摘要：本文主要講解灰度線性變換。 本文分享自華為雲社區《[Python圖像處理] 十五.圖像的灰度線性變換》，作者：eastmount。 一.圖像灰度線性變換原理 圖像的灰度線性變換是通過建立灰度映射來調整原始圖像的灰度，從而改善圖像的質量，凸顯圖像的細節，提高圖像的對比度。灰度線性變換的計算公式如 ...
摘要：本文主要講解灰度線性變換。
本文分享自華為雲社區《[Python圖像處理] 十五.圖像的灰度線性變換》，作者：eastmount。
一.圖像灰度線性變換原理
圖像的灰度線性變換是通過建立灰度映射來調整原始圖像的灰度，從而改善圖像的質量，凸顯圖像的細節，提高圖像的對比度。灰度線性變換的計算公式如下所示：
該公式中DB表示灰度線性變換後的灰度值，DA表示變換前輸入圖像的灰度值，α和b為線性變換方程f(D)的參數，分別表示斜率和截距。
- 當α=1，b=0時，保持原始圖像
- 當α=1，b!=0時，圖像所有的灰度值上移或下移
- 當α=-1，b=255時，原始圖像的灰度值反轉
- 當α>1時，輸出圖像的對比度增強
- 當0<α<1時，輸出圖像的對比度減小
- 當α<0時，原始圖像暗區域變亮，亮區域變暗，圖像求補
如圖所示，顯示了圖像的灰度線性變換對應的效果圖。
二.圖像灰度上移變換
該演算法將實現圖像灰度值的上移，從而提升圖像的亮度，其實現代碼如下所示。由於圖像的灰度值位於0至255區間之內，所以需要對灰度值進行溢出判斷。
# -*- coding: utf-8 -*- import cv2 import numpy as np import matplotlib.pyplot as plt #讀取原始圖像 img = cv2.imread('miao.png') #圖像灰度轉換 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #獲取圖像高度和寬度 height = grayImage.shape[0] width = grayImage.shape[1] #創建一幅圖像 result = np.zeros((height, width), np.uint8) #圖像灰度上移變換 DB=DA+50 for i in range(height): for j in range(width): if (int(grayImage[i,j]+50) > 255): gray = 255 else: gray = int(grayImage[i,j]+50) result[i,j] = np.uint8(gray) #顯示圖像 cv2.imshow("Gray Image", grayImage) cv2.imshow("Result", result) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
其輸出結果如下圖所示，圖像的所有灰度值上移50，圖像變得更白了。註意，純黑色對應的灰度值為0，純白色對應的灰度值為255。
三.圖像對比度增強變換
該演算法將增強圖像的對比度，Python實現代碼如下所示：
# -*- coding: utf-8 -*- import cv2 import numpy as np import matplotlib.pyplot as plt #讀取原始圖像 img = cv2.imread('miao.png') #圖像灰度轉換 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #獲取圖像高度和寬度 height = grayImage.shape[0] width = grayImage.shape[1] #創建一幅圖像 result = np.zeros((height, width), np.uint8) #圖像對比度增強變換 DB=DA*1.5 for i in range(height): for j in range(width): if (int(grayImage[i,j]*1.5) > 255): gray = 255 else: gray = int(grayImage[i,j]*1.5) result[i,j] = np.uint8(gray) #顯示圖像 cv2.imshow("Gray Image", grayImage) cv2.imshow("Result", result)
其輸出結果如下圖所示，圖像的所有灰度值增強1.5倍。
四.圖像對比度減弱變換
該演算法將減弱圖像的對比度，Python實現代碼如下所示：
# -*- coding: utf-8 -*- import cv2 import numpy as np import matplotlib.pyplot as plt #讀取原始圖像 img = cv2.imread('miao.png') #圖像灰度轉換 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #獲取圖像高度和寬度 height = grayImage.shape[0] width = grayImage.shape[1] #創建一幅圖像 result = np.zeros((height, width), np.uint8) #圖像對比度減弱變換 DB=DA*0.8 for i in range(height): for j in range(width): gray = int(grayImage[i,j]*0.8) result[i,j] = np.uint8(gray) #顯示圖像 cv2.imshow("Gray Image", grayImage) cv2.imshow("Result", result) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
其輸出結果如下圖所示，圖像的所有灰度值減弱，圖像變得更暗。
五.圖像灰度反色變換
反色變換又稱為線性灰度求補變換，它是對原圖像的像素值進行反轉，即黑色變為白色，白色變為黑色的過程。其Python實現代碼如下所示：
# -*- coding: utf-8 -*- import cv2 import numpy as np import matplotlib.pyplot as plt #讀取原始圖像 img = cv2.imread('miao.png') #圖像灰度轉換 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #獲取圖像高度和寬度 height = grayImage.shape[0] width = grayImage.shape[1] #創建一幅圖像 result = np.zeros((height, width), np.uint8) #圖像灰度反色變換 DB=255-DA for i in range(height): for j in range(width): gray = 255 - grayImage[i,j] result[i,j] = np.uint8(gray) #顯示圖像 cv2.imshow("Gray Image", grayImage) cv2.imshow("Result", result) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
其輸出結果如下圖所示，圖像處理前後的灰度值是互補的。
圖像灰度反色變換在醫學圖像處理中有一定的應用，如下圖所示：
PS：文章參考自己以前系列圖像處理文章及OpenCV庫函數，同時參考如下文獻：
- 楊秀璋等. 基於苗族服飾的圖像銳化和邊緣提取技術研究[J]. 現代電腦，2018(10).
- 《數字圖像處理》（第3版），岡薩雷斯著，阮秋琦譯，電子工業出版社，2013年.
- 《數字圖像處理學》（第3版），阮秋琦，電子工業出版社，2008年，北京.
- 《OpenCV3編程入門》，毛星雲，冷雪飛，電子工業出版社，2015.
- [數字圖像處理] 五.MFC圖像點運算之灰度線性變化、灰度非線性變化、閾值化和均衡化處理詳解
