图像的点运算及代数运算_图像代数运算-CSDN博客

本文链接：https://blog.csdn.net/2402_87490410/article/details/147029309

一、点运算（灰度变换）

点运算是指对图像中每个像素的灰度值独立进行变换，输出像素值仅依赖于输入像素值，与周围像素无关。

1. 线性变换

原理

公式：g(x,y) = α·f(x,y) + β

α控制对比度（α>1增强，α<1减弱）

β控制亮度（β>0变亮，β<0变暗）

import cv2
import numpy as np
import matplotlib.pyplot as plt
import os

# 1. 正确读取图像
file_path = r'C:\MyDip\1.jpg'  # 确保路径正确
img = cv2.imread(file_path, 0)  # 0表示灰度模式

if img is None:
    print("错误：无法加载图像，请检查：")
    print(f"1. 文件路径是否正确: {file_path}")
    print(f"2. 文件是否存在: {os.path.exists(file_path)}")
    print(f"3. 文件是否损坏")
    print("当前工作目录:", os.getcwd())
else:
    # 2. 图像处理
    alpha = 1.5  # 对比度系数
    beta = 50  # 亮度增量

    # 线性变换
    linear_trans = np.clip(alpha * img + beta, 0, 255).astype(np.uint8)

    # 3. 显示结果
    plt.figure(figsize=(10, 5))
    plt.subplot(121), plt.imshow(img, cmap='gray'), plt.title('Original')
    plt.subplot(122), plt.imshow(linear_trans, cmap='gray'), plt.title('Linear Transform')
    plt.show()

2. 非线性变换

2.1 对数变换

# 对数变换
c = 42
log_trans = np.clip(c * np.log1p(img), 0, 255).astype(np.uint8)

2.2 伽马变换

# 伽马变换
gamma = 0.5
gamma_trans = np.clip(255 * (img/255)**gamma, 0, 255).astype(np.uint8)

二、代数运算

代数运算是指两幅或多幅图像之间进行像素级的加减乘除运算。

1. 图像加法

import numpy as np
import cv2
import matplotlib.pyplot as plt
from torchvision.transforms.v2 import GaussianNoise
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 关键设置
plt.rcParams['axes.unicode_minus'] = False
 
img=cv2.imread('C:\MyDip\1.jpg',0)
img=np.array(img)
img.flags.writeable=True
img=img/255.0
noise_transform=GaussianNoise(0.1,0.05)#初始化噪声变换器，均值和标准差
img_n=noise_transform(img)#返回处理后的图像，用实例解决
plt.subplot(131)
plt.imshow(img,'gray')
plt.title('原图')
plt.subplot(132)
plt.imshow(img_n,'gray')
plt.title('带噪声图片')
k=np.zeros([img.shape[0],img.shape[1]])
for i in range(100):
    noise_transform1=GaussianNoise(0,0.05)#初始化噪声变换器，均值和标准差
    j=noise_transform1(img)#返回处理后的图像，用实例解决
    k=k+j
k=k/100
plt.subplot(133)
plt.imshow(k,'gray')
plt.title('去噪后图片')
plt.show()

2. 图像减法

import numpy as np
import cv2
import matplotlib.pyplot as plt
from torchvision.transforms.v2 import GaussianNoise
 
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 关键设置
plt.rcParams['axes.unicode_minus'] = False
 
img=cv2.imread('C:\MyDip\1.jpg',0)
img=img/255.0
noise_transform=GaussianNoise(0.1,0.05)#初始化噪声变换器，均值和标准差
img_n=noise_transform(img)#返回处理后的图像，用实例解决
K=img_n-img
plt.subplot(131)
plt.imshow(img_n,'gray')
plt.title('有噪图像')
plt.subplot(132)
plt.imshow(img,'gray')
plt.title('原始图像')
plt.subplot(133)
plt.imshow(K,'gray')
plt.title('提取的噪声')
plt.show()

3.图像乘法

import numpy as np
import cv2
import matplotlib.pyplot as plt
 
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 关键设置
plt.rcParams['axes.unicode_minus'] = False
 
img=cv2.imread('C:\MyDip\1.jpg',0)
img1=cv2.multiply(1.2,img)#亮度增强
img2=cv2.multiply(2,img)
plt.subplot(131)
plt.imshow(img,'gray')
plt.title('原始图片')
plt.subplot(132)
plt.imshow(img1,'gray')
plt.title('乘以 1.2')
plt.subplot(133)
plt.imshow(img2,'gray')
plt.title('乘以 2')
plt.show()

4.图像除法

import numpy as np
import cv2
import matplotlib.pyplot as plt
 
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 关键设置
plt.rcParams['axes.unicode_minus'] = False
 
img=cv2.imread('C:\MyDip\1.jpg',0)
img1=cv2.divide(img,2)#像素值除以2，自动处理数据类型和溢出
img2=cv2.divide(img,4)
img3=cv2.divide(img,8)
plt.subplot(141)
plt.imshow(img,'gray',vmin=0,vmax=255)#vmin：将数组中的最小值 0 映射为纯黑色,vmax：将数组中的最大值 255 映射为纯白色
plt.title('原始图像')
plt.subplot(142)
plt.imshow(img1,'gray',vmin=0,vmax=255)
plt.title('除以 2')
plt.subplot(143)
plt.imshow(img2,'gray',vmin=0,vmax=255)
plt.title('除以 4')
plt.subplot(144)
plt.imshow(img3,'gray',vmin=0,vmax=255)
plt.title('除以 8')
plt.show()