yuv 图像处理是不是只处理灰度_Python 图像处理实战 | 图像的灰度非线性变换之对数变换、伽马变换...

30ace15b48d33e636ae650273b8659a5.gif

65d9ad435f946e912fbe725c110e526d.png

作者 | 杨秀璋 来源 | CSDN博客 责编 | 夕颜 头图 | 付费下载自视觉中国 出品 | CSDN(ID:CSDNnews)

本篇文章主要讲解非线性变换,使用自定义方法对图像进行灰度化处理,包括对数变换和伽马变换。本文主要讲解灰度线性变换,基础性知识希望对你有所帮助。

1.图像灰度非线性变换:DB=DA×DA/255
2.图像灰度对数变换
3.图像灰度伽玛变换

74d8b8222a338088ee663a69c81d9ac9.png

图像灰度非线性变换:DB=DA×DA/255

图像的灰度非线性变换主要包括对数变换、幂次变换、指数变换、分段函数变换,通过非线性关系对图像进行灰度处理,下面主要讲解三种常见类型的灰度非线性变换。

原始图像的灰度值按照DB=DA×DA/255的公式进行非线性变换,其代码如下:

 1# -*- coding: utf-8 -*-
2import cv2  
3import numpy as np  
4import matplotlib.pyplot as plt
5
6#读取原始图像
7img = cv2.imread('miao.png')
8
9#图像灰度转换
10grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
11
12#获取图像高度和宽度
13height = grayImage.shape[0]
14width = grayImage.shape[1]
15
16#创建一幅图像
17result = np.zeros((height, width), np.uint8)
18
19#图像灰度非线性变换:DB=DA×DA/255
20for i in range(height):
21    for j in range(width):
22        gray = int(grayImage[i,j])*int(grayImage[i,j]) / 255
23        result[i,j] = np.uint8(gray)
24
25#显示图像
26cv2.imshow("Gray Image", grayImage)
27cv2.imshow("Result", result)
28
29#等待显示
30cv2.waitKey(0)
31cv2.destroyAllWindows()

图像灰度非线性变换的输出结果下图所示:

64db935da27a19cfa2415385e7912a96.png

da8bd86b4be9404eb43a96428a7ffc24.png

图像灰度对数变换

图像灰度的对数变换一般表示如公式所示:

1ac811339ea14f3bbb7da6308cd3a71f.png

其中c为尺度比较常数,DA为原始图像灰度值,DB为变换后的目标灰度值。如下图所示,它表示对数曲线下的灰度值变化情况。

b70d2c1362fadd3c834467cba56f6792.png

由于对数曲线在像素值较低的区域斜率大,在像素值较高的区域斜率较小,所以图像经过对数变换后,较暗区域的对比度将有所提升。这种变换可用于增强图像的暗部细节,从而用来扩展被压缩的高值图像中的较暗像素。

对数变换实现了扩展低灰度值而压缩高灰度值的效果,被广泛地应用于频谱图像的显示中。一个典型的应用是傅立叶频谱,其动态范围可能宽达0~106直接显示频谱时,图像显示设备的动态范围往往不能满足要求,从而丢失大量的暗部细节;而在使用对数变换之后,图像的动态范围被合理地非线性压缩,从而可以清晰地显示。在下图中,未经变换的频谱经过对数变换后,增加了低灰度区域的对比度,从而增强暗部的细节。

5d25193350cf99f89c7b484dbc8c7bf7.png

下面的代码实现了图像灰度的对数变换。

 1# -*- coding: utf-8 -*-
2import numpy as np
3import matplotlib.pyplot as plt
4import cv2
5
6#绘制曲线
7def log_plot(c):
8    x = np.arange(0, 256, 0.01)
9    y = c * np.log(1 + x)
10    plt.plot(x, y, 'r', linewidth=1)
11    plt.rcParams['font.sans-serif']=['SimHei'] #正常显示中文标签
12    plt.title(u'对数变换函数')
13    plt.xlim(0, 255), plt.ylim(0, 255)
14    plt.show()
15
16#对数变换
17def log(c, img):
18    output = c * np.log(1.0 + img)
19    output = np.uint8(output + 0.5)
20    return output
21
22#读取原始图像
23img = cv2.imread('test.png')
24
25#绘制对数变换曲线
26log_plot(42)
27
28#图像灰度对数变换
29output = log(42, img)
30
31#显示图像
32cv2.imshow('Input', img)
33cv2.imshow('Output', output)
34cv2.waitKey(0)
35cv2.destroyAllWindows()

下图表示经过对数函数处理后的效果图,对数变换对于整体对比度偏低并且灰度值偏低的图像增强效果较好。

c0477de92a1fa1f32f099bb9ae2a7df5.png

对应的对数函数曲线如图

1183ce5588286e1c27c6be51ba774d5a.png

6718290f6cee502cd5849c7449879eae.png

图像灰度伽玛变换

伽玛变换又称为指数变换或幂次变换,是另一种常用的灰度非线性变换。图像灰度的伽玛变换一般表示如公式所示:

b2d42cd971823fcd6d4dc6945b61d3df.png

  • 当γ>1时,会拉伸图像中灰度级较高的区域,压缩灰度级较低的部分。

  • 当γ<1时,会拉伸图像中灰度级较低的区域,压缩灰度级较高的部分。

  • 当γ=1时,该灰度变换是线性的,此时通过线性方式改变原图像。

Python实现图像灰度的伽玛变换代码如下,主要调用幂函数实现。

 1# -*- coding: utf-8 -*-
2import numpy as np
3import matplotlib.pyplot as plt
4import cv2
5
6#绘制曲线
7def gamma_plot(c, v):
8    x = np.arange(0, 256, 0.01)
9    y = c*x**v
10    plt.plot(x, y, 'r', linewidth=1)
11    plt.rcParams['font.sans-serif']=['SimHei'] #正常显示中文标签
12    plt.title(u'伽马变换函数')
13    plt.xlim([0, 255]), plt.ylim([0, 255])
14    plt.show()
15
16#伽玛变换
17def gamma(img, c, v):
18    lut = np.zeros(256, dtype=np.float32)
19    for i in range(256):
20        lut[i] = c * i ** v
21    output_img = cv2.LUT(img, lut) #像素灰度值的映射
22    output_img = np.uint8(output_img+0.5)  
23    return output_img
24
25#读取原始图像
26img = cv2.imread('test.png')
27
28#绘制伽玛变换曲线
29gamma_plot(0.00000005, 4.0)
30
31#图像灰度伽玛变换
32output = gamma(img, 0.00000005, 4.0)
33
34#显示图像
35cv2.imshow('Imput', img)
36cv2.imshow('Output', output)
37cv2.waitKey(0)
38cv2.destroyAllWindows()

下图表示经过伽玛变换处理后的效果图,伽马变换对于图像对比度偏低,并且整体亮度值偏高(或由于相机过曝)情况下的图像增强效果明显。

d4bc011cc6a5498e4f8741023769f3c9.png

对应的幂律函数曲线如图所示。

5e4459ef12b4d01fee95607ea562906f.png

文章周日写于钟书阁,女神伴于旁。希望文章对大家有所帮助,如果有错误或不足之处,还请海涵。

原文链接:

https://blog.csdn.net/Eastmount/article/details/88929290

【End】

8f61a11fe181cc9d69b684dff23aeef7.png

推荐阅读  ☞苹果或已放弃3月发布廉价新iPhone;贾跃亭回应家人巨额索赔;微软不再继续开发 Visual Basic | 极客头条 ☞ 75.58 亿美元成交!美国最大规模 5G 毫米波频谱拍卖 ☞ 超轻量级中文OCR,支持竖排文字识别、ncnn推理,总模型仅17M

☞和黑客斗争的 6 天!

☞一文了解 Spring Boot 服务监控,健康检查,线程信息,JVM堆信息,指标收集,运行情况监控!

☞用 3 个“鸽子”,告诉你闪电网络是怎样改变加密消息传递方式的!

97c0cef7db045be46867a19b2268186b.png 你点的每一个在看,我认真当成了喜欢
表情包
插入表情
评论将由博主筛选后显示,对所有人可见 | 还能输入1000个字符
相关推荐
©️2020 CSDN 皮肤主题: 1024 设计师:白松林 返回首页