快捷導(dǎo)航

Python灰度變換中灰度切割分析實現(xiàn)

更新時間：2022年10月19日 08:31:43 作者：Henry_zs

灰度變換是指根據(jù)某種目標(biāo)條件按一定變換關(guān)系逐點改變源圖像中每個像素灰度值的方法。目的是改善畫質(zhì)，使圖像顯示效果更加清晰。圖像的灰度變換處理是圖像增強處理技術(shù)中的一種非?；A(chǔ)、直接的空間域圖像處理方法，也是圖像數(shù)字化軟件和圖像顯示軟件的一個重要組成部分

1. 介紹

灰度切割：增強特定范圍的對比度，突出圖像中特定范圍的亮度（灰度級分層也叫灰度切割）

實現(xiàn)灰度切割的方法有很多種，但基本的方法就兩種，其余的方法都是這兩個方法的變體

將感興趣范圍內(nèi)的灰度值全部映射成為一個值（如白色），將其余的灰度值顯示為另一個顏色（如黑色），產(chǎn)生一個二值圖像
將感興趣的灰度值變亮，保持其余的灰度值不變

對應(yīng)的映射函數(shù)為：

灰度切割的特殊使用：閾值處理

將感興趣的物體從背景中分離出來，也叫二值化處理，是第一種方法的變體

2. 灰度切割代碼實現(xiàn)

這次沒有采用for循環(huán)的方式去遍歷每個像素點

x[:,:] > a 代表x所有行所有列中大于a的點的位置會為True，再將結(jié)果傳入自身的坐標(biāo)中就能找到滿足兩個閾值中間的點，將這些點替換為255即可

import cv2
import numpy as np
def transform1(x):
    a , b = 150 , 240    #  定義兩個閾值，中間部分變換為255
    dst = x.copy()
    dst[(x[:,:] >= a) & (x[:,:] <= b)] = 255        # 中間變換為255
    dst[(x[:,:] <  a) | (x[:,:] >  b)] = 0          # 其余的變換為0
    return dst
def transform2(x):
    a , b = 150 , 240    #  定義兩個閾值，中間部分變換為255
    dst = x.copy()
    dst[(x[:,:] >= a) & (x[:,:] <= b)] = 255     # 中間變換255，其余的不變
    return dst
gray = cv2.imread('./img.png',0)
dst1 = transform1(gray)
dst2 = transform2(gray)
cv2.imshow('img',np.hstack((gray,dst1,dst2)))
cv2.waitKey()
cv2.destroyAllWindows()

輸出結(jié)果

3. 閾值處理

灰度切割的特殊使用是閾值處理，opencv中包含了threshold函數(shù)對圖像進行閾值處理

語法如下：retval，dst = cv2.threshold(src , thresh , maxval , type)

ret val（return value）：處理時采用的閾值大小

dst ：處理后的圖像

src ：處理前的圖像

maxval（max val）：產(chǎn)生二值圖像后，閾值處理后輸出的值，另一個默認(rèn)是0。例如小于150的輸出0，其余的就是這個maxval（一般是255）

type ：閾值處理的類型，有如下的幾種類型

type	含義
cv2.THRESH_BINARY	二值化閾值處理：超出thresh，為255；否則為0
cv2.THRESH_BINARY_INV	反二值化閾值處理：超出thresh，為0；否則為255
cv2.THRESH_TOZERO	低于閾值零處理：低于thresh，為0；否則灰度值不變
cv2.THRESH_TOZERO_INV	超出閾值零處理：低于thresh，為255；否則為0
cv2.THRESH_TRUNC(truncate截斷)	截斷閾值處理：超過thresh，為thresh；否則不變

代碼：

import cv2
import numpy as np
a = np.arange(0,256).reshape(1,-1).astype(np.uint8) # 0-255
img = cv2.resize(a,(800,100),interpolation=cv2.INTER_AREA)    #  創(chuàng)建漸變圖像
ret1,img1 = cv2.threshold(img,200,255,cv2.THRESH_BINARY) # 二值化閾值處理
ret2,img2 = cv2.threshold(img,200,255,cv2.THRESH_BINARY_INV) # 反二值化閾值處理
ret3,img3 = cv2.threshold(img,200,255,cv2.THRESH_TOZERO) # 低于閾值零處理
ret4,img4 = cv2.threshold(img,200,255,cv2.THRESH_TOZERO_INV) # 超出閾值零處理
ret5,img5 = cv2.threshold(img,200,255,cv2.THRESH_TRUNC) # 截斷閾值處理
cv2.imshow('img',np.vstack((img,img1,img2,img3,img4,img5)))
cv2.waitKey()
cv2.destroyAllWindows()

處理結(jié)果：