2024Python开发社招面试解答之性能优化，Python代码实现图像增强（线性变换，2024年五面蚂蚁

new_img2[i][j] = 255
else:
new_img2[i][j] = gray_img[i][j] * a + b

a<1: 减小了图像的对比度, 图像看起来变暗

a, b = 0.5, 0
new_img3 = np.ones((gray_img.shape[0], gray_img.shape[1]), dtype=np.uint8)
for i in range(new_img3.shape[0]):
for j in range(new_img3.shape[1]):
new_img3[i][j] = gray_img[i][j] * a + b

a=1且b≠0, 图像整体的灰度值上移或者下移, 也就是图像整体变亮或者变暗, 不会改变图像的对比度

a, b = 1, -50
new_img4 = np.ones((gray_img.shape[0], gray_img.shape[1]), dtype=np.uint8)
for i in range(new_img4.shape[0]):
for j in range(new_img4.shape[1]):
pix = gray_img[i][j] * a + b
if pix > 255:
new_img4[i][j] = 255
elif pix < 0:
new_img4[i][j] = 0
else:
new_img4[i][j] = pix

a=-1, b=255, 图像翻转

new_img5 = 255 - gray_img

cv2.imshow(‘origin’, imutils.resize(image, 800))
cv2.imshow(‘gray’, imutils.resize(gray_img, 800))
cv2.imshow(‘a<0 and b=0’, imutils.resize(new_img1, 800))
cv2.imshow(‘a>1 and b>=0’, imutils.resize(new_img2, 800))
cv2.imshow(‘a<1 and b>=0’, imutils.resize(new_img3, 800))
cv2.imshow(‘a=1 and b><0’, imutils.resize(new_img4, 800))
cv2.imshow(‘a=-1 and b=255’, imutils.resize(new_img5, 800))
if cv2.waitKey(0) == 27:
cv2.destroyAllWindows()

效果：

2. 对比度拉伸

代码：

import cv2
import imutils
import numpy as np

image = cv2.imread(‘E:/city.PNG’)

image = cv2.imread(‘E:/city.PNG’)
gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

在灰度图进行分段线性对比度拉伸

此种方式变换函数把灰度级由原来的线性拉伸到整个范围[0, 255]

r_min, r_max = 255, 0
for i in range(gray_img.shape[0]):
for j in range(gray_img.shape[1]):
if gray_img[i, j] > r_max:
r_max = gray_img[i, j]
if gray_img[i, j] < r_min:
r_min = gray_img[i, j]
r1, s1 = r_min, 0
r2, s2 = r_max, 255

precewise_img = np.zeros((gray_img.shape[0], gray_img.shape[1]), dtype=np.uint8)
k1 = s1 / r1
k3 = (255 - s2) / (255 - r2)
k2 = (s2 - s1) / (r2 - r1)
for i in range(gray_img.shape[0]):
for j in range(gray_img.shape[1]):
if r1 <= gray_img[i, j] <= r2:
precewise_img[i, j] = k2 * (gray_img[i, j] - r1)
elif gray_img[i, j] < r1:
precewise_img[i, j] = k1 * gray_img[i, j]
elif gray_img[i, j] > r2:
precewise_img[i, j] = k3 * (gray_img[i, j] - r2)

cv2.imshow(‘origin image’, imutils.resize(image, 480))
cv2.imshow(‘gray image’, imutils.resize(gray_img, 480))
cv2.imshow(‘precewise image’, imutils.resize(precewise_img, 480))
if cv2.waitKey(0) == 27:
cv2.destroyAllWindows()

效果：

3. 灰度级分层

代码：

import cv2
import imutils
import numpy as np

在某一范围(A, B)突出灰度，其他灰度值保持不变

image = cv2.imread(‘E:/city.PNG’)
gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

r_left, r_right = 150, 230
r_min, r_max = 0, 255
level_img = np.zeros((gray_img.shape[0], gray_img.shape[1]), dtype=np.uint8)
for i in range(gray_img.shape[0]):
for j in range(gray_img.shape[1]):
if r_left <= gray_img[i, j] <= r_right:
level_img[i, j] = r_max
else:
level_img[i, j] = gray_img[i, j]

cv2.imshow(‘origin image’, imutils.resize(image, 480))
cv2.imshow(‘level image’, imutils.resize(level_img, 480))
if cv2.waitKey(0) == 27:
cv2.destroyAllWindows()

效果：

4. 幂律变换

代码：

import math
import numpy as np
import cv2
import imutils

#幂律变换 φ>1

# image = cv2.imread(‘E:/1.png’)

image = cv2.imread(‘E:/1.png’)
gamma_img1 = np.zeros((image.shape[0], image.shape[1], 3), dtype=np.float32)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
gamma_img1[i, j, 0] = math.pow(image[i, j, 0], 5)
gamma_img1[i, j, 1] = math.pow(image[i, j, 1], 5)
gamma_img1[i, j, 2] = math.pow(image[i, j, 2], 5)
cv2.normalize(gamma_img1, gamma_img1, 0, 255, cv2.NORM_MINMAX)
gamma_img1 = cv2.convertScaleAbs(gamma_img1)
cv2.imshow(‘image’, imutils.resize(image, 400))
cv2.imshow(‘gamma1 transform’, imutils.resize(gamma_img1, 400))
if cv2.waitKey(0) == 27:
cv2.destroyAllWindows()

#幂律变换，φ<1

image = cv2.imread(‘E:/1.png’)

image = cv2.imread(‘E:/city.png’)
gamma_img2 = np.zeros((image.shape[0], image.shape[1], 3), dtype=np.float32)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
gamma_img2[i, j, 0] = math.pow(image[i, j, 0], 0.4)
gamma_img2[i, j, 1] = math.pow(image[i, j, 1], 0.4)
gamma_img2[i, j, 2] = math.pow(image[i, j, 2], 0.4)
cv2.normalize(gamma_img2, gamma_img2, 0, 255, cv2.NORM_MINMAX)
gamma_img2 = cv2.convertScaleAbs(gamma_img2)
cv2.imshow(‘image’, imutils.resize(image, 400))
cv2.imshow(‘gamma2 transform’, imutils.resize(gamma_img2, 400))
if cv2.waitKey(0) == 27:
cv2.destroyAllWindows()

效果：

5. 阈值处理

代码：

import cv2
import imutils
import numpy as np

image = cv2.imread(‘E:/1.png’)
gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#阈值处理函数：当r1=r2, s1=0, s2=L-1时，此时分段线性函数便是阈值处理函数

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-KXZOuOi5-1712395902644)]