python图像增强_Python 图像对比度增强的几种方法(小结)

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',linewidth=2,c='black')

#设置坐标轴的范围

y_maxValue=np.max(grayHist)

plt.axis([0,255,y_maxValue])

plt.ylabel('gray level')

plt.ylabel("number or pixels")

# 显示灰度直方图

plt.show()

cv2.waitKeyEx(0)

结果

线性变换

假设输入图像为I，宽W、高为H，输出图像为O,图像的线性变换可以利用以下公式：

a的改变影响图像的对比度，b的改变影响图像的亮度

线性变换python实现

#!usr/bin/env python3

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

#--------------------------

"""

@author:Sui yue

@describe: 对比增强，线性变换

@time: 2019/09/15 14:21:44

"""

import sys

import numpy as np

import cv2

import matplotlib.pyplot as plt

#主函数

def calcGrayHist(image):

#灰度图像矩阵的高、宽

rows,np.uint64)

for r in range(rows):

for c in range(cols):

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

# 显示灰度直方图

# 画出灰度直方图

x_range = range(256)

plt.plot(x_range,c='black')

# 设置坐标轴的范围

y_maxValue = np.max(grayHist)

plt.axis([0,y_maxValue])

plt.ylabel('gray level')

plt.ylabel("number or pixels")

# 显示灰度直方图

plt.show()

if __name__=="__main__":

# 读图像

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

#线性变换

a=3

O=float(a)*I

#进行数据截断，大于255 的值要截断为255

O[0>255]=255

#数据类型转换

O=np.round(O)

#uint8类型

O=O.astype(np.uint8)

#显示原图和线性变换后的效果

cv2.imshow("I",I)

cv2.imshow("O",O)

calcGrayHist(I)

calcGrayHist(O)

cv2.waitKey(0)

cv2.destroyAllWindows()

线性变换结果

灰度直方图

直方图正规化

假设输入图像为I，宽W、高为H，I（r,c）I（r,c）代表I的第r行第c列的灰度值，将I中出现的最小灰度级记为IminI_{min}Imin​,最大灰度级记为ImaxI_{max}Imax​,I（r,c）∈[Imin,Imax]I（r,c）\in [I_{min},I_{max}]I（r,c）∈[Imin​,Imax​],为使输出图像O的灰度级范围为 [Omin,Omax][O_{min},O_{max}][Omin​,Omax​],c）和O（r,c）O（r,c）做以下映射关系：

其中0≤r

直方图正规化python实现

#!usr/bin/env python3

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

#--------------------------

"""

@author:Sui yue

@describe: 直方图正规化

@time: 2019/09/18 21:17:22

"""

import cv2

import numpy as np

import matplotlib.pyplot as plt

import sys

def calcGrayHist(image):

#灰度图像矩阵的高、宽

rows,y_maxValue])

plt.ylabel('gray level')

plt.ylabel("number or pixels")

# 显示灰度直方图

plt.show()

#主函数

if __name__ == '__main__':

#读入图像

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

#求I的最大值，最小值

Imax=np.max(I)

Imin=np.min(I)

#要输出的最小灰度级和最大灰度级

Omax,Omin=255,0

#计算a和b的值,测试出*4 能看到人脸

a=float(Omax-Omin)/(Imax-Imin)

b=Omin-a*Imin

#矩阵的线性变换

O=a*I+b

#数据类型转换

O=O.astype(np.uint8)

#显示原图和直方图正规化的效果

cv2.imshow("I",O)

calcGrayHist(O)

cv2.waitKey(0)

cv2.destroyAllWindows()

直方图正规化结果

伽马变换

假设输入图像为I，宽W、高为H，首先将其灰度值归一化到[0,1][0,1]范围，对于8位图来说，除以255即可。I(r,c)I(r,c)代表归一化后的第r行第c列的灰度值，为使输出图像O ，伽马变换就是令O(r,c)=I(r,c)γ,0≤r

当γ=1\gamma=1γ=1时，图像不变。如果图像整体或者感兴趣区域较暗，则令0≤γ<10\le \gamma \lt 10≤γ<1可以增加图像对比度；相反图像整体或者感兴趣区域较亮，则令γ>1\gamma \gt 1γ>1可以降低图像对比度。

伽马变换python实现

#!usr/bin/env python3

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

#--------------------------

"""

@author:Sui yue

@describe: 对比增强 伽马变换

@time: 2019/09/18 22:22:51

"""

import cv2

import numpy as np

import sys

#主函数

if __name__ == '__main__':

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

#图像归一化

fI=I/255.0

#伽马变换

gamma=0.3

O=np.power(fI,gamma)

#显示原图和伽马变换

cv2.imshow("I",I)

cv2.imshow("O",O)

cv2.waitKey()

cv2.destroyAllWindows()

伽马变换结果

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。