摘要:本文主要讲解灰度线性变换。
本文分享自华为云社区《[Python图像处理] 十五.图像的灰度线性变换》,作者:eastmount。
一.图像灰度线性变换原理
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下所示:
![](https://pic3.zhimg.com/80/v2-975d706c72b23321a106930a88285826_720w.jpg)
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。
- 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
如图所示,显示了图像的灰度线性变换对应的效果图。
![](https://pic3.zhimg.com/80/v2-39fa0f6492c97a45e243c094803cf1ba_720w.jpg)
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,其实现代码如下所示。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 -*- 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()
其输出结果如下图所示,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。
![](https://pic3.zhimg.com/80/v2-402651961fca233296b45b67e92482ca_720w.jpg)
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:
# -*- 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)
其输出结果如下图所示,图像的所有灰度值增强1.5倍。
![](https://pic3.zhimg.com/80/v2-0438a7d7e1542ad4868d9b0f18d51ba2_720w.jpg)
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:
# -*- 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()
其输出结果如下图所示,图像的所有灰度值减弱,图像变得更暗。
![](https://pic2.zhimg.com/80/v2-41849a52f51ef339a1739814a734b2c5_720w.jpg)
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。其Python实现代码如下所示:
# -*- coding: utf-8 -*- import cv2 import numpy as np import matplotlib.pyplot as plt #读取原始图像 img = cv2.imread('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()
其输出结果如下图所示,图像处理前后的灰度值是互补的。
![](https://pic4.zhimg.com/80/v2-d871d9eec1501d4f22aef4187aca83e3_720w.jpg)
图像灰度反色变换在医学图像处理中有一定的应用,如下图所示:
![](https://pic2.zhimg.com/80/v2-aed8db6e51a6304b7ca6ce4d270bc465_720w.jpg)
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
标签:线性变换,Python,cv2,灰度,grayImage,图像,np,result From: https://www.cnblogs.com/huaweiyun/p/16630253.html