精华内容
下载资源
问答
  • OpenCV图像增强对数变换log C++OpenCV图像增强对数变换log C++对数变换的通用形式为:对数函数的一般形状的任何曲线,都能完成图像灰度级的扩展/压缩;但幂律变换对于这个目的更为通用;代码实现:#include #...

    OpenCV图像增强之对数变换log C++

    OpenCV图像增强之对数变换log C++

    对数变换的通用形式为:

    1e051b1cb9a7aa88c26e1d117c5d8bf3.png

    对数函数的一般形状的任何曲线,都能完成图像灰度级的扩展/压缩;但幂律变换对于这个目的更为通用;

    代码实现:

    #include

    #include

    #include

    #include

    using namespace cv;

    using namespace std;

    //注意opencv中的log函数只能处理灰度图片,或单层图片

    //基于源图像的方法1

    Mat logTransform1(Mat srcImage, int c)

    {

    if (srcImage.empty())

    cout << "No data" << endl;

    Mat resultImage = Mat::zeros(srcImage.size(), srcImage.type());

    add(srcImage, Scalar(1.0), srcImage);  //计算 r+1

    srcImage.convertTo(srcImage, CV_32F);  //转化为32位浮点型

    log(srcImage, resultImage);            //计算log(1+r)

    resultImage = c*resultImage;

    //归一化处理

    normalize(resultImage, resultImage, 0, 255, NORM_MINMAX);

    convertScaleAbs(resultImage, resultImage);

    return resultImage;

    }

    //方法2

    Mat logTransform2(Mat srcImage, float c)

    {

    if (srcImage.empty())

    cout << "No data" << endl;

    Mat resultImage = Mat::zeros(srcImage.size(), srcImage.type());

    double gray = 0;

    for (int i = 0; i < srcImage.rows; i++)

    {

    for (int j = 0; j < srcImage.cols; j++)

    {

    gray = (double)srcImage.at(i, j);

    gray = c*log((double)(1 + gray));

    resultImage.at(i, j) = saturate_cast(gray);

    }

    }

    //归一化处理

    normalize(resultImage, resultImage, 0, 255, NORM_MINMAX);

    convertScaleAbs(resultImage, resultImage);

    return resultImage;

    }

    //方法3

    Mat logTransform3(Mat srcImage, float c)

    {

    if (srcImage.empty())

    cout << "No data" << endl;

    Mat resultImage = Mat::zeros(srcImage.size(), srcImage.type());

    srcImage.convertTo(resultImage, CV_32F);  //图像类型转换

    resultImage = resultImage + 1;            //图像矩阵元素加1

    log(resultImage,resultImage);

    resultImage = c*resultImage;

    //归一化处理

    normalize(resultImage, resultImage, 0, 255, NORM_MINMAX);

    convertScaleAbs(resultImage, resultImage);

    return resultImage;

    }

    int main()

    {

    Mat srcImage = imread("123.tif", IMREAD_GRAYSCALE);

    if (!srcImage.data)

    return -1;

    imshow("srcImage", srcImage);

    float c = 1.2;

    Mat resultImage;

    resultImage = logTransform3(srcImage, c);

    imshow("resultImage", resultImage);

    waitKey(0);

    return 0;

    }

    下图为原图像、log增强后的图像

    5459427125e3394df28208f4a567f9dd.png

    2e5877715611ad72171e382212b0b290.png

    下面代码可处理彩色图像:

    代码如下:

    // log.cpp

    /*

    * 对数函数的一般形状的任何曲线,都能完成图像灰度级的扩展/压缩;但幂律变换对于这个目的更为通用;

    * s = c*log(1+r)

    * 注意Opencv 中的log函数只能处理灰度图片,或单层图片

    */

    #include

    #include

    #include

    using namespace std;

    using namespace cv;

    Mat logTransform(Mat srcImage, float c_log)

    {

    if (srcImage.empty())

    cout << "No data" << endl;

    CV_Assert(srcImage.channels() == 3);

    Mat imageLog = Mat::zeros(srcImage.size(), srcImage.type());

    srcImage.convertTo(imageLog, CV_32F);  //图像类型转换

    for (int i = 0; i < srcImage.rows; i++) {

    for (int j = 0; j < srcImage.cols; j++){

    imageLog.at(i, j)[0] = c_log*log(1 + srcImage.at(i, j)[0]);

    imageLog.at(i, j)[1] = c_log*log(1 + srcImage.at(i, j)[1]);

    imageLog.at(i, j)[2] = c_log*log(1 + srcImage.at(i, j)[2]);

    }

    }

    //归一化到0~255

    normalize(imageLog, imageLog, 0, 255, CV_MINMAX);

    //转换成8bit图像显示

    convertScaleAbs(imageLog, imageLog);

    return imageLog;

    }

    int main(int argc, char *argv[])

    {

    Mat image = imread("image.jpg", IMREAD_COLOR);

    Mat dst =logTransform(image, 1);

    imshow("Soure", image);

    imshow("after", dst);

    waitKey();

    return 0;

    }

    结果如下:

    49b245766a3946911d1d9f64e0ac0425.png

    OpenCV图像增强之对数变换log C++相关教程

    展开全文
  • Matlab 图像增强对数变换

    万次阅读 多人点赞 2019-03-21 11:30:46
    图像对数变换: 通过灰度变换函数,调整输入低质图像的灰度值范围。将图像的低灰度值部分扩展,高灰度值部分压缩。借此强调图像低灰度部分,达到增强图像的目的。 该法用于图像增强的原理: 显示器无法显示...

    图像的对数变换:

    通过灰度变换函数,调整输入低质图像的灰度值范围。将图像的低灰度值部分扩展,高灰度值部分压缩。借此强调图像低灰度部分,达到增强图像的目的。

    该法用于图像增强的原理:

    显示器无法显示大范围灰度值时,许多灰度细节会被丢失掉,

    对数变换可将其动态范围变换到一个合适的区间,就可以显示更多细节。

    下面先介绍冈萨雷斯《数字图像处理》中设计的方法,我认为对图像的灰度提高的过于明显。

    对数变换公式:S=c log(1+r) , c为常数。

    f = imread('lena.png');  
    
    G=mat2gray(log(1+double(f))); 
    % matlab中数值一般采用double型(64位)存储和运算。mat2gray对图像灰度进行归一化处理
    
    subplot(1,2,1);  
    imshow(f);  
    xlabel(' a). 原始图像');  
    subplot(1,2,2);  
    imshow(I2,[]);   % 自动调整数据的范围以便于显示 
    xlabel(' b). 对数变换');  
    end
    

    运行结果:

    下面介绍另一种方法,参考:[数字图像处理]灰度变换

    对数变换公式:, c为常数,

    v越大,灰度提高越明显,r为灰度归一化后的输入图像。

    f = imread('lena.png');  
    
    v=10;
    r=mat2gray(double(I));
    S=log(1+v*r)/(log(v+1));
    
    subplot(1,2,1);  
    imshow(I);  
    xlabel('a). 原始图像');  
    subplot(1,2,2);  
    imshow(S,[]);  
    xlabel('b). 对数变换');  
    end
    

    运行结果:

    这个感觉比较自然一点。

     

    展开全文
  • 图像增强-对数Log变换

    千次阅读 2019-05-08 20:18:59
    图像对数变换作用: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,所以就可以增强图像的暗部细节。 对数变换可以将图像的低灰度值...

    图像的对数变换作用: 
    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,所以就可以增强图像的暗部细节。

    对数变换可以将图像的低灰度值部分扩展,显示出低灰度部分更多的细节,将其高灰度值部分压缩,减少高灰度值部分的细节,从而达到强调图像低灰度部分的目的。变换方法:

    对数变换对图像低灰度部分细节增强的功能过可以从对数图上直观理解:

    x轴的0.4大约对应了y轴的0.8,即原图上0~0.4的低灰度部分经过对数运算后扩展到0~0.8的部分,而整个0.4~1的高灰度部分被投影到只有0.8~1的区间,这样就达到了扩展和增强低灰度部分,压缩高灰度部分的值的功能。从上图还可以看到,对于不同的底数,底数越大,对低灰度部分的扩展就越强,对高灰度部分的压缩也就越强。
     

    	Mat image = imread("test.jpg");
    	Mat imageLog(image.size(), CV_32FC3);
    	for (int i = 0; i < image.rows; i++)
    	{
    		for (int j = 0; j < image.cols; j++)
    		{
    			imageLog.at<Vec3f>(i, j)[0] = log(1 + image.at<Vec3b>(i, j)[0]);
    			imageLog.at<Vec3f>(i, j)[1] = log(1 + image.at<Vec3b>(i, j)[1]);
    			imageLog.at<Vec3f>(i, j)[2] = log(1 + image.at<Vec3b>(i, j)[2]);
    		}
    	}
    	//归一化到0~255  
    	normalize(imageLog, imageLog, 0, 255, CV_MINMAX);
    	//转换成8bit图像显示  
    	convertScaleAbs(imageLog, imageLog);
    	imshow("Soure", image);
    	imshow("Log", imageLog);

    归一化

    cv2.normalize(src, dst, alpha, beta, norm_type, dtype, mask) → dst
    src: 原图像对象
    dst: 经过转化后的图像对象
    alpha: 归一化后灰度像素最小值,一般为0
    beta: 归一化后灰度像素最大值,一般为255
    norm_type: 归一化的类型,可以取以下值
    
    (1) cv2.NORM_MINMAX: 数组的数值缩放到一个指定的范围,线性归一化,一般较常用
    (2) cv2.NORM_INF:归一化数组的C-范数(绝对值的最大值)
    (3) cv2.NORM_L1 : 归一化数组的L1-范数(绝对值的和)
    (4) cv2.NORM_L2: 归一化数组的(欧几里德)L2-范数

    类型转换
    dst = cv2.convertScaleAbs(src)

    	Mat image = imread("test.jpg", IMREAD_GRAYSCALE);
    	imshow("Soure", image);
    	float c = 1.2;
    	Mat resultImage = Mat::zeros(image.size(), image.type());
    	add(image, Scalar(1.0), image);  //计算 r+1
    	image.convertTo(image, CV_32F);  //转化为32位浮点型
    	log(image, resultImage);            //计算log(1+r)
    	resultImage = c*resultImage;
    	//归一化处理
    	normalize(resultImage, resultImage, 0, 255, NORM_MINMAX);
    	convertScaleAbs(resultImage, resultImage);
    	imshow("Log", resultImage);

     

     参考:

    https://blog.csdn.net/dcrmg/article/details/53677739

    https://blog.csdn.net/a13602955218/article/details/84195126

    https://blog.csdn.net/spw_1201/article/details/53482877

    展开全文
  • 3.1 对数变换 3.2 伽马变换 参考资料 1 灰度变换简介 灰度变换是图像增强的一种重要手段,用于改善图像显示效果,属于空间域处理方法,它可以使图像动态范围加大,使图像对比度扩展,图像更加清晰,特征更加明显...

    目录

    1 灰度变换简介

    2 线性灰度变换­—图像反转

    3 非线性灰度变换

    3.1 对数变换

    3.2 伽马变换

    参考资料


    1 灰度变换简介

    灰度变换是图像增强的一种重要手段,用于改善图像显示效果,属于空间域处理方法,它可以使图像动态范围加大,使图像对比度扩展,图像更加清晰,特征更加明显。灰度变换其实质就是按一定的规则修改图像每一个像素的灰度,从而改变图像的灰度范围。常见的灰度变换图像反转,对数变换和伽马变换等。其具体分类如下图所示:

     


     

    2 线性灰度变换­—图像反转

    灰度线性变换最常见的就是图像反转,在灰度图像灰度级范围[0,L-1]中,其反转的公式如下所示:

                                                                                            s=L-1-r

    其中,r表示原始图像的灰度级,s表示变换后的灰度级。

     

    下图所示为图像反转的例子,原图像是数字乳房X射线照片,其中显示有一小块病变,通过图像反转就很容易看到病变区域。

     

    代码如下所示:

    # -*- coding: utf-8 -*-
    import cv2
    import numpy as np
    import matplotlib.pyplot as plt
    
    #读取原始图像
    img = cv2.imread('zxp.jpg')
    
    #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 s=255-r
    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()

     

    运行结果如下图所示:

     


     

    3 非线性灰度变换

    3.1 对数变换

    图像灰度对数变换一般表示如下所示:

                                                                                        s=c\log (1+r)

    其中,r表示原始图像的灰度级,s表示变换后的灰度级,c为常数。

    假设r\ge 0,下图所示的对数曲线的形状表明,改变换将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值。相反的,对高的输入灰度值也是如此。我们使用这种类型的变换来扩展图像中暗像素的值,同时压缩更高灰度级的值。反对数变换的作用与此相反。

     

    代码如下所示:

    # -*- 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('test8.bmp')
    
    #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()
    

     

    运行结果如下图所示:

     

     


     

    3.2 伽马变换

    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下所示:

                                                                                                 s=c{{r}^{\gamma }}

    其中,r表示原始图像的灰度级,s表示变换后的灰度级,c\gamma正常数

    1)当\gamma>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;

    2)当\gamma<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;

    3)当\gamma=1时,该灰度变换是线性的,此时通过线性方式改变原图像。

    如下图所示,不同\gamma值的变换曲线:

     

    下图所示为图像伽马变换的例子:

     

     

    代码如下所示:

    # -*- 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('test9.bmp')
    
    #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()

     

    运行结果如下图所示:

     


     

    参考资料

    [1] https://blog.csdn.net/Eastmount/article/details/88858696

    [2] https://blog.csdn.net/Eastmount/article/details/88929290

    [3] 冈萨雷斯. 数字图像处理(第三版) 

    展开全文
  • 图像增强 图片太亮、太暗等问题。 环境:JAVA+Opencv4 直方图均衡 /** * 增强对比度 * * @param src BGR格式图像 * @return */ public static Mat histEqualize(Mat src) { Mat dst = src.clone(); ...
  • OpenCV图像增强对数变换log C++

    千次阅读 2019-02-19 15:15:55
    对数变换的通用形式为: 对数函数的一般形状的任何曲线,都能完成图像灰度级的扩展/压缩;但幂律变换对于这个目的更为通用;   代码实现:   #include &lt;opencv2/core/core.hpp&gt; #include &...
  • 采用对数变换增强灰度图像对比度,已用Matlab编译出结果。但是要求在CCS中用C语言完成任务,如今读取图像部分和直方图均衡化部分已经完成,如何才能把对数增强的Matlab语言转换成C语言呢?
  • 使用C++、opencv实现对图像对数变换及非线性变换,实现图像增强 相关API: void normalize(InputArray src, OutputArray dst, double alpha=1, double beta=0, int norm_type=NORM_L2, int dtype=-1, Input...
  • 空间域处理是直接对像素进行操作的方法,这是相对于频率域处理而言的。空间域处理主要分为两大类:灰度变换和空间滤波。灰度变换在图像单个像素上操作,主要以对比度和阈值...对数变换图像的低灰度值部分扩展,...
  • 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...
  • 空间域增强的第一部分:图像反转,对数变换,幂次变换、分段线性变换
  • 对数变换(Power-Law 变换)的公式为: 由一个参数决定,c,1+r的目的是保证像素值为非负数 它的作用是:扩展图像中的暗像素,可以增加低亮度的区域 MATLAB函数代码如下: function img_after = log_img(img_...
  • ①因为对数曲线在像素值较低的区域斜率较大,像素值较高的区域斜率比较低,所以图像经过对数变换之后,在较暗的区域对比度将得到提升,因而能增强图像暗部的细节。 ②图像的傅里叶频谱其动态范围可能宽达0~10^6。...
  • 直方图均衡化就是对图像进行非线性拉伸,使得变换后的图像直方图分布均匀。 图像的灰度分布集中在较窄的范围内,这就导致了图像的细节不够清晰。为什么不清晰呢,因为灰度分布较窄时,那么,...
  • 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...
  • 灰度变换
  • 在阴影检测结果的基础上,首先设计了改进的对数变换图像增强方法,构建了对数变换模型,实现了阴影区域亮度的有效提升。然后,联合局部补偿模型,进行了加权处理,提升了阴影区域的对比度。最后,基于阴影边界同类特征点...
  • 对数变换可以拉伸范围较窄的低灰度值,同时压缩范围较宽的高灰度值。可以用来扩展图像中的暗像素值,同时压缩亮像素值。简而言之是对图像中低灰度细节进行增强其中 为常数, , 可以使函数左移一个单位,得到的s均...
  • 图像的灰度非线性变换之对数变换、伽马变换发布时间:2019-03-31 15:31,浏览次数:2077, 标签:Python该系列文章是讲解PythonOpenCV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...

空空如也

空空如也

1 2 3 4 5 ... 12
收藏数 221
精华内容 88
关键字:

图像对数变换增强