Python圖像運(yùn)算之圖像灰度非線性變換詳解
一.圖像灰度非線性變換
原始圖像的灰度值按照DB=DA×DA/255的公式進(jìn)行非線性變換,其代碼如下:
# -*- coding: utf-8 -*- # By:Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #讀取原始圖像 img = cv2.imread('luo.png') #圖像灰度轉(zhuǎn)換 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #獲取圖像高度和寬度 height = grayImage.shape[0] width = grayImage.shape[1] #創(chuàng)建一幅圖像 result = np.zeros((height, width), np.uint8) #圖像灰度非線性變換:DB=DA×DA/255 for i in range(height): for j in range(width): gray = int(grayImage[i,j])*int(grayImage[i,j]) / 255 result[i,j] = np.uint8(gray) #顯示圖像 cv2.imshow("Gray Image", grayImage) cv2.imshow("Result", result) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
圖像灰度非線性變換的輸出結(jié)果如圖13-1所示:
二.圖像灰度對(duì)數(shù)變換
圖像灰度的對(duì)數(shù)變換一般表示如公式(13-1)所示:
其中c為尺度比較常數(shù),DA為原始圖像灰度值,DB為變換后的目標(biāo)灰度值。如圖13-2所示,它表示對(duì)數(shù)曲線下的灰度值變化情況,其中x表示原始圖像的灰度值,y表示對(duì)數(shù)變換之后的目標(biāo)灰度值。
由于對(duì)數(shù)曲線在像素值較低的區(qū)域斜率大,在像素值較高的區(qū)域斜率較小,所以圖像經(jīng)過對(duì)數(shù)變換后,較暗區(qū)域的對(duì)比度將有所提升。這種變換可用于增強(qiáng)圖像的暗部細(xì)節(jié),從而用來擴(kuò)展被壓縮的高值圖像中的較暗像素。
對(duì)數(shù)變換實(shí)現(xiàn)了擴(kuò)展低灰度值而壓縮高灰度值的效果,被廣泛地應(yīng)用于頻譜圖像的顯示中。一個(gè)典型的應(yīng)用是傅立葉頻譜,其動(dòng)態(tài)范圍可能寬達(dá)0~106直接顯示頻譜時(shí),圖像顯示設(shè)備的動(dòng)態(tài)范圍往往不能滿足要求,從而丟失大量的暗部細(xì)節(jié);而在使用對(duì)數(shù)變換之后,圖像的動(dòng)態(tài)范圍被合理地非線性壓縮,從而可以清晰地顯示。
在圖13-3中,未經(jīng)變換的頻譜經(jīng)過對(duì)數(shù)變換后,增加了低灰度區(qū)域的對(duì)比度,從而增強(qiáng)暗部的細(xì)節(jié)。
下面的代碼實(shí)現(xiàn)了圖像灰度的對(duì)數(shù)變換。
# -*- coding: utf-8 -*- # By:Eastmount import numpy as np import matplotlib.pyplot as plt import cv2 #繪制曲線 def log_plot(c): x = np.arange(0, 256, 0.01) y = c * np.log(1 + x) plt.plot(x, y, 'r', linewidth=1) plt.rcParams['font.sans-serif']=['SimHei'] #正常顯示中文標(biāo)簽 plt.title('對(duì)數(shù)變換函數(shù)') plt.xlabel('x') plt.ylabel('y') plt.xlim(0, 255), plt.ylim(0, 255) plt.show() #對(duì)數(shù)變換 def log(c, img): output = c * np.log(1.0 + img) output = np.uint8(output + 0.5) return output #讀取原始圖像 img = cv2.imread('dark.png') #繪制對(duì)數(shù)變換曲線 log_plot(42) #圖像灰度對(duì)數(shù)變換 output = log(42, img) #顯示圖像 cv2.imshow('Input', img) cv2.imshow('Output', output) cv2.waitKey(0) cv2.destroyAllWindows()
圖13-4表示經(jīng)過對(duì)數(shù)函數(shù)處理后的效果圖,對(duì)數(shù)變換對(duì)于整體對(duì)比度偏低并且灰度值偏低的圖像增強(qiáng)效果較好。
對(duì)應(yīng)的對(duì)數(shù)函數(shù)曲線如圖13-5所示,其中x表示原始圖像的灰度值,y表示對(duì)數(shù)變換之后的目標(biāo)灰度值。
三.圖像灰度伽瑪變換
伽瑪變換又稱為指數(shù)變換或冪次變換,是另一種常用的灰度非線性變換。圖像灰度的伽瑪變換一般表示如公式(13-2)所示:
當(dāng)γ>1時(shí),會(huì)拉伸圖像中灰度級(jí)較高的區(qū)域,壓縮灰度級(jí)較低的部分。
當(dāng)γ<1時(shí),會(huì)拉伸圖像中灰度級(jí)較低的區(qū)域,壓縮灰度級(jí)較高的部分。
當(dāng)γ=1時(shí),該灰度變換是線性的,此時(shí)通過線性方式改變?cè)瓐D像。
Python實(shí)現(xiàn)圖像灰度的伽瑪變換代碼如下,主要調(diào)用冪函數(shù)實(shí)現(xiàn)。
# -*- coding: utf-8 -*- # By:Eastmount import numpy as np import matplotlib.pyplot as plt import cv2 #繪制曲線 def gamma_plot(c, v): x = np.arange(0, 256, 0.01) y = c*x**v plt.plot(x, y, 'r', linewidth=1) plt.rcParams['font.sans-serif']=['SimHei'] #正常顯示中文標(biāo)簽 plt.title('伽馬變換函數(shù)') plt.xlabel('x') plt.ylabel('y') plt.xlim([0, 255]), plt.ylim([0, 255]) plt.show() #伽瑪變換 def gamma(img, c, v): lut = np.zeros(256, dtype=np.float32) for i in range(256): lut[i] = c * i ** v output_img = cv2.LUT(img, lut) #像素灰度值的映射 output_img = np.uint8(output_img+0.5) return output_img #讀取原始圖像 img = cv2.imread('white.png') #繪制伽瑪變換曲線 gamma_plot(0.00000005, 4.0) #圖像灰度伽瑪變換 output = gamma(img, 0.00000005, 4.0) #顯示圖像 cv2.imshow('Imput', img) cv2.imshow('Output', output) cv2.waitKey(0) cv2.destroyAllWindows()
圖13-6表示經(jīng)過伽瑪變換處理后的效果圖,伽馬變換對(duì)于圖像對(duì)比度偏低,并且整體亮度值偏高(或由于相機(jī)過曝)情況下的圖像增強(qiáng)效果明顯。
對(duì)應(yīng)的伽馬變換曲線如圖13-7所示,其中x表示原始圖像的灰度值,y表示伽馬變換之后的目標(biāo)灰度值。
四.總結(jié)
本文主要講解圖像灰度非線性變換,包括圖像對(duì)數(shù)變換和伽馬變換。其中,圖像經(jīng)過對(duì)數(shù)變換后,較暗區(qū)域的對(duì)比度將有所提升;而案例中經(jīng)過伽瑪變換處理的圖像,整體亮度值偏高(或由于相機(jī)過曝)情況下的圖像增強(qiáng)效果明顯。這些圖像處理方法能有效提升圖像的質(zhì)量,為我們提供更好地感官效果。
到此這篇關(guān)于Python圖像運(yùn)算之圖像灰度非線性變換詳解的文章就介紹到這了,更多相關(guān)Python圖像灰度變換內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python基礎(chǔ)之面對(duì)對(duì)象基礎(chǔ)類和對(duì)象的概念
這篇文章主要介紹了python面對(duì)對(duì)象基礎(chǔ)類和對(duì)象的概念,實(shí)例分析了Python中返回一個(gè)返回值與多個(gè)返回值的方法,需要的朋友可以參考下2021-10-10剖析Python的Tornado框架中session支持的實(shí)現(xiàn)代碼
這篇文章主要介紹了剖析Python的Tornado框架中session支持的實(shí)現(xiàn)代碼,這樣就可以使用Django等框架中大家所熟悉的session了,需要的朋友可以參考下2015-08-08使用Django搭建web服務(wù)器的例子(最最正確的方式)
今天小編就為大家分享一篇使用Django搭建web服務(wù)器的例子(最最正確的方式),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-08-08CentOS下Python3的安裝及創(chuàng)建虛擬環(huán)境的方法
這篇文章主要介紹了CentOS下Python3的安裝及創(chuàng)建虛擬環(huán)境的方法,本文給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2018-11-11python shapely.geometry.polygon任意兩個(gè)四邊形的IOU計(jì)算實(shí)例
這篇文章主要介紹了python shapely.geometry.polygon任意兩個(gè)四邊形的IOU計(jì)算實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-04-04Python中g(shù)lobal關(guān)鍵字的用法詳解
Python是一種簡單而強(qiáng)大的編程語言,提供了許多功能和語法來幫助開發(fā)人員編寫高效的代碼,其中一個(gè)常用的功能是使用global關(guān)鍵字來在函數(shù)內(nèi)部訪問和修改全局變量,在本文中,我們將深入探討Python中g(shù)lobal關(guān)鍵字的用法,以及使用它的一些最佳實(shí)踐2023-12-12TensorFlow實(shí)現(xiàn)checkpoint文件轉(zhuǎn)換為pb文件
今天小編就為大家分享一篇TensorFlow實(shí)現(xiàn)checkpoint文件轉(zhuǎn)換為pb文件,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02