图像处理亮度、CLAHE处理、MSRCR

图像亮度提取

import cv2
import numpy as np
img=cv2.imread('demo.jpg')
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
brightness=np.mean(img_gray)

图像亮度调整

res = np.uint8(np.clip((2 * img + 20), 0, 255))

CLAHE处理

img_clahe = np.zeros_like(img)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
for i in range(3):                                          img_clahe[:, :, i] = clahe.apply(img[:, :, i])

MSRCR处理

# -*- coding: utf-8 -*-
import os
import cv2
import numpy as npdef retinex_scales_distribution(max_scale, nscales):scales = []scale_step = max_scale / nscalesfor s in range(nscales):scales.append(scale_step * s + 2.0)return scalesdef CR(im_ori, im_log, alpha=128., gain=1., offset=0.):im_cr = im_log * gain * (np.log(alpha * (im_ori + 1.0)) - np.log(np.sum(im_ori, axis=2) + 3.0)[:, :, np.newaxis]) + offsetreturn im_crdef MSRCR(image_path, max_scale, nscales, dynamic=2.0, do_CR=True):im_ori = np.float32(image_path[:, :, (2, 1, 0)])scales = retinex_scales_distribution(max_scale, nscales)im_blur = np.zeros([len(scales), im_ori.shape[0], im_ori.shape[1], im_ori.shape[2]])im_mlog = np.zeros([len(scales), im_ori.shape[0], im_ori.shape[1], im_ori.shape[2]])for channel in range(3):for s, scale in enumerate(scales):# If sigma==0, it will be automatically calculated based on scaleim_blur[s, :, :, channel] = cv2.GaussianBlur(im_ori[:, :, channel], (0, 0), scale)im_mlog[s, :, :, channel] = np.log(im_ori[:, :, channel] + 1.) - np.log(im_blur[s, :, :, channel] + 1.)im_retinex = np.mean(im_mlog, 0)if do_CR:im_retinex = CR(im_ori, im_retinex)im_rtx_mean = np.mean(im_retinex)im_rtx_std = np.std(im_retinex)im_rtx_min = im_rtx_mean - dynamic * im_rtx_stdim_rtx_max = im_rtx_mean + dynamic * im_rtx_stdim_rtx_range = im_rtx_max - im_rtx_minim_out = np.uint8(np.clip((im_retinex - im_rtx_min) / im_rtx_range * 255.0, 0, 255))return im_outif __name__ == '__main__':    s=300 #300n=3   #3d=2   #2no_cr=Trueimglist='demo.txt'outdir='results'f=open(imglist,'r')                      lines=f.readlines()                          if not os.path.exists(outdir):           os.makedirs(outdir)                  for line in lines:                       imgpath=line.strip().split(' ')[0]                         imgdir,imgname=os.path.split(imgpath)print('imgpath',imgpath)       im=cv2.imread(imgpath)if im is None:print('img is None!',imgpath)h,w,c=im.shape#im_size=cv2.resize(im,(int(w/4),int(h/4)))im_out = MSRCR(im, s, n, d, not no_cr)output=os.path.join(outdir,imgname)cv2.imwrite(output, im_out[:, :, (2, 1, 0)])

图像处理亮度、CLAHE处理、MSRCR相关推荐

数字图像处理—亮度变换与空间滤波—亮度变换函数
数字图像处理-亮度变换与空间滤波-亮度变换函数参考资料:<数字图像处理>,仅供学习参考. 亮度变换函数仅取决于亮度的值,与像素位置无关,所以亮度变换函数通常可写成如下形式: s=T(r) ...
C++图像处理 -- 亮度/对比度调整
阅读提示: <C++图像处理>系列以代码清晰,可读性为主,全部使用C++代码. <Delphi图像处理>系列以效率为侧重点,一般代码为PASCAL,核心代码采用 ...
c++ 绘制函数图像_【图像增强】CLAHE 限制对比度自适应直方图均衡化
文章来自:微信公众号[机器学习炼丹术]. 文章目录: 1 基本概述 2 竞赛中的CLAHE实现 3 openCV绘制直方图 4 对比度Contrast 5 Contrast Stretching 6 ...
JsCV Core v0.2发布 Javascript图像处理系列目录
JsCV Core是一个开源的Javascript图像处理核心库,其在MIT许可下发布. 简介本质上JsCV是旨在:用Javascript做一些Computer Vision(计算机视觉)的事情的. ...
在QT框架下进行仿照PS图像调整功能设计（亮度对比度，色相饱和度及明度）
原文链接:https://blog.csdn.net/maozefa/article/details/4778934 图像亮度调整分为非线性和线性两种方法. 非线性图像亮度是将图像像素的R.G.B分别 ...
MATLAN图像处理之盲去卷积
%盲去卷积 %图像复原中,困难的是得到PSF(PSF) 不以PSF复原图像的方法盲去卷积 %MLE 最大似然估计为基础,用被随机噪声干扰的量进行估计的最优化策略 %将图像数据看成是随机量,它们与另一 ...
MATLAN图像处理之高频强调滤波（图像增强）
书中是对X拍的图片进行了增强下面这个例子不太合适但是也能体会到高频强调滤波的作用 % 图中可以看出高频强调滤波在增强边缘的同时距离原图的色度较近 %高通滤波器偏离了直流项,从而把图像的 ...
CLAHE算法实现图像增强「AI工程论」
关注:决策智能与机器学习,深耕AI脱水干货作者 | 机器学习炼丹术来源 | 机器学习炼丹术 1 基本概述 CLAHE是一个比较有意思的图像增强的方法,主要用在医学图像上面.之前的比赛中,用到了 ...
视觉组考核——装甲板识别
视觉组考核--装甲板识别识别Robomaster的装甲板的简易程序算法分析装甲板识别主要分这几步图像处理->提取灯柱同时对灯柱进行筛选->灯条匹配->装甲板的筛选 1.图像处 ...

图像处理亮度、CLAHE处理、MSRCR

图像处理亮度、CLAHE处理、MSRCR相关推荐

最新文章

热门文章

图像处理 亮度、CLAHE处理、MSRCR

图像处理 亮度、CLAHE处理、MSRCR相关推荐

最新文章

热门文章

图像处理亮度、CLAHE处理、MSRCR

图像处理亮度、CLAHE处理、MSRCR相关推荐