python图像对比度增强图片清晰度_Python 图像对比度增强的几种方法(小结)

本文介绍了Python中图像处理的几种对比度增强方法,包括灰度直方图、线性变换、直方图正规化和伽马变换。通过实例展示了如何使用OpenCV和matplotlib库对图像进行对比度调整,从而提升图像清晰度。
摘要由CSDN通过智能技术生成

图像处理工具——灰度直方图

灰度直方图时图像灰度级的函数,用来描述每个灰度级在图像矩阵中的像素个数或者占有率。

例子:矩阵

图片来自网络,侵删!

上面图片的灰度直方图

python实现

#!usr/bin/env python

#-*- coding:utf-8 _*-

"""

@author:Sui yue

@describe: 灰度直方图,描述每个灰度级在图像矩阵中的像素个数或者占有率

@time: 2019/09/15

"""

import sys

import cv2

import numpy as np

import matplotlib.pyplot as plt

#对于8位图,图像的灰度级范围式0~255之间的整数,通过定义函数来计算直方图

def calcGrayHist(image):

#灰度图像矩阵的高、宽

rows, cols = image.shape

#存储灰度直方图

grayHist=np.zeros([256],np.uint64)

for r in range(rows):

for c in range(cols):

grayHist[image[r][c]] +=1

return grayHist

#主函数

if __name__=="__main__":

#第一个参数式图片地址,你只需放上你的图片就可

image = cv2.imread('../images/test3.jpg', cv2.IMREAD_GRAYSCALE)

cv2.imshow("image", image)

print("Usge:python histogram.py imageFile")

#计算灰度直方图

grayHist=calcGrayHist(image)

#画出灰度直方图

x_range=range(256)

plt.plot(x_range,grayHist,'r',lin

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
增强图像对比度是一种常用的图像处理技术,可以使图像中的色彩更加鲜明,细节更加清晰。在使用Python进行图像处理时,可以通过以下几种方法实现图像对比度增强。 1. 线性变换: 线性变换是最常用的图像对比度增强方法之一。通过像素值的线性变换,可以将图像像素的灰度范围线性映射到期望的范围。例如,可以使用以下公式进行线性变换: new_pixel = a * old_pixel + b 其中,a和b是可以调整的参数,通过调整这两个参数的值,可以实现不同程度的对比度增强。 2. 直方图均衡化: 直方图均衡化是一种广泛使用的图像增强方法,可以自适应地提高图像对比度。通过对图像的直方图进行处理,将原本分布不均匀的像素值映射到更均匀的分布,从而增强图像对比度。在Python中,可以使用OpenCV库的equalizeHist函数实现直方图均衡化。 3. 自适应直方图均衡化: 自适应直方图均衡化是一种改进的直方图均衡化方法,可以在同时增强对比度的同时避免图像细节损失。在该方法中,将图像分割成多个小区域,在每个小区域内进行直方图均衡化。这样可以避免亮度过度调整,并且能够保留图像的细节。在Python中,可以使用skimage库的equalize_adapthist函数实现自适应直方图均衡化。 总之,增强图像对比度图像处理中一项重要的任务。通过线性变换、直方图均衡化和自适应直方图均衡化等方法,可以在Python中实现图像对比度增强
评论
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
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