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
  • [Python图像处理] 十六.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,...

    [Python图像处理] 十六.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~

    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/)

    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
  • 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,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...

    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,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,基础性知识希望对你有所帮助。

    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

    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:

    1# -*- coding: utf-8 -*-

    2import cv2

    3import numpy as np

    4import matplotlib.pyplot as plt

    5

    6#读取原始图像

    7img = cv2.imread('miao.png')

    8

    9#图像灰度转换

    10grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    11

    12#获取图像高度和宽度

    13height = grayImage.shape[0]

    14width = grayImage.shape[1]

    15

    16#创建一幅图像

    17result = np.zeros((height, width), np.uint8)

    18

    19#图像灰度非线性变换:DB=DA×DA/255

    20for i in range(height):

    21 for j in range(width):

    22 gray = int(grayImage[i,j])*int(grayImage[i,j]) / 255

    23 result[i,j] = np.uint8(gray)

    24

    25#显示图像

    26cv2.imshow("Gray Image", grayImage)

    27cv2.imshow("Result", result)

    28

    29#等待显示

    30cv2.waitKey(0)

    31cv2.destroyAllWindows()

    图像灰度非线性变换的输出结果下图所示:

    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。

    1# -*- coding: utf-8 -*-

    2import numpy as np

    3import matplotlib.pyplot as plt

    4import cv2

    5

    6#绘制曲线

    7def log_plot(c):

    8 x = np.arange(0, 256, 0.01)

    9 y = c * np.log(1 + x)

    10 plt.plot(x, y, 'r', linewidth=1)

    11 plt.rcParams['font.sans-serif']=['SimHei'] #正常显示中文标签

    12 plt.title(u'对数变换函数')

    13 plt.xlim(0, 255), plt.ylim(0, 255)

    14 plt.show()

    15

    16#对数变换

    17def log(c, img):

    18 output = c * np.log(1.0 + img)

    19 output = np.uint8(output + 0.5)

    20 return output

    21

    22#读取原始图像

    23img = cv2.imread('test.png')

    24

    25#绘制对数变换曲线

    26log_plot(42)

    27

    28#图像灰度对数变换

    29output = log(42, img)

    30

    31#显示图像

    32cv2.imshow('Input', img)

    33cv2.imshow('Output', output)

    34cv2.waitKey(0)

    35cv2.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

    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。

    1# -*- coding: utf-8 -*-

    2import numpy as np

    3import matplotlib.pyplot as plt

    4import cv2

    5

    6#绘制曲线

    7def gamma_plot(c, v):

    8 x = np.arange(0, 256, 0.01)

    9 y = c*x**v

    10 plt.plot(x, y, 'r', linewidth=1)

    11 plt.rcParams['font.sans-serif']=['SimHei'] #正常显示中文标签

    12 plt.title(u'伽马变换函数')

    13 plt.xlim([0, 255]), plt.ylim([0, 255])

    14 plt.show()

    15

    16#伽玛变换

    17def gamma(img, c, v):

    18 lut = np.zeros(256, dtype=np.float32)

    19 for i in range(256):

    20 lut[i] = c * i ** v

    21 output_img = cv2.LUT(img, lut) #像素灰度值的映射

    22 output_img = np.uint8(output_img+0.5)

    23 return output_img

    24

    25#读取原始图像

    26img = cv2.imread('test.png')

    27

    28#绘制伽玛变换曲线

    29gamma_plot(0.00000005, 4.0)

    30

    31#图像灰度伽玛变换

    32output = gamma(img, 0.00000005, 4.0)

    33

    34#显示图像

    35cv2.imshow('Imput', img)

    36cv2.imshow('Output', output)

    37cv2.waitKey(0)

    38cv2.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。

    https://blog.csdn.net/Eastmount/article/details/88929290

    【End】

    展开全文
  • 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,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...
  • 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,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...
  • 如何用opencv在python平台上实现灰度图像的二值化,对数变换,,伽马变换以及补色变换。代码如下importcv2importcopyimportmathimportnumpyasnpfrommatplotlibimportpyplotaspltimg=cv2.imread("a.jpg")cv2....
  • 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,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...
  • 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)...
  • 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...
  • 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...
  • 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,...
  • 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
  • 一、图像灰度化处理1、最大值灰度处理方法2、平均灰度处理方法3、加权平均灰度处理方法二、图像灰度线性变换1、图像灰度上移变换2、图像对比度...变换4、图像灰度反色变换三、图像灰度非线性变换1、图像灰度非线性变换...
  • 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...

空空如也

空空如也

1 2 3 4
收藏数 62
精华内容 24
关键字:

python图像对数变换

python 订阅