图像的基本运算（Python）

• 概述

图像处理运算可以分为点运算、代数运算、逻辑运算和几何运算

• 点运算 

直接对每个像素点的灰度值按照一定关系进行运算，有规律改变像素点的灰度值，可用于提升图像的对比度，起放大图像细节的效果。

1. 线性点运算

   ---

   函数形式：

   s代表输入图像像素值，a运算系数，b为常数

   （1） 如果a=1且b=0，则t=s，即输入图像与输出图像相同。如果a=1且b≠0，则输出图像的灰度值上移或下移，整个图像在显示会更亮或更暗。

   （2）如果a>1，则输出图像对比度增大，输出图像显示效果较输入图像会更亮。（图像的灰度值变大，图像更亮）

   （3）如果a<1，则输出图像对比度降低，输出图像显示效果较输入图像会更暗。

   （4）如果a<0，即a为负值，则原输入图像的暗区域将变亮,亮区域将变暗。

   参考代码：

   ​
   import cv2 as cv
   import matplotlib.pyplot as plt
   
   image = cv.imread(' --------')  # 读取输入图像
   image2 = image / 255  # 输入换成double类型
   # 如果输入图像是unit8,unit16或者是二值的logical类型，则函数im2double将其值归一化到0～1之间。
   a = 2.5
   b = -70
   J = a * image2 + b / 255  # 增加对比度
   c = 0.7
   d = -30
   K = c * image2 + d / 255  # 减小对比度
   e = 1
   f = 70
   L = e * image2 + f / 255  # 线性增加亮度
   g = -1
   h = 255
   P = g * image2 + h / 255  # 图像反色
   cv.imshow('原图像', image2)
   cv.imshow('增加对比度', J)
   cv.imshow('减小对比度', K)
   cv.imshow('线性平移增加亮度', L)
   cv.imshow('图像反色', P)
   cv.waitKey()
   
   ​

2. 非线性点运算

   ---

   1.对数变换                                                                                                                                  函数形式：                                                                                                     c为尺度比例常数，s为输入图像灰度值，t为变换后的输出图像灰度值。                                 

   观察图像可知此变换对于灰度值小的点斜率很高，灰度值大的点斜率很低，可以应用与将图想暗区域变亮，扩展被压缩的较暗像素。（参考代码对应图片一起放指数变换下面了）

   2.指数变换    （伽马变换）                                                                                                           函数形式：

   （1）当γ <1时，效果和对数变换相似，放大暗处细节，压缩亮处细节，随着数值减少，效果越强。

   （2）当γ >1时，放大亮处细节，压缩暗处细节，随着数值增大，效果越强。                  （3）当γ =1时，t = cs，这操作的得到的输出图像是线性的。   

   ---

                    指数变换参考代码：

   import cv2 as cv
   import numpy as np
   
   # 伽马变换增强对比度
   in_image = cv.imread('E:/image/firework.jpg', cv.IMREAD_GRAYSCALE)
   # 图像归一化（压缩BGR范围到0至1）
   fI = in_image / 255.0
   # 伽马变化
   gamma = 0.1
   out_image = np.power(fI, gamma)
   # 显示原图和伽马变化后的效果
   cv.imshow('IN', in_image)
   cv.imshow('OUT', out_image)
   cv.waitKey(0)
   cv.destroyAllWindows()

   由图像可知γ = 0.1和知数变换类似，但由于我选的γ值过小效果更加明显，可见原图像（右图）的更加暗区域清晰，当γ = 3反之。                      

   

   γ = 3

                                

   

   γ = 0.1

       对数变换参考代码：由图像可以知道通过对数运算后，天空部分（暗部分）更加清晰，烟花（亮部分）被弱化了

   import cv2 as cv
   import copy
   import math
   
   # 以灰度图形式读入原始图像
   img = cv.imread('E:/image/firework.jpg', 0)
   # 对数变换
   log = copy.deepcopy(img)
   rows = img.shape[0]
   cols = img.shape[1]
   for i in range(rows):
       for j in range(cols):
           log[i][j] = 10 * math.log(1 + log[i][j])
   
   # 通过窗口展示图片 第一个参数为窗口名 第二个为读取的图片变量
   
   cv.imshow('log', log)
   # 变换后的图片生成新文件并保存
   cv.imwrite('E:/image/firework2.jpg', log)
   cv.waitKey(0)
   cv.destroyAllWindows()
   

   

   原图像

   

   灰度图

   

   标题对数变换后

• 代数运算

        主要应用：消除或降低加性噪声（图像增强），图案，检测两副图像之间的变化，检测物体的运动等。

• ---

  加法运算                                                                                                                                    数学表达式S(x,y)=A(x,y)+B(x,y)

  实现两幅图像的叠加效果和平均值降噪 （同一图像多次相加求平均）                                    图像叠加参考代码:                                                                                                                      图像平均值降噪参考代码：

• ---

  减法运算

  ---

  乘法运算

  ---

  除法运算

  ---

• 逻辑运算

• 几何运算