【OpenCV-Python】:提高、降低图像亮度(指数变换)

✨博客主页:王乐予🎈
✨年轻人要:Living for the moment(活在当下)!💪
🏆推荐专栏:【图像处理】【千锤百炼Python】【深度学习】【排序算法

话不多说,直接看代码!

import cv2
import os
import numpy as np

def read_path(file_pathname):
    for filename in os.listdir(file_pathname):
        print(filename)
        img = cv2.imread(file_pathname+'/'+filename)
        image = np.power(img, 0.8)			# 对像素值指数变换
        cv2.imwrite(r"C:\Users\Lenovo\Desktop\change" + "/" + filename, image)
read_path(r"C:\Users\Lenovo\Desktop\original")

这里使用np.power()指数变换函数对图像像素值进行处理,参数设置方式如下:

  • 小于1:降低图像亮度
  • 大于1:提高图像亮度

图片展示如下:
在这里插入图片描述
在这里插入图片描述在这里插入图片描述

  • 7
    点赞
  • 40
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
图像对齐是指将多幅图像对齐到同一个坐标系下,以方便进行后续处理,例如图像融合、图像拼接等。在进行图像对齐时,常常需要考虑到图像亮度、对比度等因素,因此可以使用直方图均衡化来增强图像的对比度。 下面是使用opencv-python实现图像对齐的示例代码,其中包括了直方图均衡化的步骤: ```python import cv2 import numpy as np # 读取两张待对齐的图片 img1 = cv2.imread('img1.jpg') img2 = cv2.imread('img2.jpg') # 将图片转为灰度图 gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) # 对灰度图进行直方图均衡化 equ1 = cv2.equalizeHist(gray1) equ2 = cv2.equalizeHist(gray2) # 初始化ORB检测器 orb = cv2.ORB_create() # 使用ORB检测关键点和描述子 kp1, des1 = orb.detectAndCompute(equ1, None) kp2, des2 = orb.detectAndCompute(equ2, None) # 初始化暴力匹配器 bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) # 匹配两幅图片的描述子 matches = bf.match(des1, des2) # 根据匹配结果筛选出较好的匹配点 matches = sorted(matches, key=lambda x: x.distance) good_matches = matches[:50] # 获取匹配点的坐标 src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) # 计算透视变换矩阵 M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0) # 对第一张图片进行透视变换,以将其对齐到第二张图片上 aligned_img = cv2.warpPerspective(img1, M, (img2.shape[1], img2.shape[0])) # 显示对齐后的图片 cv2.imshow('Aligned Image', aligned_img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述代码中,我们首先使用`cv2.cvtColor`函数将两张图片转为灰度图,然后分别对灰度图进行直方图均衡化,以增强图像的对比度。接着使用ORB特征检测器和暴力匹配器来匹配两幅图片的关键点,并筛选出较好的匹配点。最后使用`cv2.findHomography`函数计算透视变换矩阵,并对第一张图片进行透视变换,以将其对齐到第二张图片上。
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

王乐予

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值