OpenCV - 6 图像线性及非线性变换、图像融合

图像的线性、非线性变换

• 逐像素运算
  逐像素运算就是对图像中的每个像素点的亮度值，通过一定的函数关系转换到新的亮度值。这个转换可以由函数关系表示$$s=f(r)$$其中，r 表示原来的像素值，s 表示新的像素值。
  通常采用单调函数进行变换。

• 线性变换
  $$s(x,y)=kr(x,y)+c$$

• 非线性变换
  $$s(x,y)=a+\frac{ln(r(x,y)+1)}{blnc}$$
  其中a,b,c为常数

• Gamma变换
  $$s(x,y)=cr(x,y{)}^{\gamma }$$gamma函数中 c=1 时，不同$\gamma$值对应的函数图像如下
  

1. 线性变换

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np


def show(img):
    if img.ndim == 2:
        plt.imshow(img, cmap='gray')
    else:
        plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))
    plt.show()


img = cv.imread('cat.jpg', 0)

# 线性变换：s(x,y) = b + kr(x,y)
b = 20
k = 2
img2 = b + k * img.astype(np.float32)  # 避免在变换过程中由超过255的值会继续循环到新的值
img2 = np.clip(img2, 0, 255)  # 将img中小于0的值转为0，大于255的值转为255
show(np.hstack([img, img2]))

img3 = cv.convertScaleAbs(img, alpha=1.5, beta=10)  # cv中的图像线性变换api：fx = alpha * img + bata
show(np.hstack([img, img2, img3]))

2. 非线性变换

# 非线性变换：s(x,y)=a+(ln(r(x,y)+1))/(b*ln(c))
img4 = 10 + np.log(img.astype(np.float32) + 1) / 0.1
img4 = np.clip(img4, 0, 255)
show(img4)

3. Gamma变换

# Gamma变换:s(x,y)=cr(x,y)^Gamma
img01 = img / 255

img05 = np.power(img01, 0.5) * 255
img15 = np.power(img01, 1.5) * 255

show(np.hstack([img05, img, img15]))

图像融合

# 图像融合
A = cv.imread("flower.png")
B = cv.imread('hedgehog.png')
M = cv.imread('mask.png')

show(np.hstack([A, B, M]))

# 选中刺猬
M = M / 255
Bs = B * M

# 选中花
As = A * (1 - M)

# 两图融合
nice = As * 0.9 + Bs * 0.8  # 乘系数是为了边缘过渡自然

show(nice.astype(np.uint8))

cv.imwrite('nice.jpg', nice)  # 保存图像

完整代码

# https://www.bilibili.com/video/BV1YA411K7pp?p=11

"""
图像的线性和非线性变换

逐像素运算就是对图像中的每个像素点的亮度值，通过一定的函数关系转换到新的亮度值，
这个转换可以由函数表示    s=f(r)    其中r为原来的像素值，s为新的像素值。通常采用的函数为单调函数进行变化。

线性变换： s(x,y) = b + kr(x,y)
非线性变换：s(x,y)=a+(ln(r(x,y)+1))/(b*ln(c))
                其中，a,b,c为常数。
Gamma变换：s(x,y)=cr(x,y)^Gamma
"""
import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np


def show(img):
    if img.ndim == 2:
        plt.imshow(img, cmap='gray')
    else:
        plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))
    plt.show()


img = cv.imread('cat.jpg', 0)

# 线性变换：s(x,y) = b + kr(x,y)
b = 10
k = 1.5
img2 = b + k * img.astype(np.float32)  # 转换数值为np.float32,避免在变换过程中由超过255的值会继续循环到新的值
img2 = np.clip(img2, 0, 255)  # 将img中小于0的值转为0，大于255的值转为255
# show(np.hstack([img, img2]))

img3 = cv.convertScaleAbs(img, alpha=1.5, beta=10)
# show(np.hstack([img, img2, img3]))

# 非线性变换：s(x,y)=a+(ln(r(x,y)+1))/(b*ln(c))
img4 = 10 + np.log(img.astype(np.float32) + 1) / 0.1
img4 = np.clip(img4, 0, 255)
# show(img4)

# Gamma变换:s(x,y)=cr(x,y)^Gamma
img01 = img / 255

img05 = np.power(img01, 0.5) * 255
img15 = np.power(img01, 1.5) * 255

# show(np.hstack([img05, img, img15]))


# 图像融合
A = cv.imread("flower.png")
B = cv.imread('hedgehog.png')
M = cv.imread('mask.png')

show(np.hstack([A, B, M]))

# 选中刺猬
M = M / 255
Bs = B * M

# 选中花
As = A * (1 - M)

# 两图融合
nice = As * 0.9 + Bs * 0.8  # 乘系数是为了边缘过渡自然

show(nice.astype(np.uint8))

cv.imwrite('nice.jpg', nice)  # 保存图像