圖像灰度線性變換
圖像的灰度線性變換是通過建立灰度映射來調(diào)整原始圖像的灰度超升,從而改善圖像的質(zhì)量负蠕,凸顯圖像的細(xì)節(jié)干像,提高圖像的對(duì)比度帅腌。灰度線性變換的計(jì)算公式如下所示:
該公式中表示灰度線性變換后的灰度值麻汰,表示變換前輸入圖像的灰度值速客,和為線性變換方程的參數(shù),分別表示斜率和截距五鲫。
- 當(dāng)α=1溺职,b=0時(shí),保持原始圖像
- 當(dāng)α=1位喂,b!=0時(shí)浪耘,圖像所有的灰度值上移或下移
- 當(dāng)α=-1,b=255時(shí)塑崖,原始圖像的灰度值反轉(zhuǎn)
- 當(dāng)α>1時(shí)七冲,輸出圖像的對(duì)比度增強(qiáng)
- 當(dāng)0<α<1時(shí),輸出圖像的對(duì)比度減小
- 當(dāng)α<0時(shí)弃舒,原始圖像暗區(qū)域變亮癞埠,亮區(qū)域變暗状原,圖像求補(bǔ)
1.圖像灰度上移變換
該算法將實(shí)現(xiàn)圖像灰度值的上移,從而提升圖像的亮度苗踪,其實(shí)現(xiàn)代碼如下所示颠区。由于圖像的灰度值位于0至255區(qū)間之內(nèi),所以需要對(duì)灰度值進(jìn)行溢出判斷通铲。
圖像的所有灰度值上移50毕莱,圖像變得更白了。注意颅夺,純黑色對(duì)應(yīng)的灰度值為0朋截,純白色對(duì)應(yīng)的灰度值為255。
import cv2
import numpy as np
import matplotlib.pyplot as plt
#讀取原始圖像
img = cv2.imread('data/test3.jpg')
#圖像灰度轉(zhuǎn)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(chuàng)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
titles = ['Gray Image', 'result']
images = [grayImage, result]
plt.figure(figsize=(10, 4))
for i in range(2):
plt.subplot(1, 2, i+1)
plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
2.圖像對(duì)比度增強(qiáng)變換
該算法將增強(qiáng)圖像的對(duì)比度吧黄,Python實(shí)現(xiàn)代碼如下所示:
圖像的所有灰度值增強(qiáng)1.5倍部服。
import cv2
import numpy as np
import matplotlib.pyplot as plt
#讀取原始圖像
img = cv2.imread('data/test3.jpg')
#圖像灰度轉(zhuǎn)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(chuàng)建一幅圖像
result = np.zeros((height, width), np.uint8)
#圖像對(duì)比度增強(qiáng)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
titles = ['Gray Image', 'result']
images = [grayImage, result]
plt.figure(figsize=(10, 4))
for i in range(2):
plt.subplot(1, 2, i+1)
plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
3.圖像對(duì)比度減弱變換
該算法將減弱圖像的對(duì)比度,Python實(shí)現(xiàn)代碼如下所示:
圖像的所有灰度值減弱拗慨,圖像變得更暗廓八。
import cv2
import numpy as np
import matplotlib.pyplot as plt
#讀取原始圖像
img = cv2.imread('data/test3.jpg')
#圖像灰度轉(zhuǎn)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(chuàng)建一幅圖像
result = np.zeros((height, width), np.uint8)
#圖像對(duì)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
titles = ['Gray Image', 'result']
images = [grayImage, result]
plt.figure(figsize=(10, 4))
for i in range(2):
plt.subplot(1, 2, i+1)
plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
4.圖像灰度反色變換
反色變換又稱為線性灰度求補(bǔ)變換,它是對(duì)原圖像的像素值進(jìn)行反轉(zhuǎn)赵抢,即黑色變?yōu)榘咨珲澹咨優(yōu)楹谏倪^程。其Python實(shí)現(xiàn)代碼如下所示:
圖像處理前后的灰度值是互補(bǔ)的
import cv2
import numpy as np
import matplotlib.pyplot as plt
#讀取原始圖像
img = cv2.imread('data/test3.jpg')
#圖像灰度轉(zhuǎn)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(chuàng)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
titles = ['Gray Image', 'result']
images = [grayImage, result]
plt.figure(figsize=(10, 4))
for i in range(2):
plt.subplot(1, 2, i+1)
plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
圖像的灰度非線性變換
圖像的灰度非線性變換主要包括對(duì)數(shù)變換烦却、冪次變換宠叼、指數(shù)變換、分段函數(shù)變換其爵,通過非線性關(guān)系對(duì)圖像進(jìn)行灰度處理
1.圖像灰度非線性變換
原始圖像的灰度值按照的公式進(jìn)行非線性變換冒冬,其代碼如下:
import cv2
import numpy as np
import matplotlib.pyplot as plt
#讀取原始圖像
img = cv2.imread('data/test3.jpg')
#圖像灰度轉(zhuǎn)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(chuàng)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
titles = ['Gray Image', 'result']
images = [grayImage, result]
plt.figure(figsize=(10, 4))
for i in range(2):
plt.subplot(1, 2, i+1)
plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
2.圖像灰度非線性變換
其中c為尺度比較常數(shù),為原始圖像灰度值醋闭,為變換后的目標(biāo)灰度值窄驹。表示對(duì)數(shù)曲線下的灰度值變化情況。
由于對(duì)數(shù)曲線在像素值較低的區(qū)域斜率大证逻,在像素值較高的區(qū)域斜率較小乐埠,所以圖像經(jīng)過對(duì)數(shù)變換后,較暗區(qū)域的對(duì)比度將有所提升囚企。這種變換可用于增強(qiáng)圖像的暗部細(xì)節(jié)丈咐,從而用來擴(kuò)展被壓縮的高值圖像中的較暗像素。
對(duì)數(shù)變換實(shí)現(xiàn)了擴(kuò)展低灰度值而壓縮高灰度值的效果龙宏,被廣泛地應(yīng)用于頻譜圖像的顯示中棵逊。一個(gè)典型的應(yīng)用是傅立葉頻譜,其動(dòng)態(tài)范圍可能寬達(dá)0~106直接顯示頻譜時(shí)银酗,圖像顯示設(shè)備的動(dòng)態(tài)范圍往往不能滿足要求辆影,從而丟失大量的暗部細(xì)節(jié)徒像;而在使用對(duì)數(shù)變換之后,圖像的動(dòng)態(tài)范圍被合理地非線性壓縮蛙讥,從而可以清晰地顯示锯蛀。
import numpy as np
import matplotlib.pyplot as plt
import cv2
#繪制曲線
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(biāo)簽
plt.title(u'對(duì)數(shù)變換函數(shù)')
plt.xlim(0, 255), plt.ylim(0, 255)
plt.show()
#對(duì)數(shù)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('data/test3.jpg')
src = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#繪制對(duì)數(shù)變換曲線
log_plot(42)
#圖像灰度對(duì)數(shù)變換
output = log(42, src)
#顯示圖像
titles = ['Input', 'Output']
images = [src, output]
plt.figure(figsize=(10, 4))
for i in range(2):
plt.subplot(1, 2, i+1)
plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
3.圖像灰度伽瑪變換
伽瑪變換又稱為指數(shù)變換或冪次變換,是另一種常用的灰度非線性變換次慢。圖像灰度的伽瑪變換一般表示如公式所示:
- 當(dāng)γ>1時(shí)旁涤,會(huì)拉伸圖像中灰度級(jí)較高的區(qū)域,壓縮灰度級(jí)較低的部分迫像。
- 當(dāng)γ<1時(shí)劈愚,會(huì)拉伸圖像中灰度級(jí)較低的區(qū)域,壓縮灰度級(jí)較高的部分闻妓。
- 當(dāng)γ=1時(shí)菌羽,該灰度變換是線性的,此時(shí)通過線性方式改變?cè)瓐D像由缆。
伽馬變換對(duì)于圖像對(duì)比度偏低算凿,并且整體亮度值偏高(或由于相機(jī)過曝)情況下的圖像增強(qiáng)效果明顯
import numpy as np
import matplotlib.pyplot as plt
import cv2
#繪制曲線
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(biāo)簽
plt.title(u'伽馬變換函數(shù)')
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('data/test3.jpg')
src = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#繪制伽瑪變換曲線
gamma_plot(0.00000005, 4.0)
#圖像灰度伽瑪變換
output = gamma(src, 0.00000005, 4.0)
#顯示圖像
cv2.imshow('Imput', src)
cv2.imshow('Output', output)
cv2.waitKey(0)
cv2.destroyAllWindows()
#顯示圖像
titles = ['Input', 'Output']
images = [src, output]
plt.figure(figsize=(10, 4))
for i in range(2):
plt.subplot(1, 2, i+1)
plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()