Python图像灰度线性变换
Eastmount 人气:0一.灰度线性变换
图像的灰度线性变换是通过建立灰度映射来调整原始图像的灰度,从而改善图像的质量,凸显图像的细节,提高图像的对比度。灰度线性变换的计算公式如(12-1)所示:
该公式中DB表示灰度线性变换后的灰度值,DA表示变换前输入图像的灰度值,α和b为线性变换方程f(D)的参数,分别表示斜率和截距[1-4]。
- 当α=1,b=0时,保持原始图像
- 当α=1,b!=0时,图像所有的灰度值上移或下移
- 当α=-1,b=255时,原始图像的灰度值反转
- 当α>1时,输出图像的对比度增强
- 当0<α<1时,输出图像的对比度减小
- 当α<0时,原始图像暗区域变亮,亮区域变暗,图像求补
如图12-1所示,显示了图像的灰度线性变换对应的效果图。
二.图像灰度上移变换
该算法将实现图像灰度值的上移,从而提升图像的亮度。
DB=DA+50
具体实现代码如下所示。由于图像的灰度值位于0至255区间之内,所以需要对灰度值进行溢出判断。
# -*- coding: utf-8 -*- # By:Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #读取原始图像 img = cv2.imread('luo.png') #图像灰度转换 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #获取图像高度和宽度 height = grayImage.shape[0] width = grayImage.shape[1] #创建一幅图像 result = np.zeros((height, width), np.uint8) #图像灰度上移变换 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) #显示图像 cv2.imshow("Gray Image", grayImage) cv2.imshow("Result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
其输出结果如图12-2所示,图像的所有灰度值上移50,图像变得更白了。注意,纯黑色对应的灰度值为0,纯白色对应的灰度值为255。
三.图像对比度增强变换
该算法将增强图像的对比度,Python实现代码如下所示。
DB=DA×1.5
# -*- coding: utf-8 -*- # By:Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #读取原始图像 img = cv2.imread('luo.png') #图像灰度转换 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #获取图像高度和宽度 height = grayImage.shape[0] width = grayImage.shape[1] #创建一幅图像 result = np.zeros((height, width), np.uint8) #图像对比度增强变换 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) #显示图像 cv2.imshow("Gray Image", grayImage) cv2.imshow("Result", result)
其输出结果如图12-3所示,图像的所有灰度值增强1.5倍。
四.图像对比度减弱变换
该算法将减弱图像的对比度,Python实现代码如下所示。
DB=DA×0.8
# -*- coding: utf-8 -*- # By:Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #读取原始图像 img = cv2.imread('luo.png') #图像灰度转换 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #获取图像高度和宽度 height = grayImage.shape[0] width = grayImage.shape[1] #创建一幅图像 result = np.zeros((height, width), np.uint8) #图像对比度减弱变换 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) #显示图像 cv2.imshow("Gray Image", grayImage) cv2.imshow("Result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
其输出结果如图12-4所示,图像的所有灰度值减弱,图像变得更暗。
五.图像灰度反色变换
反色变换又称为线性灰度求补变换,它是对原图像的像素值进行反转,即黑色变为白色,白色变为黑色的过程。
DB=255-DA
其Python实现代码如下所示:
# -*- coding: utf-8 -*- # By:Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #读取原始图像 img = cv2.imread('luo.png') #图像灰度转换 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #获取图像高度和宽度 height = grayImage.shape[0] width = grayImage.shape[1] #创建一幅图像 result = np.zeros((height, width), np.uint8) #图像灰度反色变换 DB=255-DA for i in range(height): for j in range(width): gray = 255 - grayImage[i,j] result[i,j] = np.uint8(gray) #显示图像 cv2.imshow("Gray Image", grayImage) cv2.imshow("Result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
其输出结果如图12-5所示,图像处理前后的灰度值是互补的。
图像灰度反色变换在医学图像处理中有一定的应用,如图12-6所示:
六.总结
本文主要讲解图像灰度线性变换,包括图像灰度上移、图像对比度增强变换、图像对比度减弱变换和图像灰度反色变换。希望大家一定要自己实现文章中的代码,更好地提升编程能力。
加载全部内容