(Python数字图像处理)彩色图像处理---色调和彩色校正以及直方图均衡化

本文主要是介绍(Python数字图像处理)彩色图像处理---色调和彩色校正以及直方图均衡化,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 一、色调和彩色校正
  • 二、色调校正及彩色平衡
  • 三、彩色直方图均衡化


-基于Python+OpenCV,实验环境:pycharm+anaconda,参考《数字图像处理》冈萨雷斯第四版(初学图像处理和Python,欢迎指出错误~)

一、色调和彩色校正

彩色图像可以看做不同彩色通道图像的叠加,每一个通道都可以同灰度图像处理一样进行操作。由于numpy的矩阵操作功能很强大,所以处理彩色图像也是比较方便的。

若采用伽马变换,图像较亮,应该选择γ>1,压缩高灰度级,图像较暗,应选择γ<1,扩展低灰度级,增强对比度。
若采用S函数(对比度拉伸变换函数),选择合适的参数(斜率),能得到较高的对比度,S函数表达式为:s=T(r)=1/(1+(M/r)^E)
s是输出灰度,r是输入灰度,M是控制的灰度中值,E控制函数斜率。形状如下:
在这里插入图片描述
代码如下:

# -*- coding:utf-8 -*-
"""
作者:YJH
日期:20211105"""
import matplotlib.pyplot as plt
import cv2 as cv
import numpy as np
from 彩色空间转换 import hsi2rgb              # 从前面写的一个文件里导入自定义的两个函数
from 彩色空间转换 import rgb2hsi# 显示汉字用
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False# 定义坐标数字字体及大小
def label_def():plt.xticks(fontproperties='Times New Roman', size=8)plt.yticks(fontproperties='Times New Roman', size=8)# plt.axis('off')                                      # 关坐标,可选if __name__ == '__main__':# 读取图片img_orig = cv.imread('top_ left_flower.tif', 1)               # 读取彩色图片
# ------------------------------------------------色调校正---------------------------------------------------------## 伽马变换处理img_gama = np.power(img_orig.astype(np.float32), 1.5)         # 图像较亮,若采用幂率变换,γ>1,压缩高灰度级temp1 = img_gama - np.min(img_gama)img_gama = temp1/np.max(temp1)# 对比度拉伸变换函数med = np.median(img_orig.astype(np.float32))                    # 获取中值Mimg_temp = 1 / (1 + np.power((140/(img_orig+1e-6)), 4.5))       # 4.5为斜率,交互式选择(感觉med效果不如140)temp2 = img_temp - np.min(img_temp)                             # 标定到[0~255],才能进行BGR2RGBimg_con_str = np.uint8(255*(temp2/np.max(temp2)))# 显示所用的变换函数x1 = np.linspace(img_orig.min(), img_orig.max(), num=200)y1 = np.power(x1, 1.5)                                       # 伽马函数x2 = np.linspace(img_orig.min(), img_orig.max(), num=200)y2 = 1 / (1 + np.power((med/(x2+1e-6)), 4.5))               # 对比度拉伸函数plt.subplot(231), plt.title('原图像'), plt.imshow(cv.cvtColor(img_orig, cv.COLOR_BGR2RGB)), plt.axis('off')plt.subplot(232), plt.title('伽马变换'), plt.imshow(cv.cvtColor(img_gama, cv.COLOR_BGR2RGB)), plt.axis('off')plt.subplot(233), plt.title('对比度拉伸'), plt.imshow(cv.cvtColor(img_con_str, cv.COLOR_BGR2RGB)), plt.axis('off')plt.subplot(235), plt.title('s=r**(1.5)'), plt.plot(x1, y1), plt.grid(), label_def()plt.subplot(236), plt.title('s=1/(1+(M/r)**4)'), plt.plot(x2, y2), plt.grid(), label_def()plt.show()

效果如下:
在这里插入图片描述

二、色调校正及彩色平衡

只经过色调校正并不总能得到满意的结果。常用的处理方法是:
(1)色调校正;(2)彩色平衡校正。
比如下图较暗,所以用γ<1(0.5)的伽马变换来扩展低灰度级。但变换后图像中(前方石头和杂草)偏红色,所以转到CMY空间,对M分量进行平衡。代码如下:(用到的rgb2hsi和hsi2rgb是我自己定义的两个彩色空间变换函数,可以见我另一篇文章彩色空间HSI和RGB变换)

# 接上面的代码
# --------------------------------------------彩色平衡---------------------------------------------------------------#img_stone = cv.imread('bottom_left_stream.tif', 1)# 伽马变换处理stone_gama = np.power(img_stone.astype(np.float32), 0.5)         # 图像较暗,若采用幂率变换,γ<1,拉伸低灰度级,交互式选择temp = stone_gama - np.min(stone_gama)stone_gama = temp/np.max(temp)img_cmy = 1 - cv.cvtColor(stone_gama, cv.COLOR_BGR2RGB)c, m, y = cv.split(img_cmy)# print(m.shape)m_gama = np.power(m.astype(np.float32), 1.08)                   # 深红色较多,压缩一下temp_m = m_gama - np.min(m_gama)m_gama = (temp_m/(np.max(temp_m)))out_stone = 1 - cv.merge((c, m_gama, y))plt.subplot(131), plt.title('原图像'), plt.imshow(cv.cvtColor(img_stone, cv.COLOR_BGR2RGB)), plt.axis('off')plt.subplot(132), plt.title('伽马变换'), plt.imshow(cv.cvtColor(stone_gama, cv.COLOR_BGR2RGB)), plt.axis('off')plt.subplot(133), plt.title('彩色平衡(深红色)'), plt.imshow(out_stone), plt.axis('off')plt.show()

效果如下(好像不明显还行吧
在这里插入图片描述

三、彩色直方图均衡化

同灰度图一样,可以直接用函数cv2.equalizeHist(img),操作RGB每个平面或者HSI空间的I分量。但是这个函数操作对象灰度级要是8bit的,对于[0,1]的灰度级要标定到[0,255],要注意一下。
HSI空间中I分量直方图均衡化后,虽不改变H和S分量,但会影响图像整体颜色。常用处理是先均衡化,再调整饱和度分量S。
代码如下:

# ------------------------彩色直方图均衡化----------------------------#img_caster = cv.imread('caster_stand_original.tif', 1)h, s, i, caster = rgb2hsi(img_caster)img = np.float32(caster)i = np.uint8(255*i)equ_i = (cv.equalizeHist(i))/255.0                                        # 均衡化亮度分量# plt.subplot(121), plt.imshow(i, 'gray')# plt.subplot(122), plt.imshow(equ_i, 'gray')# plt.show()img_equ1 = hsi2rgb(cv.merge((h, s, equ_i)))# add_s = np.where((s*2) > 1, s, (s*1.5))                                # 增饱和度add_s = np.power(s, 0.85)img_equ2 = hsi2rgb(cv.merge((h, add_s, equ_i)))plt.subplot(131), plt.title('原图像'), plt.imshow(cv.cvtColor(img_caster, cv.COLOR_BGR2RGB)), plt.axis('off')plt.subplot(132), plt.title('I分量直方图均衡'), plt.imshow(img_equ1), plt.axis('off')plt.subplot(133), plt.title('均衡I+增大S'), plt.imshow(img_equ2), plt.axis('off')plt.show()

效果如下(找不同…):
在这里插入图片描述
欢迎大家批评指正

这篇关于(Python数字图像处理)彩色图像处理---色调和彩色校正以及直方图均衡化的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/186158

相关文章

Python将博客内容html导出为Markdown格式

《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转... 目录一、为什么要搞?二、准备如何搞?三、说搞咱就搞!抓取文章提取内容构建html转存markdown

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》:本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.