Python 图像对比度增强的几种方法

您所在的位置：网站首页 › 对比度增强原理 › Python 图像对比度增强的几种方法

Python 图像对比度增强的几种方法

2023-11-15 11:14| 来源: 网络整理| 查看: 265

Python 图像对比度增强的几种方法图像处理工具——灰度直方图python实现结果线性变换线性变换python实现线性变换结果直方图正规化直方图正规化python实现直方图正规化结果伽马变换伽马变换python实现伽马变换结果

图像处理工具——灰度直方图

灰度直方图时图像灰度级的函数，用来描述每个灰度级在图像矩阵中的像素个数或者占有率。例子：矩阵 I = { 10 15 55 145 15 10 10 55 1 12 10 145 90 180 0 125 } I= \left\{ \begin{matrix} 10 & 15 & 55 & 145 \\ 15 & 10 & 10 & 55 \\ 1 & 12 & 10 & 145 \\ 90 & 180 & 0 & 125 \end{matrix} \right\} I=⎩⎪⎪⎨⎪⎪⎧1015190151012180551010014555145125⎭⎪⎪⎬⎪⎪⎫ 图片来自网络，侵删！上面图片的灰度直方图在这里插入图片描述

python实现 #!usr/bin/env python #-*- coding:utf-8 _*- """ @author:Sui yue @describe: 灰度直方图，描述每个灰度级在图像矩阵中的像素个数或者占有率 @time: 2019/09/15 """ import sys import cv2 import numpy as np import matplotlib.pyplot as plt #对于8位图，图像的灰度级范围式0~255之间的整数，通过定义函数来计算直方图 def calcGrayHist(image): #灰度图像矩阵的高、宽 rows, cols = image.shape #存储灰度直方图 grayHist=np.zeros([256],np.uint64) for r in range(rows): for c in range(cols): grayHist[image[r][c]] +=1 return grayHist #主函数 if __name__=="__main__": #第一个参数式图片地址，你只需放上你的图片就可 image = cv2.imread('../images/test3.jpg', cv2.IMREAD_GRAYSCALE) cv2.imshow("image", image) print("Usge:python histogram.py imageFile") #计算灰度直方图 grayHist=calcGrayHist(image) #画出灰度直方图 x_range=range(256) plt.plot(x_range,grayHist,'r',linewidth=2,c='black') #设置坐标轴的范围 y_maxValue=np.max(grayHist) plt.axis([0,255,0,y_maxValue]) plt.ylabel('gray level') plt.ylabel("number or pixels") # 显示灰度直方图 plt.show() cv2.waitKeyEx(0) 结果

在这里插入图片描述

线性变换

假设输入图像为I，宽W、高为H，输出图像为O,图像的线性变换可以利用以下公式： O ( r , c ) = a ∗ I ( r , c ) + b , 0 ≤ r < H , 0 ≤ c < W O(r,c)=a*I(r,c)+b,\quad0\le r \lt H,0\le c \lt W O(r,c)=a∗I(r,c)+b,0≤r255]=255 #数据类型转换 O=np.round(O) #uint8类型 O=O.astype(np.uint8) #显示原图和线性变换后的效果 cv2.imshow("I",I) cv2.imshow("O",O) calcGrayHist(I) calcGrayHist(O) cv2.waitKey(0) cv2.destroyAllWindows() 线性变换结果

在这里插入图片描述灰度直方图

直方图正规化

假设输入图像为I，宽W、高为H， I （ r , c ） I（r,c） I（r,c）代表I的第r行第c列的灰度值，将I中出现的最小灰度级记为 I m i n I_{min} Imin,最大灰度级记为 I m a x I_{max} Imax, I （ r , c ） ∈ [ I m i n , I m a x ] I（r,c）\in [I_{min},I_{max}] I（r,c）∈[Imin,Imax],为使输出图像O的灰度级范围为 [ O m i n , O m a x ] [O_{min},O_{max}] [Omin,Omax], I （ r , c ） I（r,c） I（r,c）和 O （ r , c ） O（r,c） O（r,c）做以下映射关系： O ( r , c ) = O m i n , O m a x I m i n , I m a x ( I ( r , c ) − I m i n ) + O m a x O(r,c)=\frac{O_{min},O_{max}}{I_{min},I_{max}}(I(r,c)-I_{min})+O_{max} O(r,c)=Imin,ImaxOmin,Omax(I(r,c)−Imin)+Omax 其中 0 ≤ r < H , 0 ≤ c < W \quad0\le r \lt H,0\le c \lt W 0≤r

【本文地址】

Python 图像对比度增强的几种方法

Python 图像对比度增强的几种方法

今日新闻

推荐新闻