Python中图像灰度非线性变换的示例分析
导读:本文共3381字符,通常情况下阅读需要11分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: 一.图像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:#-*-coding:utf-8-*-#By:Eastmountimportcv2importnumpyasnpimportmatplotlib.pyplotasplt#读取原始图像img=cv2.imread('luo.... ...
目录
(为您整理了一些要点),点击可以直达。一.图像灰度非线性变换
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:
#-*-coding:utf-8-*-#By:Eastmountimportcv2importnumpyasnpimportmatplotlib.pyplotasplt#读取原始图像img=cv2.imread('luo.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/255foriinrange(height):forjinrange(width):gray=int(grayImage[i,j])*int(grayImage[i,j])/255result[i,j]=np.uint8(gray)#显示图像cv2.imshow("GrayImage",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如图13-1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(13-1)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。如图13-2所示,它表示对数曲线下的灰度值变化情况,其中x表示原始图像的灰度值,y表示对数变换之后的目标灰度值。
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。
在图13-3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。
#-*-coding:utf-8-*-#By:Eastmountimportnumpyasnpimportmatplotlib.pyplotaspltimportcv2#绘制曲线deflog_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('对数变换函数')plt.xlabel('x')plt.ylabel('y')plt.xlim(0,255),plt.ylim(0,255)plt.show()#对数变换deflog(c,img):output=c*np.log(1.0+img)output=np.uint8(output+0.5)returnoutput#读取原始图像img=cv2.imread('dark.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()
图13-4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13-5所示,其中x表示原始图像的灰度值,y表示对数变换之后的目标灰度值。
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(13-2)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<1时,会拉伸图像中灰度级较低的区域,压缩灰度级较高的部分。
当γ=1时,该灰度变换是线性的,此时通过线性方式改变原图像。
Python实现图像灰度的伽玛变换代码如下,主要调用幂函数实现。
#-*-coding:utf-8-*-#By:Eastmountimportnumpyasnpimportmatplotlib.pyplotaspltimportcv2#绘制曲线defgamma_plot(c,v):x=np.arange(0,256,0.01)y=c*x**vplt.plot(x,y,'r',linewidth=1)plt.rcParams['font.sans-serif']=['SimHei']#正常显示中文标签plt.title('伽马变换函数')plt.xlabel('x')plt.ylabel('y')plt.xlim([0,255]),plt.ylim([0,255])plt.show()#伽玛变换defgamma(img,c,v):lut=np.zeros(256,dtype=np.float32)foriinrange(256):lut[i]=c*i**voutput_img=cv2.LUT(img,lut)#像素灰度值的映射output_img=np.uint8(output_img+0.5)returnoutput_img#读取原始图像img=cv2.imread('white.png')#绘制伽玛变换曲线gamma_plot(0.00000005,4.0)#图像灰度伽玛变换output=gamma(img,0.00000005,4.0)#显示图像cv2.imshow('Imput',img)cv2.imshow('Output',output)cv2.waitKey(0)cv2.destroyAllWindows()
图13-6表示经过伽玛变换处理后的效果图,伽马变换对于图像对比度偏低,并且整体亮度值偏高(或由于相机过曝)情况下的图像增强效果明显。
对应的伽马变换曲线如图13-7所示,其中x表示原始图像的灰度值,y表示伽马变换之后的目标灰度值。
</div> <div class="zixun-tj-product adv-bottom"></div> </div> </div> <div class="prve-next-news">
Python中图像灰度非线性变换的示例分析的详细内容,希望对您有所帮助,信息来源于网络。