Python圖像運算之圖像灰度非線性變換詳解
一.圖像灰度非線性變換
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 -*- # By:Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #讀取原始圖像 img = cv2.imread('luo.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如圖13-1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(13-1)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。如圖13-2所示,它表示對數曲線下的灰度值變化情況,其中x表示原始圖像的灰度值,y表示對數變換之後的目標灰度值。
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。
對數變換實現瞭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,其動態范圍可能寬達0~106直接顯示頻譜時,圖像顯示設備的動態范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,圖像的動態范圍被合理地非線性壓縮,從而可以清晰地顯示。
在圖13-3中,未經變換的頻譜經過對數變換後,增加瞭低灰度區域的對比度,從而增強暗部的細節。
下面的代碼實現瞭圖像灰度的對數變換。
# -*- coding: utf-8 -*- # By:Eastmount 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'] #正常顯示中文標簽 plt.title('對數變換函數') plt.xlabel('x') plt.ylabel('y') 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('dark.png') #繪制對數變換曲線 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()
圖13-4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13-5所示,其中x表示原始圖像的灰度值,y表示對數變換之後的目標灰度值。
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(13-2)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 -*- # By:Eastmount 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'] #正常顯示中文標簽 plt.title('伽馬變換函數') plt.xlabel('x') plt.ylabel('y') 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('white.png') #繪制伽瑪變換曲線 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()
圖13-6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。
對應的伽馬變換曲線如圖13-7所示,其中x表示原始圖像的灰度值,y表示伽馬變換之後的目標灰度值。
四.總結
本文主要講解圖像灰度非線性變換,包括圖像對數變換和伽馬變換。其中,圖像經過對數變換後,較暗區域的對比度將有所提升;而案例中經過伽瑪變換處理的圖像,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。這些圖像處理方法能有效提升圖像的質量,為我們提供更好地感官效果。
到此這篇關於Python圖像運算之圖像灰度非線性變換詳解的文章就介紹到這瞭,更多相關Python圖像灰度變換內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Python圖像運算之圖像點運算與灰度化處理詳解
- Python圖像運算之頂帽運算和底帽運算詳解
- Python 實現圖像特效中的油畫效果
- python 基於opencv實現圖像增強
- 使用Python實現圖像融合及加法運算