跟我學Python圖像處理丨何為圖像的灰度非線性變換

来源:https://www.cnblogs.com/huaweiyun/archive/2022/09/02/16650378.html
-Advertisement-
Play Games

摘要:本文主要講解灰度線性變換,基礎性知識希望對您有所幫助。 本文分享自華為雲社區《[Python圖像處理] 十六.圖像的灰度非線性變換之對數變換、伽馬變換》,作者:eastmount 。 本篇文章主要講解非線性變換,使用自定義方法對圖像進行灰度化處理,包括對數變換和伽馬變換。 一.圖像灰度非線性變 ...


摘要:本文主要講解灰度線性變換,基礎性知識希望對您有所幫助。

本文分享自華為雲社區《[Python圖像處理] 十六.圖像的灰度非線性變換之對數變換、伽馬變換》,作者:eastmount 。

本篇文章主要講解非線性變換,使用自定義方法對圖像進行灰度化處理,包括對數變換和伽馬變換。

一.圖像灰度非線性變換

圖像的灰度非線性變換主要包括對數變換、冪次變換、指數變換、分段函數變換,通過非線性關係對圖像進行灰度處理,下麵主要講解三種常見類型的灰度非線性變換。

原始圖像的灰度值按照DB=DA×DA/255的公式進行非線性變換,其代碼如下:

# -*- 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)
#圖像灰度非線性變換: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)
#顯示圖像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)
#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

圖像灰度非線性變換的輸出結果下圖所示:

二.圖像灰度對數變換

圖像灰度的對數變換一般表示如公式所示:

其中c為尺度比較常數,DA為原始圖像灰度值,DB為變換後的目標灰度值。如下圖所示,它表示對數曲線下的灰度值變化情況。

由於對數曲線在像素值較低的區域斜率大,在像素值較高的區域斜率較小,所以圖像經過對數變換後,較暗區域的對比度將有所提升。這種變換可用於增強圖像的暗部細節,從而用來擴展被壓縮的高值圖像中的較暗像素。

對數變換實現了擴展低灰度值而壓縮高灰度值的效果,被廣泛地應用於頻譜圖像的顯示中。一個典型的應用是傅立葉頻譜,其動態範圍可能寬達0~106直接顯示頻譜時,圖像顯示設備的動態範圍往往不能滿足要求,從而丟失大量的暗部細節;而在使用對數變換之後,圖像的動態範圍被合理地非線性壓縮,從而可以清晰地顯示。在下圖中,未經變換的頻譜經過對數變換後,增加了低灰度區域的對比度,從而增強暗部的細節。

下麵的代碼實現了圖像灰度的對數變換。

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
import cv2
#繪製曲線
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'] #正常顯示中文標簽
 plt.title(u'對數變換函數')
 plt.xlim(0, 255), plt.ylim(0, 255)
 plt.show()
#對數變換
def log(c, img):
 output = c * np.log(1.0 + img)
 output = np.uint8(output + 0.5)
 return output
#讀取原始圖像
img = cv2.imread('test.png')
#繪製對數變換曲線
log_plot(42)
#圖像灰度對數變換
output = log(42, img)
#顯示圖像
cv2.imshow('Input', img)
cv2.imshow('Output', output)
cv2.waitKey(0)
cv2.destroyAllWindows()

下圖表示經過對數函數處理後的效果圖,對數變換對於整體對比度偏低並且灰度值偏低的圖像增強效果較好。

對應的對數函數曲線如圖

三.圖像灰度伽瑪變換

伽瑪變換又稱為指數變換或冪次變換,是另一種常用的灰度非線性變換。圖像灰度的伽瑪變換一般表示如公式所示:

  • 當γ>1時,會拉伸圖像中灰度級較高的區域,壓縮灰度級較低的部分。
  • 當γ<1時,會拉伸圖像中灰度級較低的區域,壓縮灰度級較高的部分。
  • 當γ=1時,該灰度變換是線性的,此時通過線性方式改變原圖像。

Python實現圖像灰度的伽瑪變換代碼如下,主要調用冪函數實現。

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
import cv2
#繪製曲線
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'] #正常顯示中文標簽
 plt.title(u'伽馬變換函數')
 plt.xlim([0, 255]), plt.ylim([0, 255])
 plt.show()
#伽瑪變換
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
#讀取原始圖像
img = cv2.imread('test.png')
#繪製伽瑪變換曲線
gamma_plot(0.00000005, 4.0)
#圖像灰度伽瑪變換
output = gamma(img, 0.00000005, 4.0)
#顯示圖像
cv2.imshow('Imput', img)
cv2.imshow('Output', output)
cv2.waitKey(0)
cv2.destroyAllWindows()

下圖表示經過伽瑪變換處理後的效果圖,伽馬變換對於圖像對比度偏低,並且整體亮度值偏高(或由於相機過曝)情況下的圖像增強效果明顯。

對應的冪律函數曲線如圖所示。

 

點擊關註,第一時間瞭解華為雲新鮮技術~


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 1、環境搭建 1.1 jar包 <spring.version>4.3.18.RELEASE</spring.version> <!-- spring-mvc begin --> <dependency> <groupId>org.springframework</groupId> <artifac ...
  • 坦克大戰【2】 筆記目錄:(https://www.cnblogs.com/wenjie2000/p/16378441.html) 線程-應用到坦克大戰 坦克大戰0.3版 陸游曾說:紙上得來總覺淺,絕知此事要躬行。前面我要已經瞭解java線程基本知識,現在我們來實際運用一下。 在坦克大戰游戲(0.2 ...
  • 相信很多剛開始使用pycharm不太熟練的小伙伴,每天一開機打開pycharm總是卡半天,不知道的還以為是電腦卡了或者啥問題的。 莫慌,其實並不是… 今天我們就來解決一下這個問題 大致總結了以下這幾種方法 1、exclude不必要文件 依次打開 file(文件) → project:administ ...
  • Django_響應對象 響應對象 響應對象有三種形式: HttpResponse() render() Redirect() (1) HttpResponse() django伺服器接收到客戶端發來的請求之後,會將提交上來的數據封裝成一個HttpResponse對象傳給視圖函數。視圖函數在處理完相關 ...
  • 前文再續,之前一篇我們已經配置好了資料庫以及模板引擎,現在可以在邏輯層編寫具體業務代碼了,博客平臺和大多數線上平臺一樣,都是基於用戶賬號體系來進行操作,所以我們需要針對用戶表完成用戶賬號的CURD操作。 用戶後臺模板 首先用戶操作邏輯主要在後臺展現,所以模板應該單獨生成admin文件夾,和前臺模板進 ...
  • 資料庫說明文檔,在我們開發項目時是非常必要的,有時項目交付時,客戶也是需要讓我們提供的,而如果人工編寫,比如耗時,通過screw組件來生成文檔,非常方便。 源代碼和使用:https://github.com/pig-mesh/screw 添加依賴 <dependency> <groupId>cn.s ...
  • 《Python灰帽子》PDF高清版免費下載地址(點擊即可) 內容簡介 · · · · · · 《Python灰帽子》是由知名安全機構Immunity Inc的資深黑帽Justin Seitz主筆撰寫的一本關於編程語言Python如何被廣泛應用於黑客與逆向工程領域的書籍。老牌黑客,同時也是Immuni ...
  • 前言 😋 大家早好、午好、晚好吖~ 開發環境: 解釋器版本: python 3.8 代碼編輯器: pycharm 2021.2 requests: pip install requests pandas: pip install pandas pyecharts: pip install pyec ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...