首页 > 其他分享 >cv2在图像上的应用-续2

cv2在图像上的应用-续2

时间:2024-06-21 10:00:19浏览次数:24  
标签:代码 cv2 像素 灰度 应用 图像 像素点 255

接上篇,255值剃平头法原文称为线性变换,只能说是区间线性,其第二个“直方图正规化”方法称为全线性是合适的,只是“直方”是见不着的,其原理是假设图片的灰度值是n-m之间,而8位灰度值的最大区间是0-255,就按比列把像素灰度值略膨胀到较大的区间即可,值就不会大于255,计算公式是像素q=(255-0)/(m-n)*(p-n),此法问题在于图片的大小灰度值一般都接近于0-255,膨胀系数小致效果不明显

第三个伽马变换,把每个像素点的灰度值除以255得到0~1之间的小数,再开方(值差变大,对比度增加)或者平方(值差变小,对比度减少),还发现imshow方法可以直接转换小数到8字节整数,而不必使用astype转成np数组,转也是可以的,就是需对每个像素点乘以255再转,如图箭头指向的注释代码,得益于代数算法的曲线化,运行代码可以见到图像变得更加浑然

第四个,直方图均衡化,着实是惊喜,只是怎么也看不出来直方在哪里,均衡又在哪里。其实质是统计所有像素点在灰度0-255的分布,再按灰度0-255顺序递增叠加,就是p灰度是所有0-p灰度数量的总和,再把所得的递增表除于像素总数还原得到0-255之间的像素值,再生成图像。以吾当前的认知着实理解不了像素点灰度递增在展示图片细节的实质,但效果惊人:

从示例图可以见到,黑暗中原本不易察觉的细节都展示了出来,呈现出可见光波段外显影的效果,就像透视镜或夜视仪一般。

原文cofficient代码:

修改了的genuine代码:

原文代码使用cofficient稍显复杂,就自行修改为genuine,如图,但原理是一样的,都是递增分布除以像素点总数,是否原代码效果更新,一时也比较不出来,修改后呈现的效果也足够出色。纵观superme博主推文,内容上看是自带刷子的,贴出代码是可验证的,就是有一些参差,比如这段imshow的竟然是原图像image,或错或漏了equalHistimg,以其段位留了这么个彩蛋。

标签:代码,cv2,像素,灰度,应用,图像,像素点,255
From: https://www.cnblogs.com/qiuwenzheng/p/18258346

相关文章

  • 基于卷积神经网络的图像风格迁移研究(论文)
    目录1绪论11.1研究背景11.2研究目的和意义11.2.1研究的应用价值11.2.2研究的前沿性和学术性31.3研究内容51.3.1风格建模51.3.2图像重建51.4研究现状和挑战61.4.1评估方法61.4.2理论支撑61.4.3风格迁移的三向权衡71.5前人研究工作7......
  • 粒子群优化在实际工程中的应用
    国际期刊 InternationalJournalofComplexityinAppliedScienceandTechnology,收录进化计算,机器学习和大数据方面的论文,网址:https://www.inderscience.com/jhome.php?jcode=ijcast 粒子群优化(PSO)算法因其简单、高效和灵活性在实际工程中的许多领域得到了广泛应用。......
  • 第19篇:Milvus在大数据平台中的应用
    随着大数据技术的飞速发展,向量检索在各种应用中变得越来越重要。Milvus作为一个开源的向量数据库,专为处理大规模、高维向量数据的检索而设计,在大数据平台中具有广泛的应用场景。本文将详细介绍Milvus在大数据平台中的应用场景,列出与大数据工具的集成方式,讲解如何进行实时数......
  • Redis 缓存应用、淘汰机制
    (四)Redis缓存应用、淘汰机制 合集-Redis(4) 1.(一)LinuxCentOSRedis安装05-082.(二)Redis数据类型与结构05-173.(三)Redis线程与IO模型06-054.(四)Redis缓存应用、淘汰机制06-20收起 1、缓存应用一个系统中不同层面数据访问速度不一样,以计算机为例,CPU、内存......
  • 【Python日志模块全面指南】:记录每一行代码的呼吸,掌握应用程序的脉搏
    文章目录......
  • 传输层协议、应用层、socket套接字、半链接池
    【传输层协议TCP/UDP】1PORT协议(端口协议)2端口号用来(ip+port):标识一台计算机上面的某一个应用程序3端口号的范围:0-655354这是因为传输层的协议:TCP、UDP等,它们的报头端口号长度是16bit所决定的!!2的16次方5端口号特征:动态分配(类似于洗浴中心......
  • Web应用课 2.4 CSS——flex、响应式布局
    flex布局主轴方向flex-directionCSSflex-direction属性指定了内部元素是如何在flex容器中布局的,定义了主轴的方向(正方向或反方向)。/*文本排成行的方向*/flex-direction:row;/*类似于<row>,但方向相反*/flex-direction:row-reverse;/*文本排成列的方向*/f......
  • 如何区分人工智能生成的图像与真实照片(下)
    4功能上的不合理性    AI生成的图像往往会因为缺乏对现实世界物体结构和相互作用的了解,而产生各种功能不合理之处。这些不合理之处主要表现在以下几个方面:4.1构图不合理物体关系不合逻辑:AI生成的图像中,物体和人物之间的关系可能不符合现实世界的物理原理。例如......
  • Meta FAIR研究新成果:图像到文本、文本到音乐的生成模型,多标记预测模型以及AI生成语音
    MetaAI研究实验室(FAIR)公开发布了多项新研究成果,包括图像到文本和文本到音乐的生成模型,多词预测模型,以及检测AI生成语音的技术。发布的成果体现了开放性、协作、卓越和规模化等核心原则。公开早期研究工作旨在激发迭代,推动AI负责任发展。MetaChameleon系列模型可将文本......
  • 【Azure Event Hub】原生应用中使用RabbitMQ,是否可以不改动代码的情况下直接转换为使
    问题描述原生应用中使用RabbitMQ,是否可以不改动代码的情况下直接转换为使用AzureEventHub呢? 问题解答RabbitMQ使用的协议是AMQP0-9-1,而AzureEventHub或ServiceBus使用的是AMQP1.0,所以无法直接复用之前的代码。需要使用AzureEventHubSDK来生产/消费消息。Which......