為了得到更加清晰的圖像我們需要通過(guò)技術(shù)對(duì)圖像進(jìn)行處理，比如使用對(duì)比度增強(qiáng)的方法來(lái)處理圖像，對(duì)比度增強(qiáng)就是對(duì)圖像輸出的灰度級(jí)放大到指定的程度，獲得圖像質(zhì)量的提升。本文主要通過(guò)代碼的方式，通過(guò)OpenCV的內(nèi)置函數(shù)將圖像處理到我們理想的結(jié)果。

灰度直方圖

灰度直方圖通過(guò)描述灰度級(jí)在圖像矩陣中的像素個(gè)數(shù)來(lái)展示圖像灰度級(jí)的信息，通過(guò)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 cv2import numpy as npimport sysimport 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(guò)圖像矩陣的遍歷來(lái)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 grahHistif __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

線性變換的公式為：

圖像的線性變換無(wú)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(lèi)型就是unt8類(lèi)型）就是一個(gè)矩陣的變換.

import cv2import numpy as npimport sysif __name__=='__main__': img = cv2.imread('../img/ae.jpg',cv2.IMREAD_GRAYSCALE) a=2 #線性變換 定義float類(lèi)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(lèi)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(jué)上清晰度就越低。我們通過(guò)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。

直方圖正規(guī)化

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(guò)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(lái)實(shí)現(xiàn)上面的理論：

import cv2import numpy as npimport sysfrom enhance.GrayHist import mgetif __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(xiě)方法 mget(img) mget(O) cv2.imshow(’img’,img) cv2.imshow(’enhance’,O) cv2.waitKey(0) cv2.destroyAllWindows()

伽瑪變換

將一張圖的灰度值歸至[0,1]后，對(duì)于8位圖來(lái)說(shuō)，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 cv2import numpy as npimport 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：

直方圖的均衡化 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 cv2import numpy as npfrom 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()

運(yùn)行結(jié)果：

以上就是python 基于opencv實(shí)現(xiàn)圖像增強(qiáng)的詳細(xì)內(nèi)容，更多關(guān)于python opencv的資料請(qǐng)關(guān)注好吧啦網(wǎng)其它相關(guān)文章！