影象處理工具——灰度直方圖

灰度直方圖時影象灰度級的函式，用來描述每個灰度級在影象矩陣中的畫素個數或者佔有率。
例子：矩陣
$$

圖片來自網路，侵刪！

上面圖片的灰度直方圖

python實現

#!usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:Sui yue
@describe: 灰度直方圖，描述每個灰度級在影象矩陣中的畫素個數或者佔有率
@time: 2019/09/15
"""

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

#對於8點陣圖，影象的灰度級範圍式0~255之間的整數，通過定義函式來計算直方圖
def calcGrayHist(image):
 #灰度影象矩陣的高、寬
 rows,cols = image.shape
 #儲存灰度直方圖
 grayHist=np.zeros([256],np.uint64)
 for r in range(rows):
  for c in range(cols):
   grayHist[image[r][c]] +=1
 return grayHist
#主函式
if __name__=="__main__":
 #第一個引數式圖片地址，你只需放上你的圖片就可
 image = cv2.imread('../images/test3.jpg',cv2.IMREAD_GRAYSCALE)
 cv2.imshow("image",image)
 print("Usge:python histogram.py imageFile")
 #計算灰度直方圖
 grayHist=calcGrayHist(image)
 #畫出灰度直方圖
 x_range=range(256)
 plt.plot(x_range,grayHist,'r',linewidth=2,c='black')
 #設定座標軸的範圍
 y_maxValue=np.max(grayHist)
 plt.axis([0,255,y_maxValue])
 plt.ylabel('gray level')
 plt.ylabel("number or pixels")
 # 顯示灰度直方圖
 plt.show()
 cv2.waitKeyEx(0)

結果

線性變換

假設輸入影象為I，寬W、高為H，輸出影象為O,影象的線性變換可以利用以下公式：
$$

a的改變影響影象的對比度，b的改變影響影象的亮度

線性變換python實現

#!usr/bin/env python3
#-*- coding:utf-8 -*-
#--------------------------
"""
@author:Sui yue
@describe: 對比增強，線性變換
@time: 2019/09/15 14:21:44
"""
import sys
import numpy as np
import cv2
import matplotlib.pyplot as plt
#主函式

def calcGrayHist(image):
 #灰度影象矩陣的高、寬
 rows,np.uint64)
 for r in range(rows):
  for c in range(cols):
   grayHist[image[r][c]] +=1
   # 顯示灰度直方圖
 # 畫出灰度直方圖
 x_range = range(256)
 plt.plot(x_range,c='black')
 # 設定座標軸的範圍
 y_maxValue = np.max(grayHist)
 plt.axis([0,y_maxValue])
 plt.ylabel('gray level')
 plt.ylabel("number or pixels")
 # 顯示灰度直方圖
 plt.show()

if __name__=="__main__":
 # 讀影象
 I = cv2.imread('../images/test3.jpg',cv2.IMREAD_GRAYSCALE)
 #線性變換
 a=3
 O=float(a)*I
 #進行資料截斷，大於255 的值要截斷為255
 O[0>255]=255
 #資料型別轉換
 O=np.round(O)
 #uint8型別
 O=O.astype(np.uint8)
 #顯示原圖和線性變換後的效果
 cv2.imshow("I",I)
 cv2.imshow("O",O)
 calcGrayHist(I)
 calcGrayHist(O)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

線性變換結果

灰度直方圖

直方圖正規化

假設輸入影象為I，寬W、高為H，$$I（r,c）I（r,c）I（r,c）代表I的第r行第c列的灰度值，將I中出現的最小灰度級記為$$IminI_{min}Imin​,最大灰度級記為$$ImaxI_{max}Imax​,$$I（r,c）∈[Imin,Imax]I（r,c）\in [I_{min},I_{max}]I（r,c）∈[Imin​,Imax​],為使輸出影象O的灰度級範圍為 $$[Omin,Omax][O_{min},O_{max}][Omin​,Omax​],c）和$$O（r,c）O（r,c）O（r,c）做以下對映關係：

其中$$0≤r<H,0≤c<W\quad0\le r \lt H,0\le c \lt W0≤r<H,0≤c<W,$$O(r,c)O(r,c)O(r,c)代表O的第r行和第c列的灰度值。這個過程就是常稱的直方圖正規化。因為$$0≤I(r,c)−IminImax−Imin≤10 \le\frac{I(r,c)-I_{min}}{I_{max}-I_{min}} \le 10≤Imax​−Imin​I(r,c)−Imin​​≤1,所以$$O(r,c)∈[Omin,Omax]O(r,c) \in [O_{min},O_{max}]O(r,c)∈[Omin​,一般令$$Omin=0O_{min}=0Omin​=0,$$Omax=255O_{max}=255Omax​=255。顯然，直方圖正規化使一種自動選取a和b的值的線性變換方法，其中
$$

直方圖正規化python實現

#!usr/bin/env python3
#-*- coding:utf-8 -*-
#--------------------------
"""
@author:Sui yue
@describe: 直方圖正規化
@time: 2019/09/18 21:17:22
"""

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

def calcGrayHist(image):
 #灰度影象矩陣的高、寬
 rows,y_maxValue])
 plt.ylabel('gray level')
 plt.ylabel("number or pixels")
 # 顯示灰度直方圖
 plt.show()
#主函式
if __name__ == '__main__':
 #讀入影象
 I = cv2.imread('../images/test3.jpg',cv2.IMREAD_GRAYSCALE)
 #求I的最大值，最小值
 Imax=np.max(I)
 Imin=np.min(I)
 #要輸出的最小灰度級和最大灰度級
 Omax,Omin=255,0
 #計算a和b的值,測試出*4 能看到人臉
 a=float(Omax-Omin)/(Imax-Imin)
 b=Omin-a*Imin
 #矩陣的線性變換
 O=a*I+b
 #資料型別轉換
 O=O.astype(np.uint8)
 #顯示原圖和直方圖正規化的效果
 cv2.imshow("I",O)
 calcGrayHist(O)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

直方圖正規化結果

伽馬變換

假設輸入影象為I，寬W、高為H，首先將其灰度值歸一化到$$[0,1][0,1][0,1]範圍，對於8點陣圖來說，除以255即可。$$I(r,c)I(r,c)I(r,c)代表歸一化後的第r行第c列的灰度值，為使輸出影象O ，伽馬變換就是令$$O(r,c)=I(r,c)γ,0≤r<H,0≤c<WO(r,c)=I(r,c)^\gamma,\quad0\le r \lt H,0\le c \lt WO(r,c)γ,0≤r<H,0≤c<W，如下圖所示：

當$$γ=1\gamma=1γ=1時，影象不變。如果影象整體或者感興趣區域較暗，則令$$0≤γ<10\le \gamma \lt 10≤γ<1可以增加影象對比度；相反影象整體或者感興趣區域較亮，則令$$γ>1\gamma \gt 1γ>1可以降低影象對比度。

伽馬變換python實現

#!usr/bin/env python3
#-*- coding:utf-8 -*-
#--------------------------
"""
@author:Sui yue
@describe: 對比增強 伽馬變換
@time: 2019/09/18 22:22:51
"""
import cv2
import numpy as np
import sys
#主函式
if __name__ == '__main__':
  I = cv2.imread('../images/test3.jpg',cv2.IMREAD_GRAYSCALE)
  #影象歸一化
  fI=I/255.0
  #伽馬變換
  gamma=0.3
  O=np.power(fI,gamma)
  #顯示原圖和伽馬變換
  cv2.imshow("I",I)
  cv2.imshow("O",O)
  cv2.waitKey()
  cv2.destroyAllWindows()

伽馬變換結果

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。