from skimage import data, exposure, img_as_float
import matplotlib.pyplot as plt
image = img_as_float(data.moon())
gam1= exposure.adjust_gamma(image, 2)   #調(diào)暗
gam2= exposure.adjust_gamma(image, 0.5)  #調(diào)亮
plt.figure('adjust_gamma',figsize=(8,8))
plt.subplot(131)
plt.title('origin image')
plt.imshow(image,plt.cm.gray)
plt.axis('off')
plt.subplot(132)
plt.title('gamma=2')
plt.imshow(gam1,plt.cm.gray)
plt.axis('off')
plt.subplot(133)
plt.title('gamma=0.5')
plt.imshow(gam2,plt.cm.gray)
plt.axis('off')
plt.show()

2、log對(duì)數(shù)調(diào)整

這個(gè)剛好和gamma相反

原理：I=log(I)

from skimage import data, exposure, img_as_float
import matplotlib.pyplot as plt
image = img_as_float(data.moon())
gam1= exposure.adjust_log(image)   #對(duì)數(shù)調(diào)整
plt.figure('adjust_gamma',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(image,plt.cm.gray)
plt.axis('off')
plt.subplot(122)
plt.title('log')
plt.imshow(gam1,plt.cm.gray)
plt.axis('off')
plt.show()

3、判斷圖像對(duì)比度是否偏低

函數(shù)：is_low_contrast(img)

返回一個(gè)bool型值

from skimage import data, exposure
image =data.moon()
result=exposure.is_low_contrast(image)
print(result)

輸出為False

4、調(diào)整強(qiáng)度

函數(shù)：

skimage.exposure.rescale_intensity(image, in_range='image', out_range='dtype')

in_range 表示輸入圖片的強(qiáng)度范圍，默認(rèn)為'image', 表示用圖像的最大/最小像素值作為范圍

out_range 表示輸出圖片的強(qiáng)度范圍，默認(rèn)為'dype', 表示用圖像的類型的最大/最小值作為范圍

默認(rèn)情況下，輸入圖片的[min,max]范圍被拉伸到[dtype.min, dtype.max]，如果

dtype=uint8, 那么dtype.min=0, dtype.max=255

import numpy as np
from skimage import exposure
image = np.array([51, 102, 153], dtype=np.uint8)
mat=exposure.rescale_intensity(image)
print(mat)

輸出為[ 0 127 255]

即像素最小值由51變?yōu)?，最大值由153變?yōu)?55，整體進(jìn)行了拉伸，但是數(shù)據(jù)類型沒有變，還是uint8

前面我們講過，可以通過img_as_float()函數(shù)將unit8類型轉(zhuǎn)換為float型，實(shí)際上還有更簡單的方法，就是乘以1.0

import numpy as np
image = np.array([51, 102, 153], dtype=np.uint8)
print(image*1.0)

即由[51,102,153]變成了[ 51. 102. 153.]

而float類型的范圍是[0,1]，因此對(duì)float進(jìn)行rescale_intensity 調(diào)整后，范圍變?yōu)閇0,1],而不是[0,255]

import numpy as np
from skimage import exposure
image = np.array([51, 102, 153], dtype=np.uint8)
tmp=image*1.0
mat=exposure.rescale_intensity(tmp)
print(mat)

結(jié)果為[ 0.   0.5 1. ]

如果原始像素值不想被拉伸，只是等比例縮小，就使用in_range參數(shù)，如：

import numpy as np
from skimage import exposure
image = np.array([51, 102, 153], dtype=np.uint8)
tmp=image*1.0
mat=exposure.rescale_intensity(tmp,in_range=(0,255))
print(mat)

輸出為：[ 0.2 0.4 0.6]，即原像素值除以255

如果參數(shù)in_range的[main,max]范圍要比原始像素值的范圍[min,max] 大或者小，那就進(jìn)行裁剪，如：

mat=exposure.rescale_intensity(tmp,in_range=(0,102))
print(mat)

輸出[ 0.5 1. 1. ]，即原像素值除以102，超出1的變?yōu)?

如果一個(gè)數(shù)組里面有負(fù)數(shù)，現(xiàn)在想調(diào)整到正數(shù)，就使用out_range參數(shù)。如：

import numpy as np
from skimage import exposure
image = np.array([-10, 0, 10], dtype=np.int8)
mat=exposure.rescale_intensity(image, out_range=(0, 127))
print(mat)