精华内容
下载资源
问答
  • 前一篇文章讲解了图像灰度化处理及线性变换知识,结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作,本篇文章主要讲解非线性变换,使用自定义方法对图像进行灰度化处理,包括对数变换和伽马变换。本文主要讲解灰度...

    该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子、图像增强技术、图像分割等,后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助,如果有不足之处,还请海涵~

    该系列在github所有源代码:https://github.com/eastmountyxz/ImageProcessing-Python
    PS:请求帮忙点个Star,哈哈,第一次使用Github,以后会分享更多代码,一起加油。

    同时推荐作者的C++图像系列知识:
    [数字图像处理] 一.MFC详解显示BMP格式图片
    [数字图像处理] 二.MFC单文档分割窗口显示图片
    [数字图像处理] 三.MFC实现图像灰度、采样和量化功能详解
    [数字图像处理] 四.MFC对话框绘制灰度直方图
    [数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解
    [数字图像处理] 六.MFC空间几何变换之图像平移、镜像、旋转、缩放详解
    [数字图像处理] 七.MFC图像增强之图像普通平滑、高斯平滑、Laplacian、Sobel、Prewitt锐化详解

    前文参考:
    [Python图像处理] 一.图像处理基础知识及OpenCV入门函数
    [Python图像处理] 二.OpenCV+Numpy库读取与修改像素
    [Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理
    [Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
    [Python图像处理] 五.图像融合、加法运算及图像类型转换
    [Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移
    [Python图像处理] 七.图像阈值化处理及算法对比
    [Python图像处理] 八.图像腐蚀与图像膨胀
    [Python图像处理] 九.形态学之图像开运算、闭运算、梯度运算
    [Python图像处理] 十.形态学之图像顶帽运算和黑帽运算
    [Python图像处理] 十一.灰度直方图概念及OpenCV绘制直方图
    [Python图像处理] 十二.图像几何变换之图像仿射变换、图像透视变换和图像校正
    [Python图像处理] 十三.基于灰度三维图的图像顶帽运算和黑帽运算
    [Python图像处理] 十四.基于OpenCV和像素处理的图像灰度化处理
    [Python图像处理] 十五.图像的灰度线性变换

    前一篇文章讲解了图像灰度化处理及线性变换知识,结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作,本篇文章主要讲解非线性变换,使用自定义方法对图像进行灰度化处理,包括对数变换和伽马变换。本文主要讲解灰度线性变换,基础性知识希望对您有所帮助。
    1.图像灰度非线性变换:DB=DA×DA/255
    2.图像灰度对数变换
    3.图像灰度伽玛变换

    PS:文章参考自己以前系列图像处理文章及OpenCV库函数,同时参考如下文献:
    杨秀璋等. 基于苗族服饰的图像锐化和边缘提取技术研究[J]. 现代计算机,2018(10).
    《数字图像处理》(第3版),冈萨雷斯著,阮秋琦译,电子工业出版社,2013年.
    《数字图像处理学》(第3版),阮秋琦,电子工业出版社,2008年,北京.
    《OpenCV3编程入门》,毛星云,冷雪飞,电子工业出版社,2015.
    [数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解
    python+opencv+图像特效(图像灰度处理、颜色翻转、图片融合,边缘检测,浮雕效果)
    数字图像处理-空间域处理-灰度变换-基本灰度变换函数
    OpenCV图像增强算法实现(直方图均衡化、拉普拉斯、Log、Gamma)


    一.图像灰度非线性变换:DB=DA×DA/255

    图像的灰度非线性变换主要包括对数变换、幂次变换、指数变换、分段函数变换,通过非线性关系对图像进行灰度处理,下面主要讲解三种常见类型的灰度非线性变换。

    原始图像的灰度值按照DB=DA×DA/255的公式进行非线性变换,其代码如下:

    # -*- coding: utf-8 -*-
    import cv2  
    import numpy as np  
    import matplotlib.pyplot as plt
    
    #读取原始图像
    img = cv2.imread('miao.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)
    
    #图像灰度非线性变换: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)
    
    #显示图像
    cv2.imshow("Gray Image", grayImage)
    cv2.imshow("Result", result)
    
    #等待显示
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    

    图像灰度非线性变换的输出结果下图所示:


    二.图像灰度对数变换

    图像灰度的对数变换一般表示如公式所示:

    其中c为尺度比较常数,DA为原始图像灰度值,DB为变换后的目标灰度值。如下图所示,它表示对数曲线下的灰度值变化情况。

    由于对数曲线在像素值较低的区域斜率大,在像素值较高的区域斜率较小,所以图像经过对数变换后,较暗区域的对比度将有所提升。这种变换可用于增强图像的暗部细节,从而用来扩展被压缩的高值图像中的较暗像素。

    对数变换实现了扩展低灰度值而压缩高灰度值的效果,被广泛地应用于频谱图像的显示中。一个典型的应用是傅立叶频谱,其动态范围可能宽达0~106直接显示频谱时,图像显示设备的动态范围往往不能满足要求,从而丢失大量的暗部细节;而在使用对数变换之后,图像的动态范围被合理地非线性压缩,从而可以清晰地显示。在下图中,未经变换的频谱经过对数变换后,增加了低灰度区域的对比度,从而增强暗部的细节。

    下面的代码实现了图像灰度的对数变换。

    # -*- coding: utf-8 -*-
    import numpy as np
    import matplotlib.pyplot as plt
    import cv2
    
    #绘制曲线
    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'] #正常显示中文标签
        plt.title(u'对数变换函数')
        plt.xlim(0, 255), plt.ylim(0, 255)
        plt.show()
    
    #对数变换
    def log(c, img):
        output = c * np.log(1.0 + img)
        output = np.uint8(output + 0.5)
        return output
    
    #读取原始图像
    img = cv2.imread('test.png')
    
    #绘制对数变换曲线
    log_plot(42)
    
    #图像灰度对数变换
    output = log(42, img)
    
    #显示图像
    cv2.imshow('Input', img)
    cv2.imshow('Output', output)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    

    下图表示经过对数函数处理后的效果图,对数变换对于整体对比度偏低并且灰度值偏低的图像增强效果较好。

    对应的对数函数曲线如图


    三.图像灰度伽玛变换

    伽玛变换又称为指数变换或幂次变换,是另一种常用的灰度非线性变换。图像灰度的伽玛变换一般表示如公式所示:

    • 当γ>1时,会拉伸图像中灰度级较高的区域,压缩灰度级较低的部分。
    • 当γ<1时,会拉伸图像中灰度级较低的区域,压缩灰度级较高的部分。
    • 当γ=1时,该灰度变换是线性的,此时通过线性方式改变原图像。

    Python实现图像灰度的伽玛变换代码如下,主要调用幂函数实现。

    # -*- coding: utf-8 -*-
    import numpy as np
    import matplotlib.pyplot as plt
    import cv2
    
    #绘制曲线
    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'] #正常显示中文标签
        plt.title(u'伽马变换函数')
        plt.xlim([0, 255]), plt.ylim([0, 255])
        plt.show()
    
    #伽玛变换
    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
    
    #读取原始图像
    img = cv2.imread('test.png')
    
    #绘制伽玛变换曲线
    gamma_plot(0.00000005, 4.0)
    
    #图像灰度伽玛变换
    output = gamma(img, 0.00000005, 4.0)
    
    #显示图像
    cv2.imshow('Imput', img)
    cv2.imshow('Output', output)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    

    下图表示经过伽玛变换处理后的效果图,伽马变换对于图像对比度偏低,并且整体亮度值偏高(或由于相机过曝)情况下的图像增强效果明显。

    对应的幂律函数曲线如图所示。


    文章周日写于钟书阁,女神伴于旁。希望文章对大家有所帮助,如果有错误或不足之处,还请海涵。最近连续奔波考博,经历的事情太多,有喜有悲,需要改变自己好好对女神,也希望读者与我一起加油。

    (By:Eastmount 2019-03-31 深夜12点 https://blog.csdn.net/Eastmount/)


    2020年8月18新开的“娜璋AI安全之家”,主要围绕Python大数据分析、网络空间安全、人工智能、Web渗透及攻防技术进行讲解,同时分享CCF、SCI、南核北核论文的算法实现。娜璋之家会更加系统,并重构作者的所有文章,从零讲解Python和安全,写了近十年文章,真心想把自己所学所感所做分享出来,还请各位多多指教,真诚邀请您的关注!谢谢。

    展开全文
  • 由于对数函数的导数随自变量的增大而减小,对数变换将输入窄范围的低灰度值扩展为范围宽的灰度值和宽范围的高灰度值压缩为映射为范围窄灰度值。从视觉上,通常是图片变得更亮了 2. 测试结果 对数变换,参数C=1...

    1. 基本原理

    变换形式如下

    $$T(r) = c\lg(r+1)$$

    • c为常数

    由于对数函数的导数随自变量的增大而减小,对数变换将输入窄范围的低灰度值扩展为范围宽的灰度值和宽范围的高灰度值压缩为映射为范围窄灰度值。从视觉上,通常是图片变得更亮了

    2. 测试结果

    对数变换,参数C=1(图源自skimage)

    3. 代码

     1 def logarithmic_transformation(input_image, c):
     2     '''
     3     对数变换
     4     :param input_image: 原图像
     5     :param c: 对数变换超参数
     6     :return: 对数变换后的图像
     7     '''
     8     input_image_cp = np.copy(input_image) # 输入图像的副本
     9 
    10     output_imgae = c * np.log(1 + input_image_cp.astype(int)) # 输出图像
    11 
    12     return output_imgae

     

    转载于:https://www.cnblogs.com/iwuqing/p/11297229.html

    展开全文
  • 数字图像处理-空间与处理-灰度变换-基本灰度变换函数(求反、线性灰度变换、换、对数变换、伽马变换、阈值化/二值化) [Python图像处理] 十五.图像的灰度线性变换 图像增强:线性、 分段线性、 对数、 反对数、 幂律...

    主要参考内容

    1. 数字图像处理-空间与处理-灰度变换-基本灰度变换函数(求反、线性灰度变换、换、对数变换、伽马变换、阈值化/二值化)
    2. [Python图像处理] 十五.图像的灰度线性变换
    3. 图像增强:线性、 分段线性、 对数、 反对数、 幂律(伽马)变换、直方图均衡.
      感谢各位博主分享,侵删

    关于OpenCV和numpy模块

    1. 需要先导入cv2和numpy库,我的pycharm已经安装了anaconda,并且下载好numpy,但一开始导入numpy时显示找不到相关模块,解决方案为:“file”–“settings”–“project interpreter”–“设置键”–“add”–“existing environment”–在interpreter下拉栏中选择anaconda中的python.exe,之后重新运行程序。
    2. 导入cv2,在anaconda中搜索py-opencv,install即可。

    代码块后续完善后上传。

    展开全文
  • 本文主要介绍对《数字图像处理》第三章书中示例图片实现 反转变换、对数变换以及伽马变换的代码 若要获取更多数字图像处理,python,深度学习,机器学习,计算机视觉等高清PDF以及 更多有意思的 分享,可搜一搜 微信...

    本文主要介绍对《数字图像处理》第三章书中示例图片实现 反转变换对数变换以及伽马变换的代码

    若要获取更多数字图像处理,python,深度学习,机器学习,计算机视觉等高清PDF以及 更多有意思的 分享,可搜一搜 微信公共号 “分享猿” 免费获取资源。也可扫描下面的二维码关注,期待你的到来~
    在这里插入图片描述
    图像增强的三类基本函数:线性函数(反转和恒等变换)、对数函数(对数和反对数变换)、幂律函数(n次幂和n次跟变换)

    一、反转变换

    公式S=L-1-r
    在这里插入图片描述
    代码实现

    import cv2
    import numpy as np
    
    img = cv2.imread(r'C:\Users\xxx\Desktop\breast.tif',0)
    
    reverse_img = 255 - img
    
    cv2.imshow('srcimg',img)
    cv2.imshow('reverse_img',reverse_img)
    cv2.waitKey(0)
    

    下列分别是乳房X射线原始图及用上式给出的反转图像
    在这里插入图片描述 在这里插入图片描述
    二、对数变换

    公式s=clog(1+r)
    下图是当c=1时的r与s关系图
    在这里插入图片描述
    代码实现

    import cv2
    import math
    import numpy as np
    
    def logTransform(c,img):
    
        #3通道RGB
        '''h,w,d = img.shape[0],img.shape[1],img.shape[2]
        new_img = np.zeros((h,w,d))
        for i in range(h):
            for j in range(w):
                for k in range(d):
                    new_img[i,j,k] = c*(math.log(1.0+img[i,j,k]))'''
    
        #灰度图专属
        h,w = img.shape[0], img.shape[1]
        new_img = np.zeros((h, w))
        for i in range(h):
            for j in range(w):
                new_img[i, j] = c * (math.log(1.0 + img[i, j]))
    
    
        new_img = cv2.normalize(new_img,new_img,0,255,cv2.NORM_MINMAX)
    
        return new_img
        
    #替换为你的图片路径
    img = cv2.imread(r'C:\Users\xxx\Desktop\Fourier spectrum.tif',0)
    
    log_img = logTransform(1.0,img)
    cv2.imshow('log_img',log_img)
    cv2.imwrite(r'C:\Users\xxx\Desktop\Fourier spectrum2.jpg',log_img)
    cv2.waitKey(0)
    

    备注:当r=255时,s=5.541

    下列图像分别是傅里叶频谱和应用上式中的对数变换(c=1)的结果
    在这里插入图片描述 在这里插入图片描述
    由于对数曲线在像素值较低的区域斜率大,在像素值较高的区域斜率较小,所以图像经过对数变换后,较暗区域的对比度将有所提升。可用于增强图像的暗部细节

    三、幂律(伽马)变化

    公式:s=cr^γ
    其中c、γ 为常数。考虑偏移量上式可写为 s=c(ε+r)^γ
    对于不同的 γ 值,s 与 r的关系曲线如下图所示
    在这里插入图片描述
    伽马变换可以很好地拉伸图像的对比度,扩展灰度级。
    由图可知,
    当图像的整体灰度偏暗时,选择γ<1,可以使图像增亮;
    当图像的整体灰度偏亮时,选择γ>1,可以使图像变暗,
    提高图像的对比度,凸显细节。

    用于图像获取、打印和显示的各种设备根据幂律来产生响应,用于校正这些幂律响应现象的处理称为伽马校正
    例如,阴极射线管(CRT)设备有一个灰度-电压响应,该响应是一个指数变化范围约为1.8~2.5的幂函数。

    代码实现

    import math
    import numpy as np
    import cv2
    
    def gammaTranform(c,gamma,image):
        h,w,d = image.shape[0],image.shape[1],image.shape[2]
        new_img = np.zeros((h,w,d),dtype=np.float32)
        for i in range(h):
            for j in range(w):
                new_img[i,j,0] = c*math.pow(image[i, j, 0], gamma)
                new_img[i,j,1] = c*math.pow(image[i, j, 1], gamma)
                new_img[i,j,2] = c*math.pow(image[i, j, 2], gamma)
        cv2.normalize(new_img,new_img,0,255,cv2.NORM_MINMAX)
        new_img = cv2.convertScaleAbs(new_img)
    
        return new_img
    
    img = cv2.imread(r'C:\Users\xxx\Desktop\gray.jpg',1)
    
    new_img = gammaTranform(1,2.5,img)
    
    cv2.imshow('x',new_img)
    cv2.imwrite(r'C:\Users\xxx\Desktop\gray_2.5.jpg',new_img)
    cv2.waitKey(0)
    

    下图是用变换s = r^1/2.5 = r^0.4进行伽马校正的示例的结果
    在这里插入图片描述
    一般,随着设备的不同,伽马值也不同

    使用幂律变换进行对比度增强
    γ<1 增强亮度
    分别是原图,以及c=1时的γ=0.6、0.4、0.3时应用上公示的结果
    在这里插入图片描述

    γ>1 增强暗度
    航拍图像
    在这里插入图片描述
    下面三幅图片分别是c=1时γ等于3.0、4.0、5.0时应用公式变换的结果
    在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

    搜索公众号“分享猿”,并回复关键词“代码”,获取本文全部代码
    留言或者公众号关注我,我们一起分享数字图像处理心得,一起交流学习吧~

    展开全文
  • 目录一些基本的灰度变换函数图像反转对数变换 一些基本的灰度变换函数 如下图显示了在图像处理中频繁使用的3类基本函数: 线性(反转和恒等变换)函数 对数(对数和反对数变换)函数 幂律(nnn次幂和nnn次根变换)...
  • 对数变换的通用形式为:,其中c是一个常数, 由对数函数的性质可知,改变换将范围较窄的低灰度值...下面用Python实现图像的对数变换: 使用的图片数据为: 导入要使用的第三方库: from PIL import Image i...
  • 在数字图像处理学习笔记(八)中,已对图像增强之线性变换、对数变换、幂律变换、分段线性变换、灰度级分层等做过详细理论论述,本文将对上述理论知识做实践方面的实现。 具体理论知识可参考我之前的博文:数字图像...
  • Python数据变换

    千次阅读 2018-05-27 17:00:13
    数据变换主要是对数据进行规范化处理,将数据转换成“适当的”形式,以适用于... 1、简单函数变换: 简单函数变换是对原始数据进行某些数学函数变换,常用的变换包括平方、开方、取对数、差分运算等。即: x'=x^2 ...
  • 作者 | 杨秀璋来源 | CSDN博客责编 | 夕颜头图 | 付费下载自视觉中国出品 | CSDN(ID:CSDNnews)本篇文章主要讲解非线性变换,...
  • 这是学习第三章的时候的灰度变换的知识,就是找一个函数对原图像的每个像素点的灰度值重新计算,得到一个新得图像。 1. 图像反转 一幅图像的灰度级范围为[0,L-1],那么反转函数是 s = L-1-r (原来黑的变亮,亮的变黑...
  • 于是对数变换和指数变换应运而生,先来看看对数变换对数变换的公式为 c是尺度比例常数,s是源灰度值,t是变换后的目标灰度值。从对数函数的曲线可以得到,在数值较小的区域增加得较快,在数值较大的区域增加...
  • 图像灰度的非线性变换平方变换对数变换 平方变换 将灰度进行平方再除以255,用于 降级图像亮度 增强亮部对比度 减缓暗部对比度 对比度可以看作灰度的斜率 对数变换
  • 结果需要通过使用abs求绝对值才可以进行可视化,但是视觉效果并不理想,因为傅立叶频谱范围很大,所以要用log对数变换来改善视觉效果。 在使用log函数的时候,要写成log(1 + x) 而不是直接用log(x),这是为了避开对0...
  • 图像对数变换:作用:用于对数值范围过大的数据进行调整显示3.幂次变换(伽马校正):作用:用途和对数变换差不多4.分段线性变换:分类:对比拉伸(对比度拉伸),灰度切割,位图切割以上几个处理方法的思想都是将...

空空如也

空空如也

1 2 3 4 5 ... 9
收藏数 168
精华内容 67
关键字:

python对数变换

python 订阅