图像灰度上移变换
该算法将实现图像灰度值的上移,从而提升图像的亮度,由于图像的灰度值位于0到255之间,需要对灰度值进行溢出判断。
代码如下:
importcv2importnumpy as npimportmatplotlib.pyplot as plt
img= cv2.imread("src.png")
grayImage=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
height, width= grayImage.shape[:2]
result=np.zeros((height, width), np.uint8)#图像灰度上移变换
for i inrange(height):for j inrange(width):if int(grayImage[i, j] + 50) > 255:
gray= 255
else:
gray= grayImage[i, j] + 50result[i, j]=np.uint8(gray)
cv2.imshow("src", grayImage)
cv2.imshow("result", result)if cv2.waitKey() == 27:
cv2.destroyAllWindows()
效果如下:
图像对比度增强变换
importcv2importnumpy as npimportmatplotlib.pyplot as plt
img= cv2.imread("src.png")
grayImage=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
height, width= grayImage.shape[:2]
result=np.zeros((height, width), np.uint8)#图像灰度上移变换
for i inrange(height):for j inrange(width):if int(grayImage[i, j]*1.5 + 50) > 255:
gray= 255
else:
gray= grayImage[i, j]*1.5 + 50result[i, j]=np.uint8(gray)
cv2.imshow("src", grayImage)
cv2.imshow("result", result)if cv2.waitKey() == 27:
cv2.destroyAllWindows()
效果如下:
图像对比度增强减弱
importcv2importnumpy as npimportmatplotlib.pyplot as plt
img= cv2.imread("src.png")
grayImage=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
height, width= grayImage.shape[:2]
result=np.zeros((height, width), np.uint8)#图像灰度上移变换
for i inrange(height):for j inrange(width):if int(grayImage[i, j]*0.8 + 50) > 255:
gray= 255
else:
gray= grayImage[i, j]*0.8 + 50result[i, j]=np.uint8(gray)
cv2.imshow("src", grayImage)
cv2.imshow("result", result)if cv2.waitKey() == 27:
cv2.destroyAllWindows()
效果如下:
图像灰度反色变换
反色变换又称为线性灰度补变换,它是对原图像的像素值进行反转,即黑色变为白色,白色变为黑色
importcv2importnumpy as npimportmatplotlib.pyplot as plt
img= cv2.imread("src.png")
grayImage=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
height, width= grayImage.shape[:2]
result=np.zeros((height, width), np.uint8)#图像灰度上移变换
for i inrange(height):for j inrange(width):
gray= 255 -int(grayImage[i,j])
result[i, j]=np.uint8(gray)
cv2.imshow("src", grayImage)
cv2.imshow("result", result)if cv2.waitKey() == 27:
cv2.destroyAllWindows()
效果如下:
图像灰度非线性变换: DB=DAxDA/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
importcv2importnumpy as npimportmatplotlib.pyplot as plt
img= cv2.imread("src.png")
grayImage=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
height, width= grayImage.shape[:2]
result=np.zeros((height, width), np.uint8)#图像灰度上移变换
for i inrange(height):for j inrange(width):
gray= int(grayImage[i, j])*int(grayImage[i, j])/255result[i, j]=np.uint8(gray)
cv2.imshow("src", grayImage)
cv2.imshow("result", result)if cv2.waitKey() == 27:
cv2.destroyAllWindows()
效果如下:
图像灰度对数变换
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。
importcv2importnumpy as npimportmatplotlib.pyplot as pltdeflog_plot(c):
x= np.arange(0, 256, 0.01)
y= c * np.log(1+x)
plt.plot(x, y,"r", linewidth=1)
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.title("对数变换函数")
plt.xlim(0,255)
plt.ylim(0,255)
plt.show()#对数变换
deflog(c, img):
output= c * np.log(1.0+img)
output=np.uint8(output)returnoutput
img= cv2.imread("src.png")
log_plot(42)
result= log(42, img)
cv2.imshow("src", img)
cv2.imshow("result", result)if cv2.waitKey() == 27:
cv2.destroyAllWindows()
图像灰度伽玛变换
伽玛变换又称为指数变换或幂次变换,另一种常用的灰度非线性变换。
Db = cXDa^y
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。
importcv2importnumpy as npimportmatplotlib.pyplot as pltdefgamma_plot(c, v):
x= np.arange(0, 256, 0.01)
y= c *x**v
plt.plot(x, y,"r", linewidth=1)
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.title("对数变换函数")
plt.xlim([0,255])
plt.ylim([0,255])
plt.show()#对数变换
defgamma(img, c, v):
lut= np.zeros(256, dtype=np.float32)for i in range(256):
lut[i]= c*i**v#灰度值的映射
output =cv2.LUT(img, lut)
output= np.uint8(output + 0.5)returnoutput
img= cv2.imread("src.png")
gamma_plot(0.0000005, 4)
result= gamma(img, 0.0000005, 4)
cv2.imshow("src", img)
cv2.imshow("result", result)if cv2.waitKey() == 27:
cv2.destroyAllWindows()