Python 图像对比度增强的几种方法(小结)
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
图片来自网络,侵删!
上面图片的灰度直方图
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
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:
a的改变影响图像的对比度,b的改变影响图像的亮度
线性变换python实现
#!usr/bin/env python3 #-*- coding:utf-8 -*- #-------------------------- """ @author:Sui yue @describe: 对比增强,线性变换 @time: 2019/09/15 14:21:44 """ import sys import numpy as np import cv2 import matplotlib.pyplot as plt #主函数 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 # 显示灰度直方图 # 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() if __name__=="__main__": # 读图像 I = cv2.imread('../images/test3.jpg', cv2.IMREAD_GRAYSCALE) #线性变换 a=3 O=float(a)*I #进行数据截断,大于255 的值要截断为255 O[0>255]=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
灰度直方图
直方图正规化
假设输入图像为I,宽W、高为H,
其中
直方图正规化python实现
#!usr/bin/env python3 #-*- coding:utf-8 -*- #-------------------------- """ @author:Sui yue @describe: 直方图正规化 @time: 2019/09/18 21:17:22 """ import cv2 import numpy as np import matplotlib.pyplot as plt import sys 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 # 显示灰度直方图 # 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() #主函数 if __name__ == '__main__': #读入图像 I = cv2.imread('../images/test3.jpg', cv2.IMREAD_GRAYSCALE) #求I的最大值,最小值 Imax=np.max(I) Imin=np.min(I) #要输出的最小灰度级和最大灰度级 Omax,Omin=255,0 #计算a和b的值 ,测试出*4 能看到人脸 a=float(Omax-Omin)/(Imax-Imin) b=Omin-a*Imin #矩阵的线性变换 O=a*I+b #数据类型转换 O=O.astype(np.uint8) #显示原图和直方图正规化的效果 cv2.imshow("I",I) cv2.imshow("O",O) calcGrayHist(O) cv2.waitKey(0) cv2.destroyAllWindows()
直方图正规化结果
伽马变换
假设输入图像为I,宽W、高为H,首先将其灰度值归一化到
当
伽马变换python实现
#!usr/bin/env python3 #-*- coding:utf-8 -*- #-------------------------- """ @author:Sui yue @describe: 对比增强 伽马变换 @time: 2019/09/18 22:22:51 """ import cv2 import numpy as np import sys #主函数 if __name__ == '__main__': I = cv2.imread('../images/test3.jpg', cv2.IMREAD_GRAYSCALE) #图像归一化 fI=I/255.0 #伽马变换 gamma=0.3 O=np.power(fI,gamma) #显示原图和伽马变换 cv2.imshow("I",I) cv2.imshow("O",O) cv2.waitKey() cv2.destroyAllWindows()
伽马变换结果
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
- 一款不可多得的火柴时钟
- 常见端口转发工具的使用方式(二)
- 如何在CDH启用Kerberos的情况下安装及使用Sentry(一)
- 打造炫酷的通知插件EasyToaster
- 世界智能驾驶挑战赛信息安全组——新人扫盲
- 如何在CDH启用Kerberos的情况下安装及使用Sentry(二)
- 如何用 vue 制作一个探探滑动组件
- 常见端口转发工具的使用方式
- Ubuntu on Windows10 跨平台开发环境搭建权威指南
- 如何实现CDH元数据库MySQL的主备
- 通过Java程序提交通用Mapreduce无法回收类的问题
- 如何在CDH未启用认证的情况下安装及使用Sentry
- 小白也能玩转无线安全(一)——硬件&工具入门篇
- python多线程例子
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- 使用java8API遍历过滤文件目录及子目录及隐藏文件
- 使用位运算、值交换等方式反转java字符串-共四种方法
- 精讲RestTemplate第2篇-多种底层HTTP客户端类库的切换
- 精讲RestTemplate第1篇-在Spring或非Spring环境下如何使用
- 在图中添加多边形
- 设置坐标轴刻度的位置和样式
- OkHttp透明压缩,收获性能10倍,外加故障一枚
- 体验spring-boot-devtools热部署,流畅且不失强大
- 【每周一库】 simsearch - a simple and lightweight fuzzy search engine
- 手把手教你实现xxl-job分布式任务调度平台搭建
- 直播短视频源码,动态需要用到点击图片展示预览效果的功能
- Docker 详细部署不香吗?
- 【41期】盘点那些必问的数据结构算法题之链表
- 那个男人 他带着Vue3来了~
- 小书MybatisPlus第9篇-常用字段默认值自动填充