轉自：http://www.cnblogs.com/denny402/p/5124402.html

影象亮度與對比度的調整，是放在skimage包的exposure模組裡面

1、gamma調整

原理：I=I^g

對原影象的畫素，進行冪運算，得到新的畫素值。公式中的g就是gamma值。

如果gamma>1, 新影象比原影象暗

如果gamma<1,新影象比原影象亮

函式格式為：skimage.exposure.adjust_gamma(image, gamma=1)

gamma引數預設為1，原像不發生變化 。

from skimage import data, exposure, img_as_float
import
 
 matplotlib.pyplot as plt
image = img_as_float(data.moon())
gam1= exposure.adjust_gamma(image, 2)   #調暗
gam2= exposure.adjust_gamma(image, 0.5)  #調亮
plt.figure('adjust_gamma',figsize=(8,8))

plt.subplot(131)
plt.title('origin image')
plt.imshow(image,plt.cm.gray)
plt.axis('off')

plt.subplot(132)
plt.title('
 
gamma=2')
plt.imshow(gam1,plt.cm.gray)
plt.axis('off')

plt.subplot(133)
plt.title('gamma=0.5')
plt.imshow(gam2,plt.cm.gray)
plt.axis('off')

plt.show()

2、log對數調整

這個剛好和gamma相反

原理：I=log(I)

from skimage import data, exposure, img_as_float
import matplotlib.pyplot as plt
image = img_as_float(data.moon())
gam1= exposure.adjust_log(image)   #
 
對數調整
plt.figure('adjust_gamma',figsize=(8,8))

plt.subplot(121)
plt.title('origin image')
plt.imshow(image,plt.cm.gray)
plt.axis('off')

plt.subplot(122)
plt.title('log')
plt.imshow(gam1,plt.cm.gray)
plt.axis('off')

plt.show()

3、判斷影象對比度是否偏低

函式：is_low_contrast(img)

返回一個bool型值

from skimage import data, exposure
image =data.moon()
result=exposure.is_low_contrast(image)
print(result)

輸出為False

4、調整強度

函式：skimage.exposure.rescale_intensity(image, in_range='image', out_range='dtype')

in_range 表示輸入圖片的強度範圍，預設為'image', 表示用影象的最大/最小畫素值作為範圍

out_range 表示輸出圖片的強度範圍，預設為'dype', 表示用影象的型別的最大/最小值作為範圍

預設情況下，輸入圖片的[min,max]範圍被拉伸到[dtype.min, dtype.max]，如果dtype=uint8, 那麼dtype.min=0, dtype.max=255

import numpy as np
from skimage import exposure
image = np.array([51, 102, 153], dtype=np.uint8)
mat=exposure.rescale_intensity(image)
print(mat)

輸出為[  0 127 255]

即畫素最小值由51變為0，最大值由153變為255，整體進行了拉伸，但是資料型別沒有變，還是uint8

前面我們講過，可以通過img_as_float()函式將unit8型別轉換為float型，實際上還有更簡單的方法，就是乘以1.0

import numpy as np
image = np.array([51, 102, 153], dtype=np.uint8)
print(image*1.0)

即由[51,102,153]變成了[  51.  102.  153.]

而float型別的範圍是[0,1]，因此對float進行rescale_intensity 調整後，範圍變為[0,1],而不是[0,255]

import numpy as np
from skimage import exposure
image = np.array([51, 102, 153], dtype=np.uint8)
tmp=image*1.0
mat=exposure.rescale_intensity(tmp)
print(mat)

結果為[ 0.   0.5  1. ]

如果原始畫素值不想被拉伸，只是等比例縮小，就使用in_range引數，如：

import numpy as np
from skimage import exposure
image = np.array([51, 102, 153], dtype=np.uint8)
tmp=image*1.0
mat=exposure.rescale_intensity(tmp,in_range=(0,255))
print(mat)

輸出為：[ 0.2  0.4  0.6]，即原畫素值除以255

如果引數in_range的[main,max]範圍要比原始畫素值的範圍[min,max] 大或者小，那就進行裁剪，如：

mat=exposure.rescale_intensity(tmp,in_range=(0,102))
print(mat)

輸出[ 0.5  1.   1. ]，即原畫素值除以102，超出1的變為1

如果一個數組裡面有負數，現在想調整到正數，就使用out_range引數。如：

import numpy as np
from skimage import exposure
image = np.array([-10, 0, 10], dtype=np.int8)
mat=exposure.rescale_intensity(image, out_range=(0, 127))
print(mat)

輸出[  0  63 127]