(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

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

一文详解Java异常处理你都了解哪些知识

《一文详解Java异常处理你都了解哪些知识》:本文主要介绍Java异常处理的相关资料,包括异常的分类、捕获和处理异常的语法、常见的异常类型以及自定义异常的实现,文中通过代码介绍的非常详细,需要的朋... 目录前言一、什么是异常二、异常的分类2.1 受检异常2.2 非受检异常三、异常处理的语法3.1 try-

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

Java Response返回值的最佳处理方案

《JavaResponse返回值的最佳处理方案》在开发Web应用程序时,我们经常需要通过HTTP请求从服务器获取响应数据,这些数据可以是JSON、XML、甚至是文件,本篇文章将详细解析Java中处理... 目录摘要概述核心问题:关键技术点:源码解析示例 1:使用HttpURLConnection获取Resp

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py