[Python图像处理] 十五.图像的灰度线性变换

发布时间：2019-03-28 00:08,

浏览次数：619

, 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

前一篇文章讲解了图像灰度化处理的知识，结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作，使用像素处理方法对图像进行灰度化处理。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.图像灰度上移变换：DB=DA+50

2.图像对比度增强变换：DB=DA*1.5

3.图像对比度减弱变换：DB=DA*0.8

4.图像灰度反色变换：DB=255-DA

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

<>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：

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

* 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。

<>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。

<>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。

<>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。

<>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。

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：

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 2019-03-28 深夜12点 https://blog.csdn.net/Eastmount/)