python opencv 图像增强算法

python opencv 图像增强算法

import cv2
import numpy as np
import math
def LinearTransform(img):#线性变换
    out = 2.0 * img
    # 进行数据截断,大于255的值截断为255
    out[out > 255] = 255
    # 数据类型转换
    out = np.around(out)
    out = out.astype(np.uint8)
    return out

def HistNormalization(img):#直方图正规化
    Imin, Imax = cv2.minMaxLoc(img)[:2]
    Omin, Omax = 0, 255
    # 计算a和b的值a
    a = float(Omax - Omin) / (Imax - Imin)
    b = Omin - a * Imin
    out = a * img + b
    out = out.astype(np.uint8)
    return out

def gamaTransform(img):#伽马变换
    fi = img / 255.0
    gamma = 0.4
    out = np.power(fi, gamma)
    return out

def HistEqualization(img):#直方图均匀化
    h, w = img.shape[:2]
    # 第一步:计算灰度直方图
    grayHist, bins = np.histogram(img, 256, [0, 255])
    # grayHist = np.zeros([256], np.uint64)
    # for i in range(h):
    #     for j in range(w):
    #         grayHist[img[i][j]] += 1
    # 第二步:计算累加灰度直方图
    zeroCumuMoment = np.zeros([256], np.uint32)
    for p in range(256):
        if p == 0:
            zeroCumuMoment[p] = grayHist[0]
        else:
            zeroCumuMoment[p] = zeroCumuMoment[p - 1] + grayHist[p]
    # 第三步:根据累加灰度直方图得到输入灰度级和输出灰度级之间的映射关系
    outPut_q = np.zeros([256], np.uint8)
    cofficient = 256.0 / (h * w)
    for p in range(256):
        q = cofficient * float(zeroCumuMoment[p]) - 1
        if q >= 0:
            outPut_q[p] = math.floor(q)
        else:
            outPut_q[p] = 0
    # 第四步:得到直方图均衡化后的图像
    equalHistImage = np.zeros(img.shape, np.uint8)
    for i in range(h):
        for j in range(w):
            equalHistImage[i][j] = outPut_q[img[i][j]]
            outPut_q[p] = 0
    return equalHistImage
  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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