开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第二十一天，点击查看活动详情
总结：此文为12月更文计划第二十一天第三十六篇。
图像增强
在深度学习的过程中，数据集的处理可能需要对图像进行处理，掌握图像处理的基本知识对以后的学习非常有用。
1.图像增强的定义
根据图像特点和处理的目的进行修正，得到更好或者更有用的图像
好：主要是改善图像的视觉效果，提高图像的清晰度，对比度等。
有用：将图像转化为一种更适合人类或者机器进行分析处理的形式，使得图像在做实验中得到的效果更好。
2.图像增强的目的
并不能增加原始图像的信息，只能提升对某些信息的辨识能力，并且这种处理可能造成其他信息部分的丢失
图像增强是为了某种应用目的去改善图像质量，处理的结果更适用于人的视觉特点或机器识别
3.影响图像质量的常见因素
图像在生成，传输以及变换的过程中，受到光源。成像系统以及通道带宽和噪声等诸多因素，可能会出现对比度偏低，动态范围不足，清晰度下降以及包含明显噪声等降质现象。
4.图像增强的方法
图像增强的方法根据作用域可分为空间域方法和频率域方法
空间域法是指在图像空间域内直接对像素灰度值进行运算处理，常用的灰度变换，直方图修正，模板卷积，伪彩色处理等。
频率域法就是在图像的某种变换域内，对图像的变换值进行增强处理，然后通过逆变换获得增强图像，是一种间接处理方法。（傅里叶变换，f（u,v））
根据图像的频率特征分析，一般认为整个图像的对比度和动态范围取决于图像信息的低频部分（整体部分），而图中的边缘轮廓及局部细节取决于高频部分。（陡变）
采用二位数字滤波来进行图像处理，如采用高通滤波器，有助于突出边缘轮廓和图像细节部分，而用低通滤波器可以平滑图像减少噪声。
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("img.jpg")
cv2.imshow("original",o)
plt.hist(o.ravel(),256)
cv2.waitKey()
cv2.destroyAllWindows()
显示的结果如下：
