 256; i++) pixels[i] = log(1 + i); Mat imageLog(image.size(), CV_32FC3); for (int i = 0; i < image.rows; i++) { for (int j = 0; j < image.cols; j++) { imageLog.at(i, j)[0] = pixels[image.at(i, j)[0]]; imageLog.at(i, j)[1] = pixels[image.at(i, j)[1]]; imageLog.at(i, j)[2] = pixels[image.at(i, j)[2]]; } } //归一化到0~255 normalize(imageLog, imageLog, 0, 255, CV_MINMAX); //转换成8bit图画显现 convertScaleAbs(imageLog, imageLog);
这运用的对数函数的底为10。因为灰度改换是灰度值之间的1对1的映射，而灰度值区间一般为[0,255]，所以在进行灰度改换时，一般运用查表法。也便是，现将每个灰度值的映射后的成果核算出来，在改换时，经过查表得到改换后的灰度值。履行上面成果得到的成果如下：
左面为原图画，其拍照环境较暗，无法分辨出许多的细节；右边为改换后的图画，整个图画亮堂许多，也能分辨出原图中处于暗区域的狗狗的更多细节。
