python opencv图像增强

图像增强，使用常见算法，比如gamma校正，直方图均衡化等。

下面一些代码仅供参考，使用包括图像锐化，提高图片清晰度，其实就是对比度增强。

# Gamma correction and the Power Law Transform，伽马校正也称幂律交换；使图像变得更亮或者更暗的方法；
# USAGE
# python adjust_gamma.py --image images/_L3A4387.jpg

# 导入必要的包
from __future__ import print_function
import numpy as np
import argparse
import cv2
import imutils


# 伽马校正
# --image 要对其应用伽玛校正的图像。
# --gamma （可选）伽玛值，默认1.0
def adjust_gamma(image, gamma=1.0):
    # 建立查找表，将像素值[0，255]映射到调整后的伽玛值
    # 遍历[0，255]范围内的所有像素值来构建查找表，然后再提高到反伽马的幂-然后将该值存储在表格中
    invGamma = 1.0 / gamma
    table = np.array([((i / 255.0) ** invGamma) * 255
                      for i in np.arange(0, 256)]).astype("uint8")

    # 使用查找表应用伽玛校正
    return cv2.LUT(image, table)


# 构建命令行参数及解析
#  --image 图像路径
# ap = argparse.ArgumentParser()
# ap.add_argument("-i", "--image", required=True,
#                 help="path to input image")
# args = vars(ap.parse_args())

# 加载原始图像
# original = cv2.imread(args["image"])
filename = "dst0.jpg"
original = cv2.imread(filename)
# original = imutils.resize(original, width=300)

# 通过使用各种伽玛值并检查每个图像的输出图像来探索伽玛校正；
# 遍历各种不同的伽马值
for gamma in np.arange(0.0, 2, 0.5):
    # 忽略伽马值为1的情况，因为跟原始图像没有任何差别
    if gamma == 1:
        continue

    # 应用伽马校正并展示图像
    gamma = gamma if gamma > 0 else 0.1
    adjusted = adjust_gamma(original, gamma=gamma)
    # cv2.putText(adjusted, "g={}".format(gamma), (10, 30),
    #             cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 3)
    cv2.imshow("Images", np.hstack([original, adjusted]))
    name = str(filename).replace(".jpg", "_" + str(gamma) + ".jpg")
    cv2.imwrite(name, adjusted)
    cv2.waitKey(0)