图像处理 | 灰度线性变换与非线性变化

最新推荐文章于 2024-09-01 12:29:26 发布

啊泽泽泽zz

最新推荐文章于 2024-09-01 12:29:26 发布

阅读量1.1w

点赞数 10

分类专栏：图像处理文章标签： opencv python 图像识别

本文链接：https://blog.csdn.net/Awwwze/article/details/105696472

版权

本文介绍了图像处理中的灰度线性变换和非线性变换，包括灰度上移、对比度增强、减弱及反色等操作，并通过Python和OpenCV实现。此外，还探讨了Gamma和对数变换在调整图像对比度和细节上的应用。

摘要由CSDN通过智能技术生成

一、灰度线性变换

图像的灰度线性变换是通过建立灰度映射来调整原始图像的灰度，从而改善图像的质量，凸显图像的细节，提高图像的对比度。灰度线性变换的计算公式如下所示

g(x)=αf(x)+β

（1）图像灰度上移变换：DB=DA + 50
（2）图像对比度增强变换：DB=DA * 1.5
（3）图像对比度减弱变换：DB=DA * 0.8
（4）图像灰度反色变换：DB=255 - DA

注意：由于图像的灰度值位于 0 至 255 区间之内，所以需要对灰度值进行溢出判断

有以下几种情况：
<1>当 α=1，b=0 时，保持原始图像
<2>当 α=1，b!=0 时，图像所有的灰度值上移或下移-----------（提升图像的亮度）
<3>当 α=-1，b=255 时，原始图像的灰度值反转
<4>当 α>1 时，输出图像的对比度增强
<5>当 0<α<1 时，输出图像的对比度减小
<6>当 α<0 时，原始图像暗区域变亮，亮区域变暗，图像求补

下面看具体的代码演示：

示例1：图像灰度上移变换

图像的所有灰度值上移 50，图像变得更白了。
注意：纯黑色对应的灰度值为 0，纯白色对应的灰度值为 255

import cv2
import numpy as np
from matplotlib import pyplot as plt

img=cv2.imread("lena.png")
grayImg=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#获取图像的高和宽
grayImg_height=grayImg.shape[0]
grayImg_width=grayImg.shape[1]

#创建新图像
newImg_move=np.zeros((grayImg_height,grayImg_width),np.uint8)#上移

#DB=DA+50 上移
for i in range(grayImg_height):
    for j in range(grayImg_width):
        if(int(grayImg[i,j]+50)>255):# 溢出判断
            gray=255
        else:
            gray=int(grayImg[i,j]+50)

        newImg_move[i,j]=np.uint8(gray)

plt.rcParams['font.sans-serif']=['SimHei']#解决中文乱码问题

#原始图像
img0=plt.subplot(1,2,1)
img0.set_title("原始图像")
plt.imshow(grayImg,cmap="gray")
plt.xticks([])
plt.yticks([])

# newImg_move 上移
img1=plt.subplot(1,2,2)
img1.set_title("灰色上移变换")
plt.imshow(newImg_move,cmap="gray")
plt.xticks([])
plt.yticks([])

plt.show()
cv2.waitKey(0)

运行结果：
在这里插入图片描述

示例2：图像对比度增强变换

import cv2
import numpy as np
from matplotlib import pyplot as plt

img=cv2.imread("lena.png")
grayImg=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#获取图像的高和宽
grayImg_height=grayImg.shape[0]
grayImg_width=grayImg.shape[1]

#创建新图像
newImg_increase=np.zeros((grayImg_height,grayImg_width),np.uint8)#对比度增强

# DB=DA*1.5 对比度增强
for i in range(grayImg_height):
    for j in