图像处理---灰度变换，对数，伽马，反色

最新推荐文章于 2023-07-31 21:24:05 发布

点点点的博客

最新推荐文章于 2023-07-31 21:24:05 发布

阅读量646

点赞数

分类专栏： python 文章标签：图像处理

本文链接：https://blog.csdn.net/qq_40965678/article/details/111499605

版权

python 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

灰度变换，对数，伽马，反色

根据下列函数图像分析，可以得知各个变换的作用。
对数变换分析：对数变换使得输入的低级别的灰度，输出成了更高级别灰度。比如下图中的对数变换曲线，输入 L/4 时，对应输出就达到 3/4 L，也就是原本1/4亮的亮度变成了3/4亮度，所以图像会变明亮。其他变换可以照此分析。
在这里插入图片描述

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import cv2

"""
灰度转为2值图像,公式： 大于阈值置255，小于则置0
"""
def gray2binary(img):
    im1 = np.array(img)
    im1 = np.where(im1[...] <= 127, 0, 255)
    im1 = Image.fromarray(im1)
    return im1

"""
灰度反色变换,公式：256 - img
"""
def imageRev(img):
    im1 = np.array(img)
    im1 = 255 - im1;
    im1 = Image.fromarray(im1)
    return im1

"""
对数变换,公式：c * ln(1 + img) = [0,256]
"""
def imageLog(c, img):
    im1 = np.array(img)
    im1 = c * np.log(1 + im1)
    im1 = np.uint8(im1)
    im1 = Image.fromarray(im1)
    return im1

"""
gama变换，又称幂指变换，公式：c * img **v = [0,256]
"""
def imageGama(c,img,v):
    im1 = np.array(img)
    lut = np.zeros(256, dtype=float)
    for i in range(0,256):
        lut[i] = c * i ** v
    im1 = cv2.LUT(im1, lut)
    im1 = np.uint8(im1 +0.5)
    im1 = Image.fromarray(im1);
    return im1;

"""这里输入图片"""
im = Image.open('bird.bmp')
img = im.convert('L') #转成灰度图

im1 = gray2binary(img);
im2 = imageRev(img);
im3 = imageLog(46, img);
im4 = imageGama(0.004, img, 2);

plt.figure()
plt.suptitle('Multi_Image')
plt.subplot(2,3,1), plt.title('binary')
plt.imshow(im1, cmap='gray'), plt.axis('off')
plt.subplot(2,3,2), plt.title('reverse')
plt.imshow(im2, cmap='gray'), plt.axis('off')
plt.subplot(2,3,3), plt.title('log')
plt.imshow(im3, cmap='gray'), plt.axis('off')
plt.subplot(2,3,4), plt.title('gama')
plt.imshow(im4, cmap='gray'), plt.axis('off')
plt.subplot(2,3,5), plt.title('source')
plt.imshow(im, cmap='gray'), plt.axis('off')
plt.subplot(2,3,6), plt.title('source gray')
plt.imshow(img, cmap='gray'), plt.axis('off')
plt.show()