欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python圖像運(yùn)算之圖像灰度直方圖對(duì)比詳解

 更新時(shí)間：2022年08月12日 10:30:49   作者：Eastmount  
本篇文章將結(jié)合直方圖分別對(duì)比圖像灰度變換前后的變化，方便大家更清晰地理解灰度變換和閾值變換，文中的示例代碼講解詳細(xì)，需要的可以參考一下

一.灰度增強(qiáng)直方圖對(duì)比

圖像灰度上移變換使用的表達(dá)式為：

DB=DA+50

該算法將實(shí)現(xiàn)圖像灰度值的上移，從而提升圖像的亮度，結(jié)合直方圖對(duì)比的實(shí)現(xiàn)代碼如下所示。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#讀取圖像
img = cv2.imread('lena-hd.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]
result = np.zeros((height, width), np.uint8)

#圖像灰度上移變換 DB=DA+50
for i in range(height):
    for j in range(width):
        if (int(grayImage[i,j]+50) > 255):
            gray = 255
        else:
            gray = int(grayImage[i,j]+50)
        result[i,j] = np.uint8(gray)

#計(jì)算原圖的直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,255])

#計(jì)算灰度變換的直方圖
hist_res = cv2.calcHist([result], [0], None, [256], [0,255])

#原始圖像
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off')

#繪制掩膜
plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y")

#繪制掩膜設(shè)置后的圖像
plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off')

#繪制直方圖
plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y")
plt.show()

其運(yùn)行結(jié)果如圖1所示，其中（a）表示原始圖像，（b）表示對(duì)應(yīng)的灰度直方圖，（c）表示灰度上移后的圖像，（d）是對(duì)應(yīng)的直方圖。對(duì)比發(fā)現(xiàn)，圖1（d）比圖1（b）的灰度級(jí)整體高了50，曲線整體向右平移了50個(gè)單位。

二.灰度減弱直方圖對(duì)比

該算法將減弱圖像的對(duì)比度，使用的表達(dá)式為：

DB=DA×0.8

Python結(jié)合直方圖實(shí)現(xiàn)灰度對(duì)比度減弱的代碼如下所示。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#讀取圖像
img = cv2.imread('lena-hd.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]
result = np.zeros((height, width), np.uint8)

#圖像對(duì)比度減弱變換 DB=DA×0.8
for i in range(height):
    for j in range(width):
        gray = int(grayImage[i,j]*0.8)
        result[i,j] = np.uint8(gray)

#計(jì)算原圖的直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,255])

#計(jì)算灰度變換的直方圖
hist_res = cv2.calcHist([result], [0], None, [256], [0,255])

#原始圖像
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off')

#繪制掩膜
plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y")

#繪制掩膜設(shè)置后的圖像
plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off')

#繪制直方圖
plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y")
plt.show()

其運(yùn)行結(jié)果如圖2所示，其中（a）和（b）表示原始圖像和對(duì)應(yīng)的灰度直方圖，（c）和（d）表示灰度減弱或?qū)Ρ榷瓤s小的圖像及對(duì)應(yīng)的直方圖。圖2（d）比圖2（b）的灰度級(jí)整體縮小了0.8倍，繪制的曲線更加密集。

三.圖像反色直方圖對(duì)比

該算法將圖像的顏色反色，對(duì)原圖像的像素值進(jìn)行反轉(zhuǎn)，即黑色變?yōu)榘咨?，白色變?yōu)楹谏?，使用的表達(dá)式為：

DB=255-DA

實(shí)現(xiàn)代碼如下所示。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#讀取圖像
img = cv2.imread('lena-hd.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]
result = np.zeros((height, width), np.uint8)

#圖像灰度反色變換 DB=255-DA
for i in range(height):
    for j in range(width):
        gray = 255 - grayImage[i,j]
        result[i,j] = np.uint8(gray)

#計(jì)算原圖的直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,255])

#計(jì)算灰度變換的直方圖
hist_res = cv2.calcHist([result], [0], None, [256], [0,255])

#原始圖像
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off')

#繪制掩膜
plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y")

#繪制掩膜設(shè)置后的圖像
plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off')

#繪制直方圖
plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y")
plt.show()

其運(yùn)行結(jié)果如圖3所示，其中（a）和（b）表示原始圖像和對(duì)應(yīng)的灰度直方圖，（c）和（d）表示灰度反色變換圖像及對(duì)應(yīng)的直方圖。圖3（d）與圖3（b）是反相對(duì)稱(chēng)的，整個(gè)灰度值滿足DB=255-DA表達(dá)式。

四.圖像對(duì)數(shù)變換直方圖對(duì)比

該算法將增加低灰度區(qū)域的對(duì)比度，從而增強(qiáng)暗部的細(xì)節(jié)，使用的表達(dá)式為：

下面代碼實(shí)現(xiàn)了圖像灰度的對(duì)數(shù)變換及直方圖對(duì)比。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#讀取圖像
img = cv2.imread('lena-hd.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]
result = np.zeros((height, width), np.uint8)

#圖像灰度對(duì)數(shù)變換
for i in range(height):
    for j in range(width):
        gray = 42 * np.log(1.0 + grayImage[i,j])
        result[i,j] = np.uint8(gray)

#計(jì)算原圖的直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,255])

#計(jì)算灰度變換的直方圖
hist_res = cv2.calcHist([result], [0], None, [256], [0,255])

#原始圖像
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off')

#繪制原始圖像直方圖
plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y")

#灰度變換后的圖像
plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off')

#灰度變換圖像的直方圖
plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y")
plt.show()

其運(yùn)行結(jié)果如圖4所示，其中（a）和（b）表示原始圖像和對(duì)應(yīng)的灰度直方圖，（c）和（d）表示灰度對(duì)數(shù)變換圖像及對(duì)應(yīng)的直方圖。

五.圖像閾值化處理直方圖對(duì)比

該算法原型為threshold(Gray,127,255,cv2.THRESH_BINARY)，當(dāng)前像素點(diǎn)的灰度值大于thresh閾值時(shí)（如127），其像素點(diǎn)的灰度值設(shè)定為最大值（如9位灰度值最大為255）；否則，像素點(diǎn)的灰度值設(shè)置為0。二進(jìn)制閾值化處理及直方圖對(duì)比的Python代碼如下所示。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#讀取圖像
img = cv2.imread('lena-hd.png')

#圖像灰度轉(zhuǎn)換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#二進(jìn)制閾值化處理
r, result = cv2.threshold(grayImage, 127, 255, cv2.THRESH_BINARY)

#計(jì)算原圖的直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,256])

#計(jì)算閾值化處理的直方圖
hist_res = cv2.calcHist([result], [0], None, [256], [0,256])

#原始圖像
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off')

#繪制原始圖像直方圖
plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y")

#閾值化處理后的圖像
plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off')

#閾值化處理圖像的直方圖
plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y")
plt.show()

其運(yùn)行結(jié)果如圖5所示，其中（a）和（b）表示原始圖像和對(duì)應(yīng)的灰度直方圖，（c）和（d）表示圖像閾值化處理及對(duì)應(yīng)的直方圖，圖5（d）中可以看到，灰度值僅僅分布于0（黑色）和255（白色）兩種灰度級(jí)。

六.總結(jié)

本文主要講解圖像直方圖理論知識(shí)以及直方圖繪制方法，包括灰度增強(qiáng)直方圖對(duì)比、灰度減弱直方圖對(duì)比、圖像反色直方圖對(duì)比、圖像對(duì)數(shù)變換直方圖對(duì)比、圖像閾值化處理直方圖對(duì)比?；叶戎狈綀D是灰度級(jí)的函數(shù)，描述的是圖像中每種灰度級(jí)像素的個(gè)數(shù)，反映圖像中每種灰度出現(xiàn)的頻率。這篇文章的知識(shí)點(diǎn)將為后續(xù)圖像處理和圖像運(yùn)算對(duì)比提供支撐。

以上就是Python圖像運(yùn)算之圖像灰度直方圖對(duì)比詳解的詳細(xì)內(nèi)容，更多關(guān)于Python灰度直方圖對(duì)比的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

最新評(píng)論