好吧,学弟学妹们,我能帮上的就这么点了
对数变换确实能够扩展低值灰度，而压缩高值灰度，使低值灰度的图像细节更容易看清。
(3)指数变换
指数变换可以扩展低值灰度，压缩高值灰度，也可以扩展高值灰度，压缩低值灰度，但是由于与人的视觉特性不太相同，因此不常采用。
2. Gamma校正
Gamma校正也是数字图像处理中常用的图像增强技术。Imadjust函数中的gamma因子即是这里所说的Gamma校正的参数。Gamma因子的取值决定了输入图像到输出图像的灰度映射方式，即决定了增强低灰度还是增强高灰度。当Gamma等于1时，为线性变换。
假定原图像f(x,y)的灰度范围为[a,b]，变换后的图像g(x,y)的灰度范围线性的扩展至[c,d]，则对于图像中的任意一点的灰度值P(x,y)，变换后为g(x,y)，其数学表达式如下所示[6]：
g(x,y) (d c)/(b a) [f(x,y) a] c
若图像中大部分像素的灰度级分布在区间[a,b]内，max f为原图的最大灰度级，只有很小的一部分的灰度级超过了此区间，则为了改善增强效果，可以令
在曝光不足过着过度的情况下，图像的灰度可能会局限在很小的范围内，这时得到的图像可能是一个没有灰度层次的图像。采用线性变换对图像中每一个像素灰度做线性拉伸，能有效改善图像视觉效果。
3.4 平滑滤波
平滑技术用于平滑图像中的噪声。平滑噪声可以在空间域中进行，基本方法是求像素灰度的平均或中值。为了既平滑噪声又保护图像信号，也有一些改进的技术，比如在频域中运用低通滤波技术。
1.线性滤波
输出图像的值等于输入图像滤波后值的局部平均，各个项具有相同的权。下面是平滑窗口分别为矩形和圆形的情况。
对一些图像进行线性滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。
邻域平均法是空间域平滑噪声技术。用一像素邻域内各像素灰度平均值来代替该像素原来的灰度，即是邻域平均技术。
另外，频域处理的基础是频域滤波，例如，理想的低通滤波器：
H(U,V)= {0 D（u，v）≥D0}
其中D(u,v)=［(U-M/2)2=(V-N/2)2］1/2 错误！未找到引用源。
1 D（u，v）≤D0