《数字图像处理》-上机 2 图像灰度变换、几何变换及图像运算

上机练习 2 图像灰度变换、几何变换及图像运算

一、上机目的

学习编程实现常见的图像灰度变换、几何变换及图像运算方法

二、相关知识及练习

1. 彩色图像转化为灰度图像

现在大部分的彩色图像都是采用 RGB 颜色模式，处理图像的时候，要分别对 RGB 三种分量进行处理，但实际上单纯 RGB 图像并不能反映图像的形态特征，只是从光学的原理上进行颜色的调配，机器并不能够通过人眼的角度来迅速智慧的识别物体的框架、边角等信息，机器在进行计算的时候，如果是包含色彩的图片，特征量，计算量会成指数倍数增加。将图片转化为灰度图片，能使计算范围降低、提升计算效率。

可使用加权平均法进行灰度化处理

算法实现：

import cv2

import numpy as np

img = cv2.imread ('lena.png') h, w = img.shape[0:2] print(h,w)

gray = np.zeros((h, w), dtype=img.dtype)

for i in range(h):

for j in range(w):

gray[i, j] = (0.3*int(img[i, j, 0]) + 0.59*int(img[i, j, 1]) + 0.11*int(img[i, j, 2]))

cv2.imshow('Gray',gray) cv2.imshow('Result',img) cv2.waitKey(0)

练习：运行并分析上述算法程序，对关键程序语句进行注解。

在 OpenCV 中，也有函数 cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)可实现灰度化处理，其函数原型如下所示：

dst = cv2.cvtColor(src, code[, dst[, dstCn]])

src 表示输入图像，需要进行颜色空间变换的原图像

dst 表示输出图像，其大小和深度与 src 一致

code 表示转换的代码或标识

dstCn 表示目标图像通道数，其值为 0 时，则有 src 和 code 决定

该函数的作用是将一个图像从一个颜色空间转换到另一个颜色空间，其中，RGB 是指 Red、Green 和 Blue，一副图像由这三个通道（channel）构成；Gray 表示只有灰度值一个通道；HSV 包含 Hue（色调）、Saturation（饱和度）和 Value（亮度）三个通道。在 OpenCV中，常见的颜色空间转换标识包括 CV_BGR2BGRA、CV_RGB2GRAY、CV_GRAY2RGB、CV_BGR2HSV、 CV_BGR2XYZ、CV_BGR2HLS 等。

练习：编写利用 cv2.cvtColor 函数实现彩色图像转化为灰度图像的程序。

1. 灰度变换

灰度变换属于对图像的空间域进行变换的技术，灰度变换是对每一个像素点的，即将每一个灰度值放入某个变换函数中，然后将输出值作为输出图像的灰度值。利用灰度变换可以实现图像增强，注意图像增强是面向特定的问题，即不同的问题增强图像的需求也不一样，有的需要增强对比度，有的需要增强低像素值处的细节。常见的一些变换函数如下：

3.伽马变换

灰度变换程序实例：反转，灰度拉伸，灰度压缩。

import numpy as np

import cv2

from matplotlib import pyplot as plt

# 定义线性灰度变化函数

# k>1 时 实现灰度数值的拉伸

# 0<k<1 时 实现灰度数值的压缩

# k=-1 b=255 实现灰度反转

def linear_trans(img, k, b=0):

# 计算灰度线性变化的映射表

trans_list = [(np.float32(x)*k+b) for x in range(256)]

# 将列表转换为 np.array

trans_table =np.array(trans_list)

# 将超过[0,255]灰度范围的数值进行调整,并指定数据类型为 uint8

trans_table[trans_table>255] = 255

trans_table[trans_table<0] = 0

trans_table = np.round(trans_table).astype(np.uint8) # 使用 OpenCV 的 look up table 函数修改图像的灰度值 return cv2.LUT(img, trans_table)

im = cv2.imread('lena.png',0) cv2.imshow('org', im)

# 反转

im_inversion = linear_trans(im, -1, 255) cv2.imshow('inversion', im_inversion)

# 灰度拉伸

im_stretch = linear_trans(im, 1.2) cv2.imshow('graystretch', im_stretch)

# 灰度压缩

im_compress = linear_trans(im, 0.8) cv2.imshow('graycompress', im_compress) cv2.waitKey(0)

cv2.destroyAllWindows()

理解分析上面的程序，掌握灰度变换中反转、灰度拉伸、灰度压缩等方法的实现原理。注：LUT 是 look-up table 查找表的意思，cv2.LUT(src, lut, dst=None)的作用是对输

入的 src 执行查找表 lut 转换

cv2. LUT(src, lut, dst=None)有三个参数，分别为： src：输入数据 array，类型为 8 位整型（np.uin8)

lut：查找表，如果输入 src 是多通道的，例如是 BGR 三通到的图像，而查表是单通道的，则此时 B、G、R 三个通道使用的是同一个查找表

dst=None：输出数组，大小和通道数与 src 相同，而深度 depth 与 lut 相同

图像几何变换

图像的几何变换是指图像的平移、旋转、仿射变换等。请练习及理解下面的图像几何变换程序。

步骤 1 平移

平移例程 2：

import numpy as np

import cv2

# 定义平移 translate 函数

def translate(img, x, y): # 获取图像尺寸

(h, w) = img.shape[:2]

# 定义平移矩阵

M = np.float32([[1, 0, x], [0, 1, y]])

# 使用 OpenCV 仿射变换函数实现平移操作

shifted = cv2.warpAffine(img, M, (w, h)) # 返回转换后的图像

return shifted # 加载图像并显示

im = cv2.imread('lena.png') cv2.imshow("Orig", im)

# 对原图做平移操作

# 下移 50 像素

shifted = translate(im, 0, 50)

cv2.imshow("Shift1", shifted) # 左移 100 像素

shifted = translate(im, -100, 0) cv2.imshow("Shift2", shifted)

# 右移 50，下移 100 像素

shifted = translate(im, 50, 100) cv2.imshow("Shift3", shifted) cv2.waitKey(0) cv2.destroyAllWindows()

步骤 2 旋转

center = (w / 2, h / 2) # 调用计算旋转矩阵函数

M = cv2.getRotationMatrix2D(center, angle, scale)

# 使用 OpenCV 仿射变换函数实现旋转操作 rotated = cv2.warpAffine(img, M, (w, h)) # 返回旋转后的图像

return rotated

im = cv2.imread('lena.png') cv2.imshow("Orig", im)

# 对原图做旋转操作

# 逆时针 45 度

rotated = rotate(im, 45) cv2.imshow("Rotate1", rotated) # 顺时针 20 度

rotated = rotate(im, -20) cv2.imshow("Rotate2", rotated) # 逆时针 90 度

rotated = rotate(im, 90) cv2.imshow("Rotate3", rotated) cv2.waitKey(0) cv2.destroyAllWindows()

例程 2：

import numpy as np import cv2

# 定义旋转 rotate 函数

def rotate(img, angle, center=None, scale=1.0): # 获取图像尺寸

(h, w) = img.shape[:2]

# 旋转中心的缺失值为图像中心

if center is None:

center = (w / 2, h / 2) # 调用计算旋转矩阵函数

M = cv2.getRotationMatrix2D(center, angle, scale)

# 使用 OpenCV 仿射变换函数实现旋转操作 rotated = cv2.warpAffine(img, M, (w, h)) # 返回旋转后的图像

return rotated

im = cv2.imread('lena.png') cv2.imshow("Orig", im)

# 对原图做旋转操作

# 逆时针 45 度

rotated = rotate(im, 45) cv2.imshow("Rotate1", rotated) # 顺时针 20 度

rotated = rotate(im, -20) cv2.imshow("Rotate2", rotated) # 逆时针 90 度

rotated = rotate(im, 90) cv2.imshow("Rotate3", rotated) cv2.waitKey(0) cv2.destroyAllWindows()

步骤 3 镜像

 

im = cv2.imread('lena.jpg') # 进行垂直镜像

im = cv2.imread('lena.jpg') # 进行垂直镜像

im_flip0 = cv2.flip(im, 0) # 进行水平镜像

im_flip1 = cv2.flip(im, 1)

im_flip0 = cv2.flip(im, 0) # 进行水平镜像

im_flip1 = cv2.flip(im, 1)

步骤 4 缩放

import numpy as np import cv2

im = cv2.imread('lena.jpg') matshow("orig", im)

# 获取图像尺寸

(h, w) = im.shape[:2] # 缩放的目标尺寸 dst_size = (200,300) # 最邻近插值

method = cv2.INTER_NEAREST # 进行缩放

resized = cv2.resize(im, dst_size, interpolation = method) # 缩放的目标尺寸

dst_size = (800,600) # 双线性插值

method = cv2.INTER_LINEAR # 进行缩放

resized = cv2.resize(im, dst_size, interpolation = method)

步骤 5

 

图像上的算术运算 

图像融合 基于图像加法，但是对图像赋予不同的权重，以使其具有融合或透明的感觉。根据以下等式添加图像： G(x)=(1−α)f0(x)+αf1(x) 通过从     α   从     0→10→1   更改，可以在一个图像到另一个图像之间执行过渡。 下面的例子第一幅图像的权重为 0.7，第二幅图像的权重为 0.3。cv.addWeighted() 在图像上应用以下公式。 dst=α⋅img1+β⋅img2+γ 在这里，γ     被视为零。 img1 = cv.imread('ml.png') img2 = cv.imread('opencv-logo.png') dst = cv.addWeighted(img1,0.7,img2,0.3,0) cv.imshow('dst',dst)

图像上的算术运算

三、上机内容

1. 1. 按照上面相关知识的介绍，通过编写或运行相应的程序实例掌握图像灰度变换、几何变换及图像运算的原理及程序实现方法，所有运行过的程序及运行结果截图保存到 word 文档中。
   2. 练习：编写图像仿射变换的程序，并展示运行结果。
   3. 练习：如果输入的两幅图像分辨率大小不同，如何进行图像融合，尝试编写相应的程序。
   4. 练习：尝试编写图像灰度伽马变换的程序，并对比不同 gamma 值变换前后的效果变化。