python数字图像处理笔记15 灰度变换

灰度变换属于空域变换增强技术。

目的：
一般成像系统形成图像的亮度有限，对比度不足，使图像的视觉效果差，灰度变换即可有效地改善视觉效果。

概念：
灰度变换是一种点操作，根据原始图像中每个像素的灰度值，按照某种映射规则将其转化为另一灰度值。灰度变换可有效改善图像的视觉效果，变换原理可表示为如式所示：

式中：k为原始图像的灰度值f(x,y)，t为变换图像的灰度值g(x,y)，E()为灰度增强函数。

原理：
灰度变换原理可由图来说明，其中，图(a)为原始图像，具有两种灰度级，分别用B和W来表示；图(b)为灰度增强函数，根据函数的映射规则，原始图像的灰度值B映射为灰度值W，原始图像的灰度值W映射为灰度值B；图©为变换后的图像。

灰度变换的关键在于根据增强要求设计灰度映射规则，即设计灰度增强函数。灰度增强函数示例如图所示，其中：

图(a)将使原始图像中灰度值小于拐点值的像素在变换图像中都取拐点值，其余像素的灰度值保持不变；

图(b)将原始图像根据灰度值分为3部分，每部分变换后的灰度值都保持原来的次序且扩展为0到L-1，3部分像素的对比度都会增加；

图©将使原始图像灰度值小于L/2的像素的灰度值变得更小，原始图像灰度值大于L/2的像素的灰度值变得更大，从而增加全图的对比度；

图(d)将使原始图像灰度值小于L/2的像素的灰度值变得更大，原始图像灰度值大于L/2的像素的灰度值变得更小，从而减小全图的对比度。

典型灰度变换函数包括：比例线性变换、分段线性变换、非线性变换

比例线性变换

直接正比变换： 若原始图像为f(x,y)，变换图像为g(x,y)，最大灰度级为L-1，则直接正比变换示意图如图4-37所示，变换关系如式所示，变换将实现灰度值范围从[a,b]到[c,d]的线性变换。

截取式正比变换：
若原始图像为f(x,y)，变换图像为g(x,y)，最大灰度级为L-1，则截取式正比变换示意图，变换关系如式所示，变换将使小于灰度值a和大于灰度值b的像素压缩为c和d，结果将造成部分信息丢失。

反比变换是图像求反的技术实现基础。
图像求反是将原图像灰度值翻转，即使黑变白，使白变黑。普通黑白底片和照片的关系就是这样。

g(x,y)=-f(x,y)+L-1

分段线性变换

分段线性变换是为了突出感兴趣的目标或亮度值区域，局部扩展亮度值范围，可以有效地利用有限个灰度值，达到最大限度增强图像中有用信息的目的，从而增强图像的对比度。分段线性变换包括对比拉伸和灰度切割。


灰度切割
提高图像中特定灰度范围的亮度。包含两种基本的方法：

第1种方法：为范围内的灰度指定一个较高值，其他灰度指定一个较低值。
第2种方法：为范围内的灰度指定一个较高值，其他灰度保持原有的灰度色调。

非线性变换

对数变换
原图像为f(x,y)，目标图像为g(x,y)，最大灰度级为L-1，对数变换原理示意图如图所示。变换将增加图像的亮度，实现图像的动态范围压缩。

变换关系如式所示

式中：C为比例系数，恰当选择可使压缩后的动态范围刚好能全部显示，通常，

幂次变换
设：原图像为f(x,y)，目标图像为g(x,y)，最大灰度级为L-1，幂次变换原理示意图如图所示。

变换关系如式所示。

式中：C为比例系数，恰当选择可使压缩后的动态范围刚好能全部显示，通常，

γ为幂次系数，当γ<1和γ>1时，将产生相反的效果，具体来说，当γ<1时，可以增加原始图像中灰度较小的像素的灰度差，减少原始图像中灰度较大的像素的灰度差，减小原始图像明亮部分的反差，适合于动态范围过大或背景偏暗的场合，实现图像的动态范围压缩。

代码实现，根据变换公式求出新的灰度值。没有难度