✨ 第一部分：对数变换——把“爆炸”的亮度压缩成“温柔”的范围
关键字：对数变换、动态范围压缩、傅里叶频谱
🧠 初学者先想：你有没有见过一张图“亮的地方太亮，暗的地方啥也看不见”？比如拍夜景时，路灯亮得刺眼，周围黑成一片——这就是“动态范围太大”的问题。 内容详解： 📖 课本里说对数变换的公式是
g = c·log(1 + f)
（f是输入图像的灰度，c是常数）。咱们类比一下：就像把“1000ml的大桶奶茶”倒进“500ml的杯子”，得先“压缩”——对数能把
超大的数值范围（比如0到10⁶）缩小到很小的范围（比如0到14）
。 🤖 举个实践例子：傅里叶频谱（一种图像分析工具）的数值范围经常是0到10⁶，直接显示的话，只有最亮的点能看见（像图2.5(a)那样黑乎乎只剩一个白点）。但用对数变换后，就能把细节都“挤”出来（图2.5(b)能看到纹理啦）！ 💻 代码怎么写？课本里给了MATLAB代码，咱们拆解给初学者：
% 步骤1：把图像转成浮点型（因为对数计算需要小数）
f_double = double(f);
% 步骤2：做对数变换（+1是避免log(0)出错）
log_result = log(1 + f_double);
% 步骤3：把结果缩放到0-1之间（mat2gray的作用），再转成8位图像（0-255）
g = im2uint8(mat2gray(log_result));
% 步骤4：显示结果
imshow(g);
☁️ 复杂情况：如果图像里有负数（比如某些处理后的结果），得先把数值“平移”到正数范围，再做对数变换哦！
👐 第二部分：对比度拉伸变换——让“模糊”的图像变“通透”
关键字：对比度拉伸、阈值化、S型曲线
🧠 初学者再想：你有没有拍过“灰蒙蒙”的照片，人像和背景糊在一起？对比度拉伸就是给图像“开美颜”——让暗的更暗、亮的更亮，把细节分开！ 内容详解： 📖 课本里的对比度拉伸公式是
s = T(r) = 1 / [1 + (m/r)^E]
（r是输入灰度，m是中间灰度，E控制曲线斜率）。看一下图2.4(a)的S型曲线： → 当r比m小（暗部）：(m/r)很大，分母很大，s接近0（更暗）； → 当r比m大（亮部）：(m/r)很小，分母接近1，s接近1（更亮）； 这样就把“挤在一起的灰度”拉开了，图像对比度直接拉满！ 🤖 极端情况：如果E特别大（比如E=20），曲线会变成“直角”——这就是
阈值化（图2.4(b)）
：暗部直接变0，亮部直接变1，图像变成黑白二值图（比如把文字从背景里抠出来）。 💻 代码实践（MATLAB）：
% 假设m是图像的平均灰度，E设为5（可调整）
m = mean2(double(f)); % 计算图像平均灰度
E = 5;
% 做对比度拉伸（注意f不能为0，否则m/r会出错）
g = 1 ./ (1 + (m ./ double(f)).^E);
% 转成8位图像并显示
g = im2uint8(mat2gray(g));
imshow(g);
☁️ 现实应用：拍医学影像（比如X光片）时，经常用对比度拉伸让病灶（暗的或亮的区域）更明显；监控摄像头的“夜视增强”功能，核心也是类似的变换！
🎯 总结：这俩变换咋选？
→ 当图像“数值范围太大，细节挤在一起”：用对数变换压缩范围； → 当图像“灰蒙蒙，对比度低”：用对比度拉伸拉开层次； 就像调奶茶：太甜了加冰（对数压缩），没味道了加糖（对比度拉伸）——最终都是为了“好喝”（好看）！