python 基于opencv实现图像增强


Posted in Python onDecember 23, 2020

为了得到更加清晰的图像我们需要通过技术对图像进行处理,比如使用对比度增强的方法来处理图像,对比度增强就是对图像输出的灰度级放大到指定的程度,获得图像质量的提升。本文主要通过代码的方式,通过OpenCV的内置函数将图像处理到我们理想的结果。

灰度直方图

灰度直方图通过描述灰度级在图像矩阵中的像素个数来展示图像灰度级的信息,通过灰度直方图的统计我们可以看到每个灰度值的占有率。下面是一个灰度直方图的实现:

import cv2
import numpy as np
import sys
import matplotlib.pyplot as plt

#计算灰度直方图
def calcGrayHist(image):
  rows,clos = image.shape
  #创建一个矩阵用于存储灰度值
  grahHist = np.zeros([256],np.uint64)
  print('这是初始化矩阵')
  print(grahHist )
  for r in range(rows):
    for c in range(clos):
      #通过图像矩阵的遍历来将灰度值信息放入我们定义的矩阵中
      grahHist[image[r][c]] +=1
  print('这是赋值后的矩阵')
  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')
  #设置坐标轴的范围
  y_maxValue = np.max(grahHist)
  plt.axis([0,255,0,y_maxValue])
  #设置标签
  plt.xlabel('gray Level')
  plt.ylabel("number of pixels")
  #显示灰度直方图
  plt.show()

运行结果

python 基于opencv实现图像增强

python 基于opencv实现图像增强

线性变换

线性变换的公式为:

python 基于opencv实现图像增强

图像的线性变换无疑就是利用矩阵的乘法就行线性变换,比如一个矩阵I ,2I,3I (np.unt8 ndarry类型就是unt8类型)就是一个矩阵的变换.

import cv2
import numpy as np
import sys

if __name__=="__main__":
  img = cv2.imread("../img/ae.jpg",cv2.IMREAD_GRAYSCALE)
  a=2
  #线性变换 定义float类型
  O = float(a)*img
  #数据截取 如果大于255 取 255
  O[0>255] = 255
  #数据类型的转换
  O = np.round(O)
  O = O.astype(np.uint8)
  cv2.imshow("img",img)
  cv2.imshow('enhance',O)
  cv2.waitKey(0)
  cv2.destroyAllWindows()

运行结果:

python 基于opencv实现图像增强

灰度级范围越大就代表对比度越高,反之对比度越低视觉上清晰度就越低。我们通过a=2的线性对比度拉伸将灰度级范围扩大到[0,255]之间,如上图我们改变灰度级的范围后图像变的清晰。

直方图正规化

将图像O中的最小灰度级记为OminOmin,最大灰度级记为OmaxOmax,假如输出的图像P的灰度级范围为[Pmin,PmaxPmin,Pmax],则O 与 P的关系为:

python 基于opencv实现图像增强

其中P(r,c)就代表P的第r行第c列的灰度值。这个过程就是直方图的正规化。我们一般令P的范围是[0,255],所以直方图的正规化是在求a,b变换的值的方法,我们可以得到:

python 基于opencv实现图像增强

下面我们使用OpenCV来实现上面的理论:

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, '-----------')
  #输出最小灰度级和最大灰度级
  Omin,Omax = 0,255
  #求 a, b
  a = float(Omax - Omin)/(Maximg - Minimg)
  b = Omin - a*Minimg
  print(a,b,'-----------')
  #线性变换
  O = a*img + b
  O = O.astype(np.uint8)
  #利用灰度直方图进行比较 mget为GrayHist中的写方法
  mget(img)
  mget(O)


  cv2.imshow('img',img)
  cv2.imshow('enhance',O)
  cv2.waitKey(0)
  cv2.destroyAllWindows()

python 基于opencv实现图像增强

python 基于opencv实现图像增强

伽玛变换

将一张图的灰度值归至[0,1]后,对于8位图来说,除以255即可。伽玛变换就是令O(r,c)=I(r,c)γI(r,c)γ,0≤r<H,0≤≤r<H,0≤c<W.
当γγ等于1时图像不发生变换,而当γγ大于0且小于1时就可以增强图像的对比度,相反的当γγ大于1时就可以使图像对比度降低。 以下是伽玛变换在OpenCV中的实现:

import cv2
import numpy as np
import sys

# 伽玛变换 power函数实现幂函数

if __name__ == "__main__":
  img = cv2.imread("../img/ae.jpg", cv2.IMREAD_GRAYSCALE)
  # 归1
  Cimg = img / 255
  # 伽玛变换
  gamma = 0.5
  O = np.power(Cimg,gamma)
  #效果
  cv2.imshow('img',img)
  cv2.imshow('O',O)
  cv2.waitKey(0)
  cv2.destroyAllWindows()

运行结果:

python 基于opencv实现图像增强

直方图的均衡化

  • 计算图像的灰度直方图
  • 计算灰度直方图的累加直方图
  • 根据累加的直方图和直方图均衡化的原理得到输入灰度级与输出灰度级之间的映射关系
  • 使用循环的方式得到输出图像的每一个像素的灰度级
import cv2
import numpy as np
from enhance.GrayHist import calcGrayHist

#直方图的均衡化
if __name__ == "__main__":
  image = cv2.imread("../img/ae.jpg", cv2.IMREAD_GRAYSCALE)
  rows,cols = image.shape
  #计算灰度直方图
  grayHist = calcGrayHist(image)
  #计算累加灰度直方图
  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]
  #根据累加的灰度直方图得到输入与输出灰度级之间的映射关系
  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
  #得出均衡化图像
  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()

运行结果:

python 基于opencv实现图像增强

以上就是python 基于opencv实现图像增强的详细内容,更多关于python opencv的资料请关注三水点靠木其它相关文章!

Python 相关文章推荐
Python编程argparse入门浅析
Feb 07 Python
python队列queue模块详解
Apr 27 Python
tensorflow实现简单的卷积网络
May 24 Python
Flask框架使用DBUtils模块连接数据库操作示例
Jul 20 Python
python画折线图的程序
Jul 26 Python
python交换两个变量的值方法
Jan 12 Python
使用celery执行Django串行异步任务的方法步骤
Jun 06 Python
python-tkinter之按钮的使用,开关方法
Jun 11 Python
python实现简单五子棋游戏
Jun 18 Python
python使用Qt界面以及逻辑实现方法
Jul 10 Python
Tensorflow设置显存自适应,显存比例的操作
Feb 03 Python
如何用Python搭建gRPC服务
Jun 30 Python
python接口自动化框架实战
Dec 23 #Python
pycharm远程连接服务器并配置python interpreter的方法
Dec 23 #Python
python实现发送QQ邮件(可加附件)
Dec 23 #Python
如何通过安装HomeBrew来安装Python3
Dec 23 #Python
python实现定时发送邮件到指定邮箱
Dec 23 #Python
python实现定时发送邮件
Dec 23 #Python
python脚本定时发送邮件
Dec 22 #Python
You might like
坏狼的PHP学习教程之第1天
2008/06/15 PHP
一个显示效果非常不错的PHP错误、异常处理类
2014/03/21 PHP
php根据年月获取季度的方法
2014/03/31 PHP
PHP数字字符串左侧补0、字符串填充和自动补齐的几种方法
2014/05/10 PHP
php数组索引与键值操作技巧实例分析
2015/06/24 PHP
laravel邮件发送的实现代码示例
2020/01/31 PHP
jquery.simple.tree插件 更简单,兼容性更好的无限树插件
2010/09/03 Javascript
capacityFixed 基于jquery的类似于新浪微博新消息提示的定位框
2011/05/24 Javascript
window.onresize 多次触发的解决方法
2013/11/08 Javascript
Javascript实现简单二级下拉菜单实例
2014/06/15 Javascript
jQuery检测返回值的数据类型
2015/07/13 Javascript
JavaScript获取css行间样式,内连样式和外链样式的简单方法
2016/07/18 Javascript
Vue动态实现评分效果
2017/05/24 Javascript
微信小程序使用swiper组件实现层叠轮播图
2018/11/04 Javascript
详解如何使用webpack打包多页jquery项目
2019/02/01 jQuery
为vue项目自动设置请求状态的配置方法
2019/06/09 Javascript
详解element-ui设置下拉选择切换必填和非必填
2019/06/17 Javascript
Postman环境变量全局变量使用方法详解
2020/08/13 Javascript
[03:14]2014DOTA2西雅图国际邀请赛 EG战队巡礼
2014/07/07 DOTA
python简单猜数游戏实例
2015/07/09 Python
python开发之str.format()用法实例分析
2016/02/22 Python
Python使用cookielib模块操作cookie的实例教程
2016/07/12 Python
python游戏地图最短路径求解
2019/01/16 Python
django formset实现数据表的批量操作的示例代码
2019/12/06 Python
python GUI库图形界面开发之PyQt5中QMainWindow, QWidget以及QDialog的区别和选择
2020/02/26 Python
Pycharm自带Git实现版本管理的方法步骤
2020/09/18 Python
python实现暗通道去雾算法的示例
2020/09/27 Python
Python3使用Selenium获取session和token方法详解
2021/02/16 Python
HTML5混合开发二维码扫描以及调用本地摄像头
2017/12/27 HTML / CSS
基于HTML5 Canvas 实现商场监控实例详解
2017/11/20 HTML / CSS
Zavvi美国:英国娱乐之家
2017/03/19 全球购物
世界排名第一的万圣节服装店:Spirit Halloween
2018/10/16 全球购物
内容编辑个人求职信
2013/12/10 职场文书
升国旗仪式主持词
2014/03/19 职场文书
教师个人考察材料
2014/12/16 职场文书
Python中的pprint模块
2021/11/27 Python