這期內(nèi)容當中小編將會給大家?guī)碛嘘P(guān)如何在python中利用opencv對圖像進行增強，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。
創(chuàng)新互聯(lián)是一家專業(yè)提供袁州企業(yè)網(wǎng)站建設,專注與網(wǎng)站建設、網(wǎng)站設計、H5建站、小程序制作等業(yè)務。10年已為袁州眾多企業(yè)、政府機構(gòu)等服務。創(chuàng)新互聯(lián)專業(yè)網(wǎng)站制作公司優(yōu)惠進行中。灰度直方圖
灰度直方圖通過描述灰度級在圖像矩陣中的像素個數(shù)來展示圖像灰度級的信息，通過灰度直方圖的統(tǒng)計我們可以看到每個灰度值的占有率。下面是一個灰度直方圖的實現(xiàn)：
重慶分公司
重慶分公司
import cv2
import numpy as np
import sys
import matplotlib.pyplot as plt
#計算灰度直方圖
def calcGrayHist(image):
rows,clos = image.shape
#創(chuàng)建一個矩陣用于存儲灰度值
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')
#設置坐標軸的范圍
y_maxValue = np.max(grahHist)
plt.axis([0,255,0,y_maxValue])
#設置標簽
plt.xlabel('gray Level')
plt.ylabel("number of pixels")
#顯示灰度直方圖
plt.show()運行結(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，比如一個矩陣I ,2I,3I （np.unt8 ndarry類型就是unt8類型）就是一個矩陣的變換.
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()運行結(jié)果：
灰度級范圍越大就代表對比度越高，反之對比度越低視覺上清晰度就越低。我們通過a=2的線性對比度拉伸將灰度級范圍擴大到[0,255]之間，如上圖我們改變灰度級的范圍后圖像變的清晰。
將圖像O中的最小灰度級記為OminOmin,較大灰度級記為OmaxOmax,假如輸出的圖像P的灰度級范圍為[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 的較大最小值
Maximg = np.max(img)
Minimg = np.min(img)
print(Maximg, Minimg, '-----------')
#輸出最小灰度級和較大灰度級
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
import cv2
import numpy as np
import sys
# 伽瑪變換 power函數(shù)實現(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()運行結(jié)果：
計算圖像的灰度直方圖
計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與輸出灰度級之間的映射關(guān)系
使用循環(huán)的方式得到輸出圖像的每一個像素的灰度級
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
#計算灰度直方圖
grayHist = calcGrayHist(image)
#計算累加灰度直方圖
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對圖像進行增強了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
