简述灰度变换的目的和用途，有哪些实现方法
灰度变换是为了简化信息，便于进行进一步对图像进行处理。
实现方法：图像反转，对数变换，伽马变换
线性灰度变换
灰度的线性变换就是将图像中所有的点按照线性灰度变换函数进行变换。
该线性灰度变换函数f(x)是一个一维线性函数： f(x)=fA*x+fB灰度变换方程为： D2=f(D1)=fA*D+fB式中参数fA为线性函数的斜率，fB为线性函数的在y轴上的截距，D1为输入图像的灰度，D2为输出的图像灰度。
当fA>1时，输出的图像的对比度增大；当fA<1时，输出图像的对比度将减小；当fA=1且fB
=0时，操作仅仅使所有像素的灰度值上移或下移，其效果是使整个图像更亮或更暗；特殊情况下，如果fA=1，fB=0时，输出图像和输入图像相同；当fA=-1，fB=255时，输出图像的灰度正好反转。
数字图像处理中，灰度的指数变换和对数变换分别有什么有
根据图像曲线来看两者差别不大，具体差别主要在对数变换变化的灰度值范围较大，可以压缩像素值跨度大的图像，而且不同的变化走向需要对数和反对数变换两组变换才能完成，幂律变换只需要一个公式即可通用实现这个功能，只要变化伽马值就可以，而且伽马等于1时变换变成了恒等变换。
参见《数字图像处理》冈萨雷斯版。
简述灰度 简述灰度 变换 的目的和用途，有哪些实现方法
灰度变换是为了简化信息，比如彩色图有三色值以及通明度等，但是灰度化以后就只剩下一个灰度值了（其实也就是三色值相等），这样便于进行进一步处理。
当然，灰度化并不影响图像的轮廓灯主要信息，只是去除了彩色信息
小波变换，灰度变换，平滑处理的概念，优点和特点
小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，通过物理的直观和信号处理的实际需要经验的建立了反演公式，当时未能得到数学家的认可。
正如1807年法国的热学工程师J.B.J.Fourier提出任一函数都能展开成三角函数的无穷级数的创新概念未能得到??名数学家J.L.Lagrange，P.S.Laplace以及A.M.Legendre的认可一样。
幸运的是，早在七十年代，A.Calderon表示定理的发现、Hardy空间的原子分解和无条件基的深入研究为小波变换的诞生做了理论上的准备，而且J.O.Stromberg还构造了历史上非常类似於现在的小波基；1986年??名数学家Y.Meyer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的同意方法??多尺度分析之后，小波分析才开始蓬勃发展起来，其中比利时女数学家I.Daubechies撰写的《小波十讲（Ten Lectures on Wavelets）》对小波的普及起了重要的推动作用。
它与Fourier变换、视窗Fourier变换（Gabor变换）相比，这是一个时间和频率的局网域变换，因而能有效的从信号中提取资讯，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题，从而小波变化被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进展。
灰度变换图像增强技术应用于哪些领域?发展现状和进展如何
影响系统图像清晰程度的因素很多，图像质量降低了，轻者表现为图像不干净，难于看清细节；重者表现为图像模糊不清，连概貌也看不出来。
因此，在对图像进行分析之前，必须要对图像质量进行改善。
图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择的突出，而衰减不需要的特征，它的目的主要是提高图像的可懂度。
由此可知，其应用领域广泛，需要对图像有一定要求的地方都会希望使用这类技术。
如医学、机器视觉、公安、国防、航空航天、测绘等等。
matlab 灰度变换函数
彩灰度图 rgb2gray 已知变换曲线的话 直接将原始图的灰度值代入式进行变换即可 注意的是图形数据类型 I = imread('E:\\\\Fig1a.jpg'); [d1,d2,d3] = size(I); if(d3 > 1) I = rgb2gray(I);%如果是灰度图就不用先变换 end I = double(I) \\\/ 255; I1 = uint8(255 * I * 0.5 + 0.5);imshow(I1);imwrite(I,'test.jpg')
