您好,登录后才能下订单哦!
这篇文章将为大家详细讲解有关Python中图像灰度非线性变换的示例分析,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
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:Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #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/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如图13-1所示:
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:Eastmount 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('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 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('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。
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:Eastmount import numpy as np import matplotlib.pyplot as plt import cv2 #绘制曲线 def gamma_plot(c, v): x = np.arange(0, 256, 0.01) y = c*x**v plt.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 def gamma(img, c, v): lut = np.zeros(256, dtype=np.float32) for i in range(256): lut[i] = c * i ** v output_img = cv2.LUT(img, lut) #像素灰度值的映射 output_img = np.uint8(output_img+0.5) return output_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。
关于“Python中图像灰度非线性变换的示例分析”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,使各位可以学到更多知识,如果觉得文章不错,请把它分享出去让更多的人看到。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。