python图像处理：图像灰度非线性变换

最新推荐文章于 2023-10-06 16:29:31 发布

心_kokoro

最新推荐文章于 2023-10-06 16:29:31 发布

阅读量1.8k

点赞数 1

分类专栏：图像处理文章标签：计算机视觉 opencv python

本文链接：https://blog.csdn.net/Mikumiku339/article/details/112689228

版权

图像处理专栏收录该内容

16 篇文章

订阅专栏

本文介绍了图像处理中三种常见的灰度非线性变换：平方变换、对数变换和伽马变换。通过示例代码展示了如何使用Python的numpy库对图像进行这些变换，以改变图像的亮度和对比度。平方变换用于降低亮度并增强亮部对比度；对数变换则在增强暗部对比度的同时提高亮度；伽马变换则能增强亮部对比度，适用于阳光下的照片处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

平方变换

将灰度进行平方再除以255，用于

降低图像亮度
增强亮部对比度
减缓暗部对比度

对比度可以看作灰度的斜率
在这里插入图片描述

对数变换

在这里插入图片描述
将灰度取对数再乘个常数，可以

提高图像亮度
增强暗部对比度
减缓亮部对比度

Q：为什么要加1？
A：为了确保结果是正数

比如拍了夜景图片，就可以用这个处理。

实验中我取c=46，log底数为e
因为np.log默认底数就是e, 255/np.log(256)=45.9。

在这里插入图片描述

伽马变换

在这里插入图片描述
将灰度幂一下再乘个常数，一般c都取得很小

降低图像亮度
增强亮部对比度
减缓暗部对比度

如果你再阳光下拍了个照，就可以用这个处理
在这里插入图片描述

样例

在这里插入图片描述

代码

import matplotlib
import matplotlib.pyplot as plt
import numpy as np 
import cv2 
matplotlib.rcParams['font.family'] = 'simHei'
matplotlib.rcParams['axes.unicode_minus'] = False
%matplotlib qt5
img = cv2.imread('666.png')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
rows,cols = img_gray.shape

img1 = np.ones((rows,cols),dtype = np.uint8)
img2 = np.ones((rows,cols),dtype = np.uint8)
img3 = np.ones((rows,cols),dtype = np.uint8)

#DB = (DA^2)/255
for i in range(rows):
    for j in range(cols):
        img1[i,j] = pow(img_gray[i,j],2)/255


#DB = 46*ln(DA)
for i in range(rows):
    for j in range(cols):
        img2[i,j] = np.uint8(np.log(img_gray[i,j]+1)*46)

#DB = 0.0000006031*DA^4
for i in range(rows):
    for j in range(cols):
        img3[i,j] = np.uint8(6.031e-8*pow(img_gray[i,j],4))

plt.subplot(321)
plt.title('原图')
plt.imshow(img_gray,'gray',vmin=0,vmax=255)
plt.subplot(322)
plt.imshow(img1,'gray',vmin=0,vmax=255)
plt.title('平方变换')
plt.subplot(323)
plt.title('原图')
plt.imshow(img_gray,'gray',vmin=0,vmax=255)
plt.subplot(324)
plt.title('对数变换')
plt.imshow(img2,'gray',vmin=0,vmax=255)
plt.subplot(325)
plt.title('原图')
plt.imshow(img_gray,'gray',vmin=0,vmax=255)
plt.subplot(326)
plt.title('伽马变换')
plt.imshow(img3,'gray',vmin=0,vmax=255)