（openCV 十二）图像增强（对数变换/伽马变换/分段线性变换）

空间域处理是直接对像素进行操作的方法，这是相对于频率域处理而言的。空间域处理主要分为两大类：灰度变换和空间滤波。灰度变换在图像单个像素上操作，主要以对比度和阈值处理为目的。空间滤波涉及改善性能的操作，通过像元领域来处理。

空间域处理均可由下式表达：

常用的基本函数有三类：线性函数，对数函数（对数和反对数）和幂律函数（n次幂和n次根）

1、对数变换

对数变换将图像的低灰度值部分扩展，将其高灰度值部分压缩，以达到强调图像低灰度部分的目的；同时可以很好的压缩像素值变化较大的图像的动态范围，目的是突出我们需要的细节。反对数变换则与对数函数不同的是，强调的是图像的高灰度部分，对数变换公式如下

import cv2
import imutils
import numpy as np

image = cv2.imread('E:/peking_rw/ocr_project/base_prehandle/img/DFT_no_log.jpg')
log_img = np.zeros((image.shape[0], image.shape[1], 3), dtype=np.float32)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
log_img[i, j, 0] = math.log(1 + image[i, j, 0])
log_img[i, j, 1] = math.log(1 + image[i, j, 1])
log_img[i, j, 2] = math.log(1 + image[i, j, 2])
cv2.normalize(log_img, log_img, 0, 255, cv2.NORM_MINMAX)
log_img = cv2.convertScaleAbs(log_img)
cv2.imshow('image', imutils.resize(image, 400))
cv2.imshow('log transform', imutils.resize(log_img, 400))
if cv2.waitKey(0) == 27:
cv2.destroyAllWindows()

2、幂律变换

幂律变换主要用于图像的校正，对漂白的图片或者是过黑的图片进行修正，幂律变换的公式如下：

根据 φ 的大小，主要可分为一下两种情况：

φ > 1：处理漂白的图片，进行灰度级压缩
φ < 1：处理过黑的图片，对比度增强，使得细节看的更加清楚

import cv2

import imutils

import numpy as np

#幂律变换 φ>1
image = cv2.imread('img/aerial.jpg')
gamma_img1 = np.zeros((image.shape[0], image.shape[1], 3), dtype=np.float32)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
gamma_img1[i, j, 0] = math.pow(image[i, j, 0], 5)
gamma_img1[i, j, 1] = math.pow(image[i, j, 1], 5)
gamma_img1[i, j, 2] = math.pow(image[i, j, 2], 5)
cv2.normalize(gamma_img1, gamma_img1, 0, 255, cv2.NORM_MINMAX)
gamma_img1 = cv2.convertScaleAbs(gamma_img1)
cv2.imshow('image', imutils.resize(image, 400))
cv2.imshow('gamma1 transform', imutils.resize(gamma_img1, 400))
if cv2.waitKey(0) == 27:
cv2.destroyAllWindows()

#幂律变换，φ<1
image = cv2.imread('img/fractured_spine.jpg')
gamma_img2 = np.zeros((image.shape[0], image.shape[1], 3), dtype=np.float32)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
gamma_img2[i, j, 0] = math.pow(image[i, j, 0], 0.4)
gamma_img2[i, j, 1] = math.pow(image[i, j, 1], 0.4)
gamma_img2[i, j, 2] = math.pow(image[i, j, 2], 0.4)
cv2.normalize(gamma_img2, gamma_img2, 0, 255, cv2.NORM_MINMAX)
gamma_img2 = cv2.convertScaleAbs(gamma_img2)
cv2.imshow('image', imutils.resize(image, 400))
cv2.imshow('gamma2 transform', imutils.resize(gamma_img2, 400))
if cv2.waitKey(0) == 27:
cv2.destroyAllWindows()

3、分段线性变换之灰度分层

import cv2
import imutils
import numpy as np

#在某一范围(A, B)突出灰度，其他灰度值保持不变
image = cv2.imread('E:/peking_rw/ocr_project/base_prehandle/img/kidney.jpg')
gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

r_left, r_right = 150, 230
r_min, r_max = 0, 255
level_img = np.zeros((gray_img.shape[0], gray_img.shape[1]), dtype=np.uint8)
for i in range(gray_img.shape[0]):
for j in range(gray_img.shape[1]):
if r_left <= gray_img[i, j] <= r_right:
level_img[i, j] = r_max
else:
level_img[i, j] = gray_img[i, j]

cv2.imshow('origin image', imutils.resize(image, 480))
cv2.imshow('level image', imutils.resize(level_img, 480))
if cv2.waitKey(0) == 27:
cv2.destroyAllWindows()

（openCV 十二）图像增强（对数变换/伽马变换/分段线性变换）相关推荐

Java实现图像增强之伽马变换
图像增强之伽马变换接着上篇,我们再来说说伽马变换进行图像增强,实际上伽马变换利用的正式幂函数的特征,对输入的过暗或过亮的图像进行想要的变换.因此只有先了解幂函数,我们才能理解伽马变换的本质.照例我们 ...
python实现对数转换_利用opencv在python平台上实现二值变换,伽马变换,对数变换,补色变换等...
如何用 opencv 在 python 平台上实现灰度图像的二值化,对数变换, ,伽马变换以及补色变换.代码如下 import cv2 import copy import math import ...
[Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换
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 ...
数字图像处理-python基于opencv代码实现反转变换、对数变换和幂律(伽马)变换
本文主要介绍对<数字图像处理>第三章书中示例图片实现反转变换.对数变换以及伽马变换的代码若要获取更多数字图像处理,python,深度学习,机器学习,计算机视觉等高清PDF以及更多有意 ...
OpenCV计算机视觉学习（3）——图像灰度线性变换与非线性变换（对数变换，伽马变换）
人工智能学习离不开实践的验证,推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛,以此来提升自己的能力.FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台.每周免费提供 ...
【OpenCV 例程200篇】44. 图像的灰度变换（伽马变换）
[OpenCV 例程200篇]44. 图像的灰度变换(伽马变换) 欢迎关注『OpenCV 例程200篇』系列,持续更新中欢迎关注『Python小白的OpenCV学习课』系列,持续更新中线性 ...
图像增强算法汇总（直方图均衡化、拉普拉斯、Log变换、gamma伽马变换）附MATLAB代码
一.图像增强算法介绍图像增强算法常见于对图像的亮度.对比度.饱和度.色调等进行调节,增加其清晰度,减少噪点等.图像增强往往经过多个算法的组合,完成上述功能,比如图像去燥等同于低通滤波器,增加清晰度则 ...
图像增强算法（直方图均衡化、拉普拉斯、Log、伽马变换）
一.图像增强算法原理图像增强算法常见于对图像的亮度.对比度.饱和度.色调等进行调节,增加其清晰度,减少噪点等.图像增强往往经过多个算法的组合,完成上述功能,比如图像去燥等同于低通滤波器,增加清晰度则 ...
数字图像处理-空间域处理-灰度变换-基本灰度变换函数（反转变换、对数变换、伽马变换和分段线性变换）
数字图像处理-空间域处理-灰度变换-基本灰度变换函数(反转变换.对数变换.伽马变换和分段线性变换) 空间域处理是直接对像素进行操作的方法,这是相对于频率域处理而言的.空间域处理主要分为两大类:灰度变换 ...
数字图像处理(18): 图像灰度变换——线性灰度变换和非线性灰度变换(对数变换与伽马变换)
目录 1 灰度变换简介 2 线性灰度变换-图像反转 3 非线性灰度变换 3.1 对数变换 3.2 伽马变换参考资料 1 灰度变换简介灰度变换是图像增强的一种重要手段,用于改善图像显示效果,属于空 ...

（openCV 十二）图像增强（对数变换/伽马变换/分段线性变换）

（openCV 十二）图像增强（对数变换/伽马变换/分段线性变换）相关推荐

最新文章

热门文章