数据增强---对比度处理

对比度处理：

更改对比度是数据增强的一种极好方式，在训练前的图片预处理也是经常使用到的。在OpenCv中，可以通过addWeighted来修改图片的对比度。

在这个方法中，我们可以首先创建一张全黑的图，即所有像素都为0，当然也可以创建另一张彩色图，作为两张图的叠加。然后两张图中每张图都可以按照一定的比例来加权叠加，正如函数名所说（addWeighted）。

而我们在此创建的是一张黑色图，所以最后受影响的只有我们的第一张彩色图，当乘上c之后，2变4,4变8，不同像素之间的差异也就变大了，及对比度提高。而之后的一个常量b，就表示在每个像素中，在每个通道上都加上b这个数值也就可以起到亮度提高的作用。

def Change_contrast_brightness(img,c,b):
       
    h, w, d = img.shape 
    blank = np.zeros([h, w, d], dtype = np.uint8) 
    dst = cv2.addWeighted(img, c, blank, 1-c, b)   
    cv2.imshow("cb_dst",dst)

除此之外，增强对比度的方法还有：伽马变换、直方图均衡化。

直方图均衡化：

直方图均衡化就是将图片上的灰度范围进行拉伸。如果一开始图像的灰度范围只在100-150区间，那么通过直方图均衡化就可以在0-255区间均匀分布。

imgYUV = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)

channelsYUV = cv2.split(imgYUV)
channelsYUV[0] = cv2.equalizeHist(channelsYUV[0])  #只修改Y通道

channels = cv2.merge(channelsYUV)
result = cv2.cvtColor(channels, cv2.COLOR_YUV2BGR)
cv2.imshow("dst", result)
cv2.waitKey(5000)  #到时自动关闭窗口

伽马变换

伽马变换就是首先进行灰度值的归一化，对于8位图来说，除以255即可。

然后令 ，当 =1时，图像不变，小于1时，增强对比度，大于1时，降低对比度。

def gamma_trans(img, gamma):
    '''
    首先归一化到0-1范围，然后gamma作为指数值求出新的像素值再还原
    '''
    gamma_table = [np.power(x/255.0, gamma)*255.0 for x in range(256)]
    gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)
    
    return cv2.LUT(img, gamma_table) #作为一个查表的映射

以上内容如有错误，欢迎指出。谢谢！