图像增强之对比度拉伸

我们前面提到过图像二值化，图像反转，本质上是对图像的所有像素点的灰度进行操作，属于灰度变换的内容。灰度变换的主要目的是用于图像增强。

而对比度拉伸是图像增强的一种方法，也属于灰度变换操作。我们看如下图像：

可以看到，这张图片非常灰暗。我们查看下其直方图。

import cv2
import matplotlib.pyplot as pltfarina = cv2.imread("farina.png", 0)hist_full = cv2.calcHist([farina], [0], None, [256], [0, 256])plt.plot(hist_full)
plt.show()

可以看到所有像素的灰度值大部分集中在20-50之间，这使得整个图像很暗淡。也就是说对比度不高。如果我们通过灰度变换，将灰度值拉伸到整个0-255的区间，那么其对比度显然是大幅增强的。可以用如下的公式来将某个像素的灰度值映射到更大的灰度空间：

I(x,y）=I(x,y)−IminImax−Imin(MAX−MIN)+MINI(x,y）=I(x,y)−IminImax−Imin(MAX−MIN)+MIN

I(x, y）=\frac {I(x,y)-Imin}{Imax-Imin}(MAX-MIN)+MIN

其中Imin，Imax是原始图像的最小灰度值和最大灰度值，MIN和MAX是要拉伸到的灰度空间的灰度最小值和最大值。

Imax = np.max(farina)
Imin = np.min(farina)
MAX = 255
MIN = 0
farina_cs = (farina - Imin) / (Imax - Imin) * (MAX - MIN) + MIN
cv2.imshow("farina_cs", farina_cs.astype("uint8"))
cv2.waitKey()

可以看出，对比度提升了很多。我们再看看其直方图，可以看到已经充满了整个灰度空间。

除了上述方法，对比度拉伸还有其它方法吗？当然是有的。例如直方图位移法（Histogram shifting）。公式如下：，

I(x,y)=I(x,y)+offsetI(x,y)=I(x,y)+offset

I(x,y)=I(x,y)+offset
在每个像素位置的灰度值增加一个偏移量offset。注意，这个offset可以是正数，也可以是负数。正的话，整体亮度变亮，负的话，整体亮度变暗。需要注意的是控制offset的值大小，不要越界。

farina_cs = farina + 100
cv2.imshow("farina_offset", farina_cs.astype("uint8"))
cv2.waitKey()
hist_full = cv2.calcHist([farina_cs.astype("uint8")], [0], None, [256], [0, 256])
plt.plot(hist_full)
plt.show()

下面分别是使用直方图位移方法后的图像和其直方图。

可以看出直方图与原始直方图形状一模一样，只是在横轴上有所偏移。这种方法的图像增强效果并没有上一种方法好。

图像增强之对比度拉伸相关推荐

数字图像处理--图像增强之对比度拉伸
我们前面提到过图像二值化,图像反转,本质上是对图像的所有像素点的灰度进行操作,属于灰度变换的内容.灰度变换的主要目的是用于图像增强. 而对比度拉伸是图像增强的一种方法,也属于灰度变换操作.我们看如下图 ...
灰度图像归一化到0~255(对比度拉伸)的OpenCV代码实现
如题,代码的功能很简单,这里就不多做解释了,直接上源代码吧!其实这个代码我之前就已经写过C的版本了,详情可参见我写的博文在OpenCV环境下写的灰度图像二维傅里叶换,幅值计算,频谱平移和将数值归一化到 ...
第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波4 - 分段线性变换 - 对比度拉伸
目录分段线性变换对比度拉伸最大最小值拉伸分段线性变换优点形式可以任意复杂缺点要求用户输入很多参数对比度拉伸光照不足.成像传感器的动态范围偏小.图像获取过程中镜头孔径的设置错误点( ...
python库skimage 图像直方图均衡化、自适应均衡化、对比度拉伸实现
直方图全局均衡化 from skimage import exposure # Equalization img_eq = exposure.equalize_hist(img) 直方图自适应均衡化 ...
灰度拉伸python_对比度拉伸（一些基本的灰度变换函数）基本原理及Python实现
1. 基本原理对比度拉伸是扩展图像灰度级动态范围的处理.通过在灰度级中确定两个点来控制变换函数的形状.下面是对比度拉伸函数中阈值处理的代码示例,阈值为平均值. 2. 测试结果图源自skimage ...
数字图像处理实验之对比度拉伸
一幅图像中,最高灰度级和最低灰度级的差成为对比度.一幅低对比度的图像,看起来细节会少很多.可以通过对比度拉伸提高图像对比度,显示更多细节.先来看看对比度拉伸的典型变换: 书本中(冈萨雷斯:数字图像处理 ...
python图像对比处理_图像处理 | 灰度变换与图像对比度拉伸
一.问题与解决思路图像实质上就是一个包含了许多像素点的矩阵. 具体计算过程如下: 通过min()函数以及max()函数分别求出处理前原图像的灰度级最小值与最大值: 对原图像进行归一化处理,即用[图像 ...
基于FPGA的视频图像直方图均衡图像处理图像增强 VGA对比度增强CLAHE
基于FPGA的视频图像直方图均衡图像处理图像增强 VGA对比度增强CLAHE 本设计是基于FPGA的视频图像直方图均衡,实现的效果是可以实时地将摄像头采集的图像进行直方图均衡,具体过程是FPGA控 ...
数字图像处理实验之对比度拉伸、直方图均衡化和规定化
[实验内容]: 一.运用Matlab对Lena进行对比度拉伸增强(利用 imadjust ) 二.运用Matlab对图像进行直方图均衡化和规定化 Matlab版本:R2015a 一.运用Matl ...

图像增强之对比度拉伸

图像增强之对比度拉伸相关推荐

最新文章

热门文章