您好,登錄后才能下訂單哦!
這期內(nèi)容當(dāng)中小編將會(huì)給大家?guī)碛嘘P(guān)如何在python中利用opencv對(duì)圖像進(jìn)行增強(qiáng),文章內(nèi)容豐富且以專業(yè)的角度為大家分析和敘述,閱讀完這篇文章希望大家可以有所收獲。
灰度直方圖
灰度直方圖通過描述灰度級(jí)在圖像矩陣中的像素個(gè)數(shù)來展示圖像灰度級(jí)的信息,通過灰度直方圖的統(tǒng)計(jì)我們可以看到每個(gè)灰度值的占有率。下面是一個(gè)灰度直方圖的實(shí)現(xiàn):
import cv2 import numpy as np import sys import matplotlib.pyplot as plt #計(jì)算灰度直方圖 def calcGrayHist(image): rows,clos = image.shape #創(chuàng)建一個(gè)矩陣用于存儲(chǔ)灰度值 grahHist = np.zeros([256],np.uint64) print('這是初始化矩陣') print(grahHist ) for r in range(rows): for c in range(clos): #通過圖像矩陣的遍歷來將灰度值信息放入我們定義的矩陣中 grahHist[image[r][c]] +=1 print('這是賦值后的矩陣') print(grahHist) return grahHist if __name__=="__main__": image = cv2.imread("../img/aa.jpg",cv2.IMREAD_GRAYSCALE) grahHist = calcGrayHist(image) x_range = range(256) plt.plot(x_range,grahHist,'-',linewidth= 3,c='k') #設(shè)置坐標(biāo)軸的范圍 y_maxValue = np.max(grahHist) plt.axis([0,255,0,y_maxValue]) #設(shè)置標(biāo)簽 plt.xlabel('gray Level') plt.ylabel("number of pixels") #顯示灰度直方圖 plt.show()
運(yùn)行結(jié)果
線性變換的公式為:
圖像的線性變換無疑就是利用矩陣的乘法就行線性變換,比如一個(gè)矩陣I ,2I,3I (np.unt8 ndarry類型就是unt8類型)就是一個(gè)矩陣的變換.
import cv2 import numpy as np import sys if __name__=="__main__": img = cv2.imread("../img/ae.jpg",cv2.IMREAD_GRAYSCALE) a=2 #線性變換 定義float類型 O = float(a)*img #數(shù)據(jù)截取 如果大于255 取 255 O[0>255] = 255 #數(shù)據(jù)類型的轉(zhuǎn)換 O = np.round(O) O = O.astype(np.uint8) cv2.imshow("img",img) cv2.imshow('enhance',O) cv2.waitKey(0) cv2.destroyAllWindows()
運(yùn)行結(jié)果:
灰度級(jí)范圍越大就代表對(duì)比度越高,反之對(duì)比度越低視覺上清晰度就越低。我們通過a=2的線性對(duì)比度拉伸將灰度級(jí)范圍擴(kuò)大到[0,255]之間,如上圖我們改變灰度級(jí)的范圍后圖像變的清晰。
將圖像O中的最小灰度級(jí)記為OminOmin,最大灰度級(jí)記為OmaxOmax,假如輸出的圖像P的灰度級(jí)范圍為[Pmin,PmaxPmin,Pmax],則O 與 P的關(guān)系為:
其中P(r,c)就代表P的第r行第c列的灰度值。這個(gè)過程就是直方圖的正規(guī)化。我們一般令P的范圍是[0,255],所以直方圖的正規(guī)化是在求a,b變換的值的方法,我們可以得到:
下面我們使用OpenCV來實(shí)現(xiàn)上面的理論:
import cv2 import numpy as np import sys from enhance.GrayHist import mget if __name__=="__main__": img = cv2.imread("../img/o3.jpg",cv2.IMREAD_GRAYSCALE) #求出img 的最大最小值 Maximg = np.max(img) Minimg = np.min(img) print(Maximg, Minimg, '-----------') #輸出最小灰度級(jí)和最大灰度級(jí) Omin,Omax = 0,255 #求 a, b a = float(Omax - Omin)/(Maximg - Minimg) b = Omin - a*Minimg print(a,b,'-----------') #線性變換 O = a*img + b O = O.astype(np.uint8) #利用灰度直方圖進(jìn)行比較 mget為GrayHist中的寫方法 mget(img) mget(O) cv2.imshow('img',img) cv2.imshow('enhance',O) cv2.waitKey(0) cv2.destroyAllWindows()
將一張圖的灰度值歸至[0,1]后,對(duì)于8位圖來說,除以255即可。伽瑪變換就是令O(r,c)=I(r,c)γI(r,c)γ,0≤r<H,0≤≤r<H,0≤c<W.
當(dāng)γγ等于1時(shí)圖像不發(fā)生變換,而當(dāng)γγ大于0且小于1時(shí)就可以增強(qiáng)圖像的對(duì)比度,相反的當(dāng)γγ大于1時(shí)就可以使圖像對(duì)比度降低。 以下是伽瑪變換在OpenCV中的實(shí)現(xiàn):
import cv2 import numpy as np import sys # 伽瑪變換 power函數(shù)實(shí)現(xiàn)冪函數(shù) if __name__ == "__main__": img = cv2.imread("../img/ae.jpg", cv2.IMREAD_GRAYSCALE) # 歸1 Cimg = img / 255 # 伽瑪變換 gamma = 0.5 O = np.power(Cimg,gamma) #效果 cv2.imshow('img',img) cv2.imshow('O',O) cv2.waitKey(0) cv2.destroyAllWindows()
運(yùn)行結(jié)果:
計(jì)算圖像的灰度直方圖
計(jì)算灰度直方圖的累加直方圖
根據(jù)累加的直方圖和直方圖均衡化的原理得到輸入灰度級(jí)與輸出灰度級(jí)之間的映射關(guān)系
使用循環(huán)的方式得到輸出圖像的每一個(gè)像素的灰度級(jí)
import cv2 import numpy as np from enhance.GrayHist import calcGrayHist #直方圖的均衡化 if __name__ == "__main__": image = cv2.imread("../img/ae.jpg", cv2.IMREAD_GRAYSCALE) rows,cols = image.shape #計(jì)算灰度直方圖 grayHist = calcGrayHist(image) #計(jì)算累加灰度直方圖 zeroCumuMoment = np.zeros([256], np.uint32) for p in range(256): if p == 0: zeroCumuMoment[p] = grayHist[0] else: zeroCumuMoment[p] = zeroCumuMoment[p-1] + grayHist[p] #根據(jù)累加的灰度直方圖得到輸入與輸出灰度級(jí)之間的映射關(guān)系 output = np.zeros([256],np.uint8) cofficient = 256.0/(rows*cols) for p in range(256): q = cofficient * float(zeroCumuMoment[p])-1 if q >=0: output[p] = np.math.floor(q) else: output[p] = 0 #得出均衡化圖像 equalHistimg = np.zeros(image.shape,np.uint8) for r in range(rows): for c in range(cols): equalHistimg[r][c] = output[image[r][c]] cv2.imshow('image',image) cv2.imshow('histimage',equalHistimg) cv2.waitKey(0) cv2.destroyAllWindows()
上述就是小編為大家分享的如何在python中利用opencv對(duì)圖像進(jìn)行增強(qiáng)了,如果剛好有類似的疑惑,不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識(shí),歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。