[Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换 |
您所在的位置：网站首页 › python灰度图像读写 › [Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换 |
[Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换
|
该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~ 前一篇文章讲解了图像灰度化处理及线性变换知识，结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作，本篇文章主要讲解非线性变换，使用自定义方法对图像进行灰度化处理，包括对数变换和伽马变换。本文主要讲解灰度线性变换，基础性知识希望对您有所帮助。 一.图像灰度非线性变换：DB=DA×DA/255二.图像灰度对数变换三.图像灰度伽玛变换四.总结文章参考自己以前系列图像处理文章及OpenCV库函数。同时，本篇文章涉及到《计算机图形学》基础知识，请大家下来补充。该系列在github所有源代码： https://github.com/eastmountyxz/ ImageProcessing-Python学Python近八年，认识了很多大佬和朋友，感恩。深知自己很菜，得拼命努力前行，编程也没有什么捷径，干就对了。希望未来能更透彻学习和撰写文章，同时非常感谢参考文献中的大佬们的文章和分享，共勉。 - https://blog.csdn.net/eastmount 一.图像灰度非线性变换：DB=DA×DA/255 图像的灰度非线性变换主要包括对数变换、幂次变换、指数变换、分段函数变换，通过非线性关系对图像进行灰度处理，下面主要讲解三种常见类型的灰度非线性变换。 原始图像的灰度值按照DB=DA×DA/255的公式进行非线性变换，其代码如下： 代码语言：javascript复制# -*- coding: utf-8 -*- import cv2 import numpy as np import matplotlib.pyplot as plt #读取原始图像 img = cv2.imread('miao.png') #图像灰度转换 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #获取图像高度和宽度 height = grayImage.shape[0] width = grayImage.shape[1] #创建一幅图像 result = np.zeros((height, width), np.uint8) #图像灰度非线性变换：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) #显示图像 cv2.imshow("Gray Image", grayImage) cv2.imshow("Result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()图像灰度非线性变换的输出结果下图所示：  二.图像灰度对数变换图像灰度的对数变换一般表示如公式所示：  其中c为尺度比较常数，DA为原始图像灰度值，DB为变换后的目标灰度值。如下图所示，它表示对数曲线下的灰度值变化情况。  由于对数曲线在像素值较低的区域斜率大，在像素值较高的区域斜率较小，所以图像经过对数变换后，较暗区域的对比度将有所提升。这种变换可用于增强图像的暗部细节，从而用来扩展被压缩的高值图像中的较暗像素。 对数变换实现了扩展低灰度值而压缩高灰度值的效果，被广泛地应用于频谱图像的显示中。一个典型的应用是傅立叶频谱，其动态范围可能宽达0～106直接显示频谱时，图像显示设备的动态范围往往不能满足要求，从而丢失大量的暗部细节；而在使用对数变换之后，图像的动态范围被合理地非线性压缩，从而可以清晰地显示。在下图中，未经变换的频谱经过对数变换后，增加了低灰度区域的对比度，从而增强暗部的细节。  下面的代码实现了图像灰度的对数变换。 代码语言：javascript复制# -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt import cv2 #绘制曲线 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'] #正常显示中文标签 plt.title(u'对数变换函数') plt.xlim(0, 255), plt.ylim(0, 255) plt.show() #对数变换 def log(c, img): output = c * np.log(1.0 + img) output = np.uint8(output + 0.5) return output #读取原始图像 img = cv2.imread('test.png') #绘制对数变换曲线 log_plot(42) #图像灰度对数变换 output = log(42, img) #显示图像 cv2.imshow('Input', img) cv2.imshow('Output', output) cv2.waitKey(0) cv2.destroyAllWindows()下图表示经过对数函数处理后的效果图，对数变换对于整体对比度偏低并且灰度值偏低的图像增强效果较好。  对应的对数函数曲线如图  三.图像灰度伽玛变换伽玛变换又称为指数变换或幂次变换，是另一种常用的灰度非线性变换。图像灰度的伽玛变换一般表示如公式所示：  当γ>1时，会拉伸图像中灰度级较高的区域，压缩灰度级较低的部分。当γ |
【本文地址】
今日新闻 |
推荐新闻 |