定义:RGB三色只有一种采样的图片,由白色到黑色按比例分成不同的灰度等级,在物体的边缘呈现灰度的不连续性,图像分割就是基于这个原理。灰度就是没有色彩,RGB色彩分量全部相等。如果是一个二值灰度图象,它的象素值只能为0或1,我们说它的灰度级为2。用个例子来说明吧:一个256级灰度的图象,如果RGB三个量相同时,如:RGB(100,100,100)就代表灰度为100,RGB(50,50,50)代表灰度为50。
定义:将一个像素点的灰度值按照算法数学公式转换成一个新的灰度值,使原来图像的某些部分区域特征增强,使图片变清晰。
①,对数变换
由对数的函数图像可知,对数变换提升低亮区域,压缩高亮区域,使低亮区域的特征更加突出明显
C :常量 src:原图像
原图像
变换后的图像
通过上图我们发现 原本暗淡的礁石变得明亮清晰起来,树丛中的阴影也少了许多
代码:
def logGray(img, c, showPlt):
newImg = c * np.log(1.0 + img)
if showPlt:
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']
plt.title(u'对数变换函数')
plt.xlim(0, 255), plt.ylim(0, 255)
plt.show()
newImg = np.uint8(newImg)
return newImg
②,指数变换
由指数函数可知,图片低亮度区域将被压缩,高亮度区域将被扩展
公式:
原图像
变换后的图像
代码:
def indexGray(img, c, b, a, showPlt):
newImg = np.array(b ** (c * (img - a)) - 1,dtype=np.uint8)
if showPlt:
x = np.arange(0, 256, 0.01)
y = b ** (c * (x - a)) - 1
plt.plot(x, y, 'r', linewidth=1)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.title(u'指数变换函数')
plt.xlim(0, 255), plt.ylim(0, 255)
plt.show()
return newImg
③ gamma变换
Gamma变换用来图像增强,其提升了暗部细节,简单来说就是通过非线性变换,让图像从暴光强度的线性响应变得更接近人眼感受的响应,即将漂白(相机曝光)或过暗(曝光不足)的图片,进行矫正。
gamma>1, 较亮的区域灰度被拉伸,较暗的区域灰度被压缩的更暗,图像整体变暗;
gamma
④ 直方图均衡化
直方图均衡化增加图像的全局对比,直方图均值化,将低灰度值归并,高灰度值拉伸,当一个图像灰度分布均匀时,图像的整体细节与质量会提升很多
公式:
公式推导:
推导截图源自 直方图均衡化_schwein_van的博客-CSDN博客_直方图均衡化 该大佬博客
步骤:(以灰度深度8为例)
1,统计每个阶级灰度值的数量
2,计算每个阶级灰度值出现的概率
3,将每个概率的灰度值以 前缀和的形式累加
4,将图片代入计算,p[x,y]*img[x,y]
原图
变换后的图像
可以明显的发现,太阳表面的光斑纹理更加清晰
代码:
def histogramEqualization(img, RGB=True):
newImg = np.zeros((img.shape[0], img.shape[1], 3), dtype=np.uint8)
N = img.shape[0] * img.shape[1]
BGR = np.zeros((3, 256), dtype=np.float)
for i in range(0, img.shape[0]):
for j in range(0, img.shape[1]):
BGR[0][img[i][j][0]] += 1
BGR[1][img[i][j][1]] += 1
BGR[2][img[i][j][2]] += 1
Pr = BGR / N
Ps = np.zeros((3, 256), dtype=np.float)
for i in range(0, 256):
if i == 0:
Ps[:, i] = Pr[:, i]
else:
Ps[:, i] += Ps[:, i - 1] + Pr[:, i]
for i in range(0, img.shape[0]):
for j in range(0, img.shape[1]):
b, g, r = img[i, j, :]
newImg[i][j] = [round(Ps[0][b] * 255), round(Ps[1][g] * 255), round(Ps[2][r] * 255)]
otherImg = cv2.equalizeHist(cv2.cvtColor(img, cv2.COLOR_BGR2GRAY))
return newImg, otherImg
Original: https://blog.csdn.net/GeniusLS/article/details/121867577
Author: Genius!
Title: 图像处理:灰度变换与图像增强
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/633986/
转载文章受原作者版权保护。转载请注明原作者出处!