圖像增強目的使得模糊圖片變得更加清晰、圖片模糊的原因是因為像素灰度差值變化不大，圖片各區(qū)域產(chǎn)生視覺效果似乎都是一樣的， 沒有較為突出的地方，看起來不清晰的感覺

解決這個問題的最直接簡單辦法，放大像素灰度值差值、使圖像中的細節(jié)更加清晰。

目前較為常用的幾個方法：伽馬變換、線性變換、分段線性變換、直方圖均衡化，對于圖像對比度增強，都能取得不錯的效果！

本文將對每種方法 簡單介紹一下，并借助于 Python 、OpenCV 進行代碼實現(xiàn)，提前說一下哈，下面處理的圖像對象都是單通道灰度圖，不是三通道彩色圖！

1，線性變換

線性變換的原理是對所有像素值乘上一個擴張因子 ，像素值大的變得越大，像素值小的變得越小，從而達到圖像增強的效果，這里利用 Numpy 的數(shù)組進行操作；

需要注意的是，像素值最大為255，因此在數(shù)組相乘之后需要進行數(shù)值截斷操作，最終代碼如下：

def?line_trans_img(img,coffient):
????if?len(img.shape)?==?3:
????????img?=?cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
????out?=?2*img
????#像素截斷；；；
????out[out>255]?=?255
????out?=?np.around(out)
????return?out

這里 設(shè)置為 2 ，變換結(jié)果如下，會看到強光處出現(xiàn)失真效果

line.png

(這里對排列圖片做一下說明，從左到右依次為 原圖灰度圖、原圖灰度直方圖、處理之后的灰度圖、處理之后的灰度直方圖，以下的圖片排列方式相同)

2，伽馬變換

伽馬變換對像素值做的是冪次方變換，主要是圖像的灰度級發(fā)生改變，轉(zhuǎn)換的原理公式為：
參數(shù) ?的設(shè)定 可以參照下面：

Snipaste_2020-05-26_20-18-17.png

• 當>1 時，會減小灰度級較高的地方，增大灰度級較低的地方；

• 當 <1 時，會增大灰度級較高的地方，減小灰度級較低的地方；

def?gama_transfer(img,power1):
????if?len(img.shape)?==?3:
?????????img=?cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
????img?=?255*np.power(img/255,power1)
????img?=?np.around(img)
????img[img>255]?=?255
????out_img?=?img.astype(np.uint8)
????return?out_img

這里 Gamma 分別取 1.5，0.5，結(jié)果如下：

gamma1.5.pnggamma0.5.png

結(jié)果來看，相對來說 ?對圖像增強的結(jié)果會更好一點

3，分段線性分割

分段線性分割，提前把圖像的灰度級分為幾部分，然后對每一部分的像素值做不同的線性變換，像素值基本變換原理：

這里寫的代碼總感覺效率特別慢(逐像素改變)，知道改進方法的小伙伴們望告知：

def?seg_augment_img(img,start,c1,end,c2,b2,c3,b3):
????if?len(img.shape)?==?3:
?????????img=?cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

????out_img?=?np.zeros(img.shape)
????for?i?in?range(img.shape[0]):
????????for?j?in?range(img.shape[1]):
????????????if?img[i][j]?????????????????out_img[i][j]?=?img[i][j]*c1
????????????elif?img[i][j]?????????????????out_img[i][j]?=?img[i][j]?*c2?+?b2
????????????else:
????????????????out_img[i][j]?=?img[i][j]?*?c3?+b3

????out_img[out_img>255]?=?255
????out?=?np.around(out_img)
????out?=?out.astype(np.uint8)
????return?out

函數(shù)中的參數(shù)分別為 50,0.5,150,3.6,-310,0.238,194，結(jié)果如下：

seg_line.png

4，直方圖均衡化

每個灰度圖像都有自己的灰度直方圖，均衡化的原理是，先根據(jù)灰度直方圖計算累加灰度直方圖，根據(jù)灰度圖與累加灰度圖的映射關(guān)系關(guān)聯(lián)輸入圖像與輸出圖圖像的映射關(guān)系

映射關(guān)系原理如下：

因此，這里幾個重要部分：1，計算出灰度直方圖；2，計算累加灰度直方圖；3，根據(jù) 1 和 2 得到映射關(guān)系，最終輸出灰度像素值；

def?get_imghist(img):
????#?判斷圖像是否為三通道；
????if?len(img.shape)?==?3:
????????img?=?cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
????#?無?Mask，256個bins,取值范圍為[0,255]
????hist?=?cv2.calcHist([img],[0],None,[256],[0,255])
????return?hist


def?cal_equalhist(img):
????if?len(img.shape)?==?3:
?????????img=?cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
????h,w?=?img.shape[:2]
????grathist?=?get_imghist(img)

????zerosumMoment?=?np.zeros([256],np.uint32)
????for?p?in?range(256):
????????if?p?==0:
????????????zerosumMoment[p]?=?grathist[0]
????????else:
????????????zerosumMoment[p]?=?zerosumMoment[p-1]?+grathist[p]

????output_q?=?np.zeros([256],np.uint8)
????cofficient?=?256.0/(h*w)
????for?p?in?range(256):
????????q?=?cofficient?*float(zerosumMoment[p])?-?1
????????if?q?>=?0:
????????????output_q[p]?=?math.floor(q)
????????else:
????????????output_q[p]?=?0

????equalhistimage?=?np.zeros(img.shape,np.uint8)
????for?i?in?range(h):
????????for?j?in?range(w):
????????????equalhistimage[i][j]?=?output_q[img[i][j]]

????#?第二種方法，opencv 庫函數(shù)自帶一種：
????#equalhistimage?=?cv2.equalizeHist(img)
????return?equalhistimage

結(jié)果如下，看起來還是不錯的！(這里圖片失真是因為燈光的原因)

equalhist.png

5，小總結(jié)

根據(jù)以上幾個增強方法來看，針對于本案例選取的圖像，線性增強方法相對效果并不太好，可能會適用于其它的種類圖像，而 Gamma轉(zhuǎn)換 ?和直方圖均衡化取得相對不錯的結(jié)果

但圖像增強、銳化沒有最優(yōu)方法，每種方法都有自己的特點，需要根據(jù)自己選擇合適的

最后還是要提醒一下感興趣的小伙伴們，記得跟著敲一下代碼，加深一下應用原理！

推薦閱讀

不用 PS 摳圖，Python + OpenCV ?實現(xiàn)自動海報場景替換！

用 Python 對圖片主體輪廓進行提取、顏色標記、并計算區(qū)域面積

總結(jié)

以上是生活随笔為你收集整理的matlab图像增强分段线性函数_图像增强、锐化，利用 PythonOpenCV 来实现 4 种方法！...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。