這篇文章給大家分享的是有關(guān)Python Opencv中g(shù)amma變換的示例分析的內(nèi)容。小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過(guò)來(lái)看看吧。
伽馬變換就是用來(lái)圖像增強(qiáng)，其提升了暗部細(xì)節(jié)，簡(jiǎn)單來(lái)說(shuō)就是通過(guò)非線性變換，讓圖像從暴光強(qiáng)度的線性響應(yīng)變得更接近人眼感受的響應(yīng)，即將漂白（相機(jī)曝光）或過(guò)暗（曝光不足）的圖片，進(jìn)行矯正。
伽馬變換的基本形式如下：
大于1時(shí)，對(duì)圖像的灰度分布直方圖具有拉伸作用（使灰度向高灰度值延展），而小于1時(shí)，對(duì)圖像的灰度分布直方圖具有收縮作用（是使灰度向低灰度值方向靠攏）。
重慶分公司
重慶分公司
#分道計(jì)算每個(gè)通道的直方圖
img0 = cv2.imread('12.jpg')
hist_b = cv2.calcHist([img0],[0],None,[256],[0,256])
hist_g = cv2.calcHist([img0],[1],None,[256],[0,256])
hist_r = cv2.calcHist([img0],[2],None,[256],[0,256])
def gamma_trans(img,gamma):
#具體做法先歸一化到1，然后gamma作為指數(shù)值求出新的像素值再還原
gamma_table = [np.power(x/255.0,gamma)*255.0 for x in range(256)]
gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)
#實(shí)現(xiàn)映射用的是Opencv的查表函數(shù)
return cv2.LUT(img0,gamma_table)
img0_corrted = gamma_trans(img0, 0.5)
cv2.imshow('img0',img0)
cv2.imshow('gamma_image',img0_corrted)
cv2.imwrite('gamma_image.png',img0_corrted)
#分通道計(jì)算Gamma校正后的直方圖
hist_b_c =cv2.calcHist([img0_corrted],[0],None,[256],[0,256])
hist_g_c =cv2.calcHist([img0_corrted],[1],None,[256],[0,256])
hist_r_c =cv2.calcHist([img0_corrted],[2],None,[256],[0,256])
fig = plt.figure('gamma')
pix_hists = [[hist_b, hist_g, hist_r],
[hist_b_c, hist_g_c, hist_r_c]]
pix_vals = range(256)
for sub_plt, pix_hist in zip([121, 122], pix_hists):
ax = fig.add_subplot(sub_plt, projection='3d')
for c, z, channel_hist in zip(['b', 'g', 'r'], [20, 10, 0], pix_hist):
cs = [c] * 256
ax.bar(pix_vals, channel_hist, zs=z, zdir='y', color=cs, alpha=0.618, edgecolor='none', lw=0)
ax.set_xlabel('Pixel Values')
ax.set_xlim([0, 256])
ax.set_ylabel('Count')
ax.set_zlabel('Channels')
plt.show()
cv2.waitKey()感謝各位的閱讀！關(guān)于“Python Opencv中g(shù)amma變換的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，讓大家可以學(xué)到更多知識(shí)，如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！
