快捷導(dǎo)航

Python 圖像對(duì)比度增強(qiáng)的幾種方法(小結(jié))

更新時(shí)間：2019年09月25日 11:52:17 作者：錢小昊

這篇文章主要介紹了Python 圖像對(duì)比度增強(qiáng)的幾種方法(小結(jié))，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

圖像處理工具——灰度直方圖

灰度直方圖時(shí)圖像灰度級(jí)的函數(shù)，用來描述每個(gè)灰度級(jí)在圖像矩陣中的像素個(gè)數(shù)或者占有率。
例子：矩陣

圖片來自網(wǎng)絡(luò)，侵刪！

來自網(wǎng)絡(luò)

上面圖片的灰度直方圖

在這里插入圖片描述

python實(shí)現(xiàn)

#!usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:Sui yue
@describe: 灰度直方圖，描述每個(gè)灰度級(jí)在圖像矩陣中的像素個(gè)數(shù)或者占有率
@time: 2019/09/15
"""

import sys
import cv2
import numpy as np
import matplotlib.pyplot as plt

#對(duì)于8位圖，圖像的灰度級(jí)范圍式0~255之間的整數(shù)，通過定義函數(shù)來計(jì)算直方圖
def calcGrayHist(image):
 #灰度圖像矩陣的高、寬
 rows, cols = image.shape
 #存儲(chǔ)灰度直方圖
 grayHist=np.zeros([256],np.uint64)
 for r in range(rows):
  for c in range(cols):
   grayHist[image[r][c]] +=1
 return grayHist
#主函數(shù)
if __name__=="__main__":
 #第一個(gè)參數(shù)式圖片地址，你只需放上你的圖片就可
 image = cv2.imread('../images/test3.jpg', cv2.IMREAD_GRAYSCALE)
 cv2.imshow("image", image)
 print("Usge:python histogram.py imageFile")
 #計(jì)算灰度直方圖
 grayHist=calcGrayHist(image)
 #畫出灰度直方圖
 x_range=range(256)
 plt.plot(x_range,grayHist,'r',linewidth=2,c='black')
 #設(shè)置坐標(biāo)軸的范圍
 y_maxValue=np.max(grayHist)
 plt.axis([0,255,0,y_maxValue])
 plt.ylabel('gray level')
 plt.ylabel("number or pixels")
 # 顯示灰度直方圖
 plt.show()
 cv2.waitKeyEx(0)

結(jié)果

在這里插入圖片描述

線性變換

假設(shè)輸入圖像為I，寬W、高為H，輸出圖像為O,圖像的線性變換可以利用以下公式：

a的改變影響圖像的對(duì)比度，b的改變影響圖像的亮度

線性變換python實(shí)現(xiàn)

#!usr/bin/env python3
#-*- coding:utf-8 -*-
#--------------------------
"""
@author:Sui yue
@describe: 對(duì)比增強(qiáng)，線性變換
@time: 2019/09/15 14:21:44
"""
import sys
import numpy as np
import cv2
import matplotlib.pyplot as plt
#主函數(shù)

def calcGrayHist(image):
 #灰度圖像矩陣的高、寬
 rows, cols = image.shape
 #存儲(chǔ)灰度直方圖
 grayHist=np.zeros([256],np.uint64)
 for r in range(rows):
  for c in range(cols):
   grayHist[image[r][c]] +=1
   # 顯示灰度直方圖
 # 畫出灰度直方圖
 x_range = range(256)
 plt.plot(x_range, grayHist, 'r', linewidth=2, c='black')
 # 設(shè)置坐標(biāo)軸的范圍
 y_maxValue = np.max(grayHist)
 plt.axis([0, 255, 0, y_maxValue])
 plt.ylabel('gray level')
 plt.ylabel("number or pixels")
 # 顯示灰度直方圖
 plt.show()

if __name__=="__main__":
 # 讀圖像
 I = cv2.imread('../images/test3.jpg', cv2.IMREAD_GRAYSCALE)
 #線性變換
 a=3
 O=float(a)*I
 #進(jìn)行數(shù)據(jù)截?cái)啵笥?55 的值要截?cái)酁?55
 O[0>255]=255
 #數(shù)據(jù)類型轉(zhuǎn)換
 O=np.round(O)
 #uint8類型
 O=O.astype(np.uint8)
 #顯示原圖和線性變換后的效果
 cv2.imshow("I",I)
 cv2.imshow("O",O)
 calcGrayHist(I)
 calcGrayHist(O)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

線性變換結(jié)果

在這里插入圖片描述

灰度直方圖

在這里插入圖片描述

直方圖正規(guī)化

假設(shè)輸入圖像為I，寬W、高為H，I（r,c）I（r,c）I（r,c）代表I的第r行第c列的灰度值，將I中出現(xiàn)的最小灰度級(jí)記為IminI_{min}Imin,最大灰度級(jí)記為ImaxI_{max}Imax,I（r,c）∈[Imin,Imax]I（r,c）\in [I_{min},I_{max}]I（r,c）∈[Imin,Imax],為使輸出圖像O的灰度級(jí)范圍為 [Omin,Omax][O_{min},O_{max}][Omin,Omax],I（r,c）I（r,c）I（r,c）和O（r,c）O（r,c）O（r,c）做以下映射關(guān)系：

其中0≤r<H,0≤c<W\quad0\le r \lt H,0\le c \lt W0≤r<H,0≤c<W,O(r,c)O(r,c)O(r,c)代表O的第r行和第c列的灰度值。這個(gè)過程就是常稱的直方圖正規(guī)化。因?yàn)?math>0≤I(r,c)−IminImax−Imin≤10 \le\frac{I(r,c)-I_{min}}{I_{max}-I_{min}} \le 10≤Imax−IminI(r,c)−Imin≤1,所以O(r,c)∈[Omin,Omax]O(r,c) \in [O_{min},O_{max}]O(r,c)∈[Omin,Omax],一般令Omin=0O_{min}=0Omin=0,Omax=255O_{max}=255Omax=255。顯然，直方圖正規(guī)化使一種自動(dòng)選取a和b的值的線性變換方法，其中

直方圖正規(guī)化python實(shí)現(xiàn)

#!usr/bin/env python3
#-*- coding:utf-8 -*-
#--------------------------
"""
@author:Sui yue
@describe: 直方圖正規(guī)化
@time: 2019/09/18 21:17:22
"""

import cv2
import numpy as np
import matplotlib.pyplot as plt
import sys

def calcGrayHist(image):
 #灰度圖像矩陣的高、寬
 rows, cols = image.shape
 #存儲(chǔ)灰度直方圖
 grayHist=np.zeros([256],np.uint64)
 for r in range(rows):
  for c in range(cols):
   grayHist[image[r][c]] +=1
   # 顯示灰度直方圖
 # 畫出灰度直方圖
 x_range = range(256)
 plt.plot(x_range, grayHist, 'r', linewidth=2, c='black')
 # 設(shè)置坐標(biāo)軸的范圍
 y_maxValue = np.max(grayHist)
 plt.axis([0, 255, 0, y_maxValue])
 plt.ylabel('gray level')
 plt.ylabel("number or pixels")
 # 顯示灰度直方圖
 plt.show()
#主函數(shù)
if __name__ == '__main__':
 #讀入圖像
 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)
 #要輸出的最小灰度級(jí)和最大灰度級(jí)
 Omax,Omin=255,0
 #計(jì)算a和b的值 ,測試出*4 能看到人臉
 a=float(Omax-Omin)/(Imax-Imin)
 b=Omin-a*Imin
 #矩陣的線性變換
 O=a*I+b
 #數(shù)據(jù)類型轉(zhuǎn)換
 O=O.astype(np.uint8)
 #顯示原圖和直方圖正規(guī)化的效果
 cv2.imshow("I",I)
 cv2.imshow("O",O)
 calcGrayHist(O)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

直方圖正規(guī)化結(jié)果

在這里插入圖片描述

伽馬變換

假設(shè)輸入圖像為I，寬W、高為H，首先將其灰度值歸一化到[0,1][0,1][0,1]范圍，對(duì)于8位圖來說，除以255即可。I(r,c)I(r,c)I(r,c)代表歸一化后的第r行第c列的灰度值，為使輸出圖像O ，伽馬變換就是令O(r,c)=I(r,c)γ,0≤r<H,0≤c<WO(r,c)=I(r,c)^\gamma,\quad0\le r \lt H,0\le c \lt WO(r,c)=I(r,c)γ,0≤r<H,0≤c<W，如下圖所示：

來自網(wǎng)絡(luò)

當(dāng)γ=1\gamma=1γ=1時(shí)，圖像不變。如果圖像整體或者感興趣區(qū)域較暗，則令0≤γ<10\le \gamma \lt 10≤γ<1可以增加圖像對(duì)比度；相反圖像整體或者感興趣區(qū)域較亮，則令γ>1\gamma \gt 1γ>1可以降低圖像對(duì)比度。

伽馬變換python實(shí)現(xiàn)

#!usr/bin/env python3
#-*- coding:utf-8 -*-
#--------------------------
"""
@author:Sui yue
@describe: 對(duì)比增強(qiáng) 伽馬變換
@time: 2019/09/18 22:22:51
"""
import cv2
import numpy as np
import sys
#主函數(shù)
if __name__ == '__main__':
  I = cv2.imread('../images/test3.jpg', cv2.IMREAD_GRAYSCALE)
  #圖像歸一化
  fI=I/255.0
  #伽馬變換
  gamma=0.3
  O=np.power(fI,gamma)
  #顯示原圖和伽馬變換
  cv2.imshow("I",I)
  cv2.imshow("O",O)
  cv2.waitKey()
  cv2.destroyAllWindows()

伽馬變換結(jié)果

gamma=0.3