python 简单图像处理（9） 灰度变换

对这个工具，你一定很熟悉吧，Photoshop里有，很多简单的图像处理软件里面也会有

那这个工具到底是什么意思呢，它和我们要讲到的灰度变换有很大的关系

 

在图像处理中，像图像度变换和直方图均衡都属于点运算范畴。

处理时作用域是单个像素

有表达式：

　　g(x,y) = T[ f(x,y) ]  　　T为映射关系

在点运算中，映射关系是关键，它描述了输入灰度级和输出灰度级之间的关系。

灰度变换是图像增强的一种重要手段，用于改善图像的显示效果，属于空域处理方法

最开始我们讲的反转就属于灰度变换的一种

其变换关系为

　　g(x,y)  = 255 - f(x,y)

我们来讲讲常用的灰度变换

（1）灰度线性变换

1.图像反转

2.线性灰度变换

表达式关系为

3.分段线性灰度变换

表达式关系为

 

我们来写程序来实现这些功能：

import cv
def Hist(image,color = cv.RGB( 102 , 204 , 204 )):
a = [0] * 256
w = image.width
h = image.height
iHist = cv.CreateImage(( 256 , 256 ), 8 , 3 )
for i in range(h):
for j in range(w):
iGray = int(image[i,j])
a[iGray] = a[iGray] + 1
S = max(a)
for k in range( 256 ):
a[k] = a[k] * 255 / S
x = (k, 255 )
y = (k, 255 - a[k])
cv.Line(iHist,x,y,color)
return iHist

def GrayTr(image,array):
w = image.width
h = image.height
size = (w,h)
iGrayTr = cv.CreateImage(size,image.depth, 1 )
for i in range(h):
for j in range(w):
idex = int(image[i,j])
iGrayTr[i,j] = array[idex]
return iGrayTr

def Invert():
aInvert = [0] * 256
for i in range( 256 ):
aInvert[i] = 255 - i
return aInvert

def Linear():
aLinear = [0] * 256
for i in range( 256 ):
if i < 60 :
aLinear[i] = 30
elif i < 200 :
aLinear[i] = int(( 220.0 - 30.0 ) / ( 200 - 60 ) * (i - 60 ) + 30 )
else :
aLinear[i] = 220
return aLinear

def SubLinear():
aSubLinear = [0] * 256
for i in range( 256 ):
if i < 60 :
aSubLinear[i] = int( 30.0 / 60 * i)
elif i < 200 :
aSubLinear[i] = int(( 220.0 - 30.0 ) / ( 200 - 60 ) * (i - 60 ) + 30 )
else :
aSubLinear[i] = int(( 255.0 - 220.0 ) / ( 255 - 200 ) * (i - 200 ) + 220 )
return aSubLinear

image = cv.LoadImage( ' lena.jpg ' ,0)
iInvert = GrayTr(image,Invert())
iLinear = GrayTr(image,Linear())
iSubLinear = GrayTr(image,SubLinear())
cv.ShowImage( ' image ' ,image)
cv.ShowImage( ' iInvert ' ,iInvert)
cv.ShowImage( ' iLinear ' ,iLinear)
cv.ShowImage( ' iSubLinear ' ,iSubLinear)
cv.ShowImage( ' iHist ' ,Hist(image))
cv.ShowImage( ' iIHist ' ,Hist(iInvert))
cv.ShowImage( ' iLHist ' ,Hist(iLinear))
cv.ShowImage( ' iSubHist ' ,Hist(iSubLinear))
cv.WaitKey(0)

 

运行效果如下：

 

我们看到第三幅图的直方图和其他的有很大差别

主要是在我们把原图中灰度值在60以下的点全部映射到灰度值30

使得灰度值为30的点特别多，导致其它的灰度值的点显得很少，相应的画出来也就特别短

但明显的，我们看到没有点映射到30一下和220以上，在灰度值上产生了截断效果

 

另外我们来看看灰度窗和灰度级分层：

灰度窗是左边映射关系：增强特定灰度值的对比度，其它的全部置0

灰度级分层：把在特定灰度级和其他灰度级的区域分开

编写程序：

import cv
def GrayTr(image,array):
w = image.width
h = image.height
size = (w,h)
iGrayTr = cv.CreateImage(size,image.depth, 1 )
for i in range(h):
for j in range(w):
idex = int(image[i,j])
iGrayTr[i,j] = array[idex]
return iGrayTr

def Window():
aWindow = [0] * 256
for i in range( 60 , 121 ):
aWindow[i] = int( 255.0 / ( 120 - 60 ) * (i - 60 ))
return aWindow

def Slice():
aSlice = [0] * 256
for i in range( 256 ):
if i > 59 and i < 121 :
aSlice[i] = 200
else :
aSlice[i] = 30
return aSlice
image = cv.LoadImage( ' lena.jpg ' ,0)
iWindow = GrayTr(image,Window())
iSlice = GrayTr(image,Slice())
cv.ShowImage( ' image ' ,image)
cv.ShowImage( ' iWindow ' ,iWindow)
cv.ShowImage( ' iSlice ' ,iSlice)
cv.WaitKey(0)

效果如下：

 

（2）灰度非线性变换

左边为对数变换，右边为指数变换（当然，上面的图不是很标准）

重点是生成对应的映射对

程序如下：

import cv
import math

def GrayTr(image,array):
w = image.width
h = image.height
size = (w,h)
iGrayTr = cv.CreateImage(size,image.depth, 1 )
for i in range(h):
for j in range(w):
idex = int(image[i,j])
iGrayTr[i,j] = array[idex]
return iGrayTr

def Log():
aLog = [0] * 256
for i in range( 1 , 256 ):
aLog[i] = int( 32 * math.log(i, 2 ))
return aLog

def Exp():
aExp = [0] * 256
NUM = 1.01
k = math.pow(NUM, 255 )
for i in range( 1 , 256 ):
aExp[i] = int( 255 * math.pow(NUM,i) / k)
return aExp

image = cv.LoadImage( ' lena.jpg ' ,0)
iLog = GrayTr(image,Log())
iExp = GrayTr(image,Exp())
cv.ShowImage( ' image ' ,image)
cv.ShowImage( ' iLog ' ,iLog)
cv.ShowImage( ' iExp ' ,iExp)
cv.WaitKey(0)

效果如下

 

好啦。灰度变换就讲到这里啦！！

转载于:https://www.cnblogs.com/xianglan/archive/2010/12/28/1918852.html