图像增强之对比度拉伸

版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/saltriver/article/details/79677199

我们前面提到过图像二值化,图像反转,本质上是对图像的所有像素点的灰度进行操作,属于灰度变换的内容。灰度变换的主要目的是用于图像增强

而对比度拉伸是图像增强的一种方法,也属于灰度变换操作。我们看如下图像:
这里写图片描述
可以看到,这张图片非常灰暗。我们查看下其直方图。

import cv2
import matplotlib.pyplot as plt

farina = cv2.imread("farina.png", 0)

hist_full = cv2.calcHist([farina], [0], None, [256], [0, 256])

plt.plot(hist_full)
plt.show()

这里写图片描述
可以看到所有像素的灰度值大部分集中在20-50之间,这使得整个图像很暗淡。也就是说对比度不高。如果我们通过灰度变换,将灰度值拉伸到整个0-255的区间,那么其对比度显然是大幅增强的。可以用如下的公式来将某个像素的灰度值映射到更大的灰度空间:

I(x,y=I(x,y)IminImaxImin(MAXMIN)+MIN

其中Imin,Imax是原始图像的最小灰度值和最大灰度值,MIN和MAX是要拉伸到的灰度空间的灰度最小值和最大值。

Imax = np.max(farina)
Imin = np.min(farina)
MAX = 255
MIN = 0
farina_cs = (farina - Imin) / (Imax - Imin) * (MAX - MIN) + MIN
cv2.imshow("farina_cs", farina_cs.astype("uint8"))
cv2.waitKey()

这里写图片描述

可以看出,对比度提升了很多。我们再看看其直方图,可以看到已经充满了整个灰度空间。
这里写图片描述

除了上述方法,对比度拉伸还有其它方法吗?当然是有的。例如直方图位移法(Histogram shifting)。公式如下:,

I(x,y)=I(x,y)+offset

在每个像素位置的灰度值增加一个偏移量offset。注意,这个offset可以是正数,也可以是负数。正的话,整体亮度变亮,负的话,整体亮度变暗。需要注意的是控制offset的值大小,不要越界。

farina_cs = farina + 100
cv2.imshow("farina_offset", farina_cs.astype("uint8"))
cv2.waitKey()
hist_full = cv2.calcHist([farina_cs.astype("uint8")], [0], None, [256], [0, 256])
plt.plot(hist_full)
plt.show()

下面分别是使用直方图位移方法后的图像和其直方图。
这里写图片描述
这里写图片描述

可以看出直方图与原始直方图形状一模一样,只是在横轴上有所偏移。这种方法的图像增强效果并没有上一种方法好。

展开阅读全文

没有更多推荐了,返回首页