一、灰度变换函数

Python图像处理（一）【灰度化、二值化、灰度变换】

Python实现对数变换、幂律变换

对数变换

加码变换

常见雷点

注意：上述的变换是先将原始的像素值进行对数或者幂律变换，然后得到相应变换后的矩阵，为了使得能够正常的显示，还需要将矩阵元素值的范围限制在0-255之间，以及将其转换为8位图（uint8）

代码如下：

cv2.normalize(new_img,new_img,0,255,cv2.NORM_MINMAX)
new_img = cv2.convertScaleAbs(new_img)

也可以使用以下的方法来创建函数，常用的是幂律变换，因为可以直接先对变换前的像素值进行归一到0-1的操作，然后再进行乘以255的操作

常见灰度变换函数

两个函数cv2.normalize，cv2.convertScaleAbs(new_img)

cv2.normalize上面的对数变换代码相当于先把灰度范围[0,255]变换到[0,5.554]在使用cv2.normalize()按比例还原到[0,255]

cv2.convertScaleAbs()函数（通过线性变换将数据转换成8位[uint8]）

import cv2
import math
import numpy as np#对数变换
def logTransform(c, img):# 3通道RGBh,w,d = img.shape[0],img.shape[1],img.shape[2]new_img = np.zeros((h,w,d),np.float32)for i in range(h):for j in range(w):for k in range(d):new_img[i,j,k] = c*(math.log(1.0+img[i,j,k]))# # 灰度图专属# h, w = img.shape[0], img.shape[1]# new_img = np.zeros((h, w),np.uint8)# for i in range(h):#    for j in range(w):#         new_img[i, j] = c * (math.log(1.0 + img[i, j]))# #经过log变换后0-255变成了0-5.5，需要在8比特的显示器中进行显示，则需要将其归一化规范化到（0，255）中，即使用normalize来实现new_img = cv2.normalize(new_img, new_img, 0, 255, cv2.NORM_MINMAX)new_img = cv2.convertScaleAbs(new_img)return new_img#幂律变换
import math
import numpy as np
import cv2def gammaTranform(c,gamma,image):h,w,d = image.shape[0],image.shape[1],image.shape[2]new_img = np.zeros((h,w,d),dtype=np.float32)for i in range(h):for j in range(w):new_img[i,j,0] = c*math.pow(image[i, j, 0], gamma)new_img[i,j,1] = c*math.pow(image[i, j, 1], gamma)new_img[i,j,2] = c*math.pow(image[i, j, 2], gamma)cv2.normalize(new_img,new_img,0,255,cv2.NORM_MINMAX)new_img = cv2.convertScaleAbs(new_img)#将图像转化为8比特图像,uint8return new_img# 替换为你的图片路径
img = cv2.imread(r'E:\SCUT_study_files\PYTHON\Image_Processing\colorful_lena.jpg')
img1 = cv2.imread(r'E:\SCUT_study_files\PYTHON\Image_Processing\colorful_lena.jpg')
new_img = gammaTranform(1,2.5,img1)
log_img = logTransform(1.0, img)
cv2.imshow('log_img', log_img)
cv2.imshow('new_img', new_img)
cv2.waitKey(0)

log变换、幂律变换gamma>1、幂律变换gamma<1,原图

【图像处理】——灰度变换心得（cv2.normalize规范化值0-255，cv2.convertScaleAbs(new_img)转为8位图）相关推荐

opencv cv2.THRESH_OTSU 二值化
原文地址:http://www.mamicode.com/info-detail-907204.html Otsu's二值化我们前面说到,cv2.threshold函数是有两个返回值的,前面一直用的 ...
opencv二值化的cv2.threshold函数
(一)简单阈值简单阈值当然是最简单,选取一个全局阈值,然后就把整幅图像分成了非黑即白的二值图像了.函数为cv2.threshold() 这个函数有四个参数,第一个原图像,第二个进行分类的阈值,第三个 ...
OpenCV：二值化函数cv2.threshold
目录功能作用: (一)简单阈值 (二)自适应阈值: (三)Otsu's二值化功能作用: 二值化函数作用:图像的二值化就是将图像上的像素点的灰度值设置为0或255,这样将使整个图像呈现出明显的黑白效 ...
图像处理: 如何将像素值控制在值域[0, 255]
概念在做计算机视觉方向项目的时候,往往需要进行图像处理.但是在此过程中,常常会遇到对像素值进行变换计算后,像素值超出值域区间 [0, 255] 的情况.再加上计算过程中各自 float ...
神奇。cv2.calcHist()函数返回值，灰度值为255的像素个数看似为0。
cv2.calcHist()函数返回值,灰度值为255的像素个数看似为0的细节探究. import cv2 import matplotlib.pyplot as plt import numpy a ...
【图像处理】均值滤波、中值滤波和高斯滤波
[图像处理] 均值滤波.中值滤波和高斯滤波均值滤波中值滤波高斯滤波结语均值滤波均值滤波是一种线性滤波,会导致图像模糊. 均值滤波器卷积核:卷积核中心点对应原图上的位置的值,变为卷积核覆盖的 ...
2021-07-27 对labelme标注出来的JSON文件进行灰度图转化（标签值0.1.2.3.4)
对labelme标注出来的JSON文件进行灰度图转化(标签值0.1.2.3.4) 原图如下: 标注后生成json文件如下: import cv2 import numpy as np import j ...
java图像处理：灰度化，二值化，降噪，切割，裁剪，识别，找相似等
前段时间做爬虫,涉及到对图片验证码的破解,这里罗列一些常用的图像处理方法,都很简单并没用到什么复杂的算法,所以不涉及opencv,都是一些直接对rgb像素点的操作,很简单也很好理解,至于识别直接用的t ...
数字图像处理 -灰度变换之对数变换（Log Transformation）
本文参考了以下这篇文章 [数字图像处理]灰度变换--反转,对数变换,伽马变换,灰度拉伸,灰度切割,位图切割 https://blog.csdn.net/zhoufan900428/article/d ...

【图像处理】——灰度变换心得（cv2.normalize规范化值0-255，cv2.convertScaleAbs(new_img)转为8位图）