python中的图像增强技术

关键词：- 对数变换、幂律变换、图像增强、对比度拉伸

数字图像处理 (DIP) 对不同类别的图像执行各种操作，例如图像增强、图像分析、图像压缩、图像变换等。

图像增强用于对图像进行操作，以提取用户识别的所需和重要的关键特征，例如：调整图像的对比度值。

DIP的基本步骤

因此，在本博客中，我们将讨论图像锐化/增强技术。

图像锐化和恢复有助于通过关注已识别的特征、调整明暗区域之间的对比度、减少噪点、升级相机焦距、减少运动模糊等来创建更好的图像。

图像锐化明确用于改善图像描述，例如边界、角落、对比度、边缘、强度等。

以下是一些图像预处理技术，用于通过观察其邻域像素值来修改当前像素的强度值。

对比拉伸

对比拉伸称为归一化，用于拉伸强度值的范围以提高图像的对比度。

Python/OpenCV 可以通过使用 min_max 归一化的 cv2.normalize() 方法进行对比度拉伸。

import cv2
import numpy as np

# read image
img = cv2.imread("messi.jpg")

# normalize float versions
norm_img1 = cv2.normalize(img, None, alpha=0, beta=1, norm_t