python数字图像处理基础(七)——直方图均衡化、傅里叶变换

本文主要是介绍python数字图像处理基础(七)——直方图均衡化、傅里叶变换,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!

目录

    • 直方图均衡化
      • 均衡化原理
      • 均衡化效果
      • 标准直方图均衡化
      • 自适应直方图均衡化
    • 傅里叶变换
      • 原理
      • 低通滤波
      • 高通滤波

直方图均衡化

均衡化原理

图像均衡化是一种基本的图像处理技术,通过更新图像直方图的像素强度分布来调整图像的全局对比度。这样做可以使低对比度的区域在输出图像中获得更高的对比度。

简单理解:改变图像对比度,让色彩更丰富,灰度值直方图:瘦高 -> 均衡

本质上,直方图均衡化的工作原理是:

  • 1.计算图像像素强度的直方图
  • 2.均匀展开并分布最频繁的像素值(即直方图中计数最大的像素值)
  • 3.给出累积分布函数(CDF)的线性趋势

在这里插入图片描述

注意到以上直方图有许多峰值,这表明有很多像素被归入到这些各自的bin中。使用直方图均衡化,我们的目标是将这些像素分散到没有太多像素的bin中。

均衡化效果

在这里插入图片描述

注意输入图像的对比度是如何显著提高的,但代价是也提高了输入图像中的噪声的对比度。

这就提出了一个问题:是否有可能在不增加噪声的同时提高图像对比度?
答案是“是的”,你只需要应用自适应直方图均衡化

通过自适应直方图均衡化,我们将输入图像划分为M × N网格。然后我们对网格中的每个单元进行均衡处理,从而获得更高质量的输出图像:

在这里插入图片描述

标准直方图均衡化

OpenCV 包括通过以下两个函数实现基本直方图均衡和自适应直方图均衡:

cv2.equalizeHist
cv2.createCLAHE

应用cv2.equalizeHist()函数非常简单,只需将图像转换为灰度,然后调用cv2.equalizeHist即可:

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
equalized = cv2.equalizeHist(gray)

自适应直方图均衡化

实现自适应直方图均衡化要求:

1.将输入图像转换为灰度/从中提取单个通道
2.使用cv2.createCLAHE实例化CLAHE算法
3.在CLAHE对象上调用.apply()方法来应用直方图均衡化
这比听起来容易得多,只需要几行代码:

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
equalized = clahe.apply(gray)

注意,我们为cv2.createCLAHE提供了两个参数:

  • clipLimit:这是对比度限制的阈值
  • tileGridSize:将输入图像划分为M × N块,然后对每个局部块应用直方图均衡化

傅里叶变换

原理

傅里叶变换常用来分析各种滤波器的特性。可以是用2D离散傅里叶变换分析图像的频域特性。

(个人理解,在图像问题当中,频域是指图像的灰度变化,也就是灰度图像的梯度值,这个和轮廓的原理差不多,灰度值变化剧烈的叫做高频分量,例如边界和噪声。灰度值变化缓慢的称谓低频分量)

实现2D离散傅里叶变换(DFT)的的算法叫做快速傅里叶变换(FFT)。

对图像进行X方向和Y方向的傅里叶变换,会得到图像的频域表示图。

直观理解,一个正弦信号,如果幅度变换很快,可以称之为高频信号,如果变换慢,可以称之为低频信号。在图像中,灰度值变化快的位置,可以称之为高频分量(只变化快而不是次数多),灰度值变化慢的称之为低频分量

图像使用使用二维离散傅里叶变换后得到一个复数矩阵,叫做图像的频谱图。

低通滤波器:只保留低频,会使得图像模糊

高通滤波器:只保留高频,会使得图像细节增强

  • opencv中主要就是从cv2.dftt()cv2.idft(),输入图像需要先转换成np.float32格式:

    img = cv2.imread(‘lena.jpg’, 0)

    img_ float32 = np.float32(img)

    dft = cv2.dft(img_float32, flags = cv2.DFT_COMPLEX_OUTPUT)

  • 得到的结果中频率为0的部分会在左上角,通常要转换到中心位置(故转换后的图像从中心向四周频率增高),可以通过shift变换来实现:

    dft_shift = np.fft.fftshift(dft)

  • cv2.dft()返回的结果是复数矩阵,即双通道的(实部,虚部),通常还需要转换成图像格式才能展示(0,255)

    magnitude_spectrum = 20*np.log(cv2.magnitude(dft_shift[:, :, 0],dft_shift[:, :, 1]))

img = cv2.imread('33.jpg',0)  # 读图
dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT)  # 傅里叶变换
dft_shift = np.fft.fftshift(dft)  # 平移到中心,结果为双通道(实部,虚部)
magnitude_spectrum = 20*np.log(cv2.magnitude(dft_shift[:, :, 0], dft_shift[:, :, 1]))  # 转化为频谱图

理解:通过傅里叶变换,将图像转化为频谱图,而低通滤波和高通滤波则是傅里叶变换的逆变换,即通过对频谱图进行一些操作(保留低频/保留高频),从而达到改变原始图像的效果。

低通滤波

作用:将图像变得平滑,同时也就看起来比较模糊。

做法:利用掩码,把中心部分频率低的保留下来

import numpy as np
import cv2
from matplotlib import pyplot as pltimg = cv2.imread('./image/img1.jpg', 0)img_float32 = np.float32(img)dft = cv2.dft(img_float32, flags= cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)rows, cols = img.shape  # 横纵坐标
crow, ccol = int(rows/2), int(cols/2)  # 找到中心位置# 低通滤波制作蒙板
mask = np.zeros((rows, cols, 2), np.uint8)  # 初始化全部像素点数值置为0
mask[crow-30:crow+30, ccol-30:ccol+30] = 1  # 相当于只有中心位置60*60像素点是1,其余全为0# IDFT傅里叶逆变换 即把dft后得到的按频率分布的奇奇怪怪的图(称为频谱图)变为原来imread进来的图
fshift = dft_shift*mask  # 将掩膜和得到的结果结合,即只有中心60*60保留
f_ishift = np.fft.fftshift(fshift)  # 做逆变换,当然要把原来fft左上角移到中间的再移回左上角ifft
img_back = cv2.idft(f_ishift)  # 逆变换,频谱图还原为原图,但还不能看,因为结果是双通道(实部,虚部)
img_back = cv2.magnitude(img_back[:, :, 0], img_back[:, :, 1])  # 套公式处理,让图像可看plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(img_back, cmap='gray')
plt.title('Result'), plt.xticks([]), plt.yticks([])plt.show()

高通滤波

作用:增强边缘,非边缘部分被过滤

做法:使用一个60×60的矩形窗口进行蒙板操作,去除低频分量,使用函数np.fft.ifftshift将图像中心平移回左上角,然后使用函数 np.ifft2()进行FFT逆变换,将得到的复数结果取绝对值。(DFT的逆变换)

与低通滤波唯一的区别就在蒙版的制作

import numpy as np
import cv2
from matplotlib import pyplot as pltimg = cv2.imread('./image/img1.jpg', 0)img_float32 = np.float32(img)dft = cv2.dft(img_float32, flags= cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)rows, cols = img.shape  # 横纵坐标
crow, ccol = int(rows/2), int(cols/2)  # 找到中心位置# 高通滤波制作蒙板
mask = np.ones((rows, cols, 2), np.uint8)  # 初始化全部像素点数值置为1
mask[crow-30:crow+30, ccol-30:ccol+30] = 0  # 相当于只有中心位置60*60像素点是0,其余全为1# IDFT傅里叶逆变换 即把dft后得到的按频率分布的奇奇怪怪的图变为原来imread进来的图
fshift = dft_shift*mask  # 将掩膜和得到的结果结合,即只有中心60*60保留
f_ishift = np.fft.fftshift(fshift)  # 做逆变换,当然要把原来fft左上角移到中间的再移回左上角ifft
img_back = cv2.idft(f_ishift)  # 逆变换,模糊频率图还原为原图,但还不能看,因为结果是双通道(实部,虚部)
img_back = cv2.magnitude(img_back[:, :, 0], img_back[:, :, 1])  # 套公式处理,让图像可看plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(img_back, cmap='gray')
plt.title('Result'), plt.xticks([]), plt.yticks([])plt.show()

思想:将图像通过傅里叶变换映射到频域中进行操作,往往简单高效,最后再逆变换转化回来就好


这篇关于python数字图像处理基础(七)——直方图均衡化、傅里叶变换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/618320

相关文章

使用Python绘制蛇年春节祝福艺术图

《使用Python绘制蛇年春节祝福艺术图》:本文主要介绍如何使用Python的Matplotlib库绘制一幅富有创意的“蛇年有福”艺术图,这幅图结合了数字,蛇形,花朵等装饰,需要的可以参考下... 目录1. 绘图的基本概念2. 准备工作3. 实现代码解析3.1 设置绘图画布3.2 绘制数字“2025”3.3

python使用watchdog实现文件资源监控

《python使用watchdog实现文件资源监控》watchdog支持跨平台文件资源监控,可以检测指定文件夹下文件及文件夹变动,下面我们来看看Python如何使用watchdog实现文件资源监控吧... python文件监控库watchdogs简介随着Python在各种应用领域中的广泛使用,其生态环境也

Python中构建终端应用界面利器Blessed模块的使用

《Python中构建终端应用界面利器Blessed模块的使用》Blessed库作为一个轻量级且功能强大的解决方案,开始在开发者中赢得口碑,今天,我们就一起来探索一下它是如何让终端UI开发变得轻松而高... 目录一、安装与配置:简单、快速、无障碍二、基本功能:从彩色文本到动态交互1. 显示基本内容2. 创建链

Java调用Python代码的几种方法小结

《Java调用Python代码的几种方法小结》Python语言有丰富的系统管理、数据处理、统计类软件包,因此从java应用中调用Python代码的需求很常见、实用,本文介绍几种方法从java调用Pyt... 目录引言Java core使用ProcessBuilder使用Java脚本引擎总结引言python

python 字典d[k]中key不存在的解决方案

《python字典d[k]中key不存在的解决方案》本文主要介绍了在Python中处理字典键不存在时获取默认值的两种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录defaultdict:处理找不到的键的一个选择特殊方法__missing__有时候为了方便起见,

使用Python绘制可爱的招财猫

《使用Python绘制可爱的招财猫》招财猫,也被称为“幸运猫”,是一种象征财富和好运的吉祥物,经常出现在亚洲文化的商店、餐厅和家庭中,今天,我将带你用Python和matplotlib库从零开始绘制一... 目录1. 为什么选择用 python 绘制?2. 绘图的基本概念3. 实现代码解析3.1 设置绘图画

Python pyinstaller实现图形化打包工具

《Pythonpyinstaller实现图形化打包工具》:本文主要介绍一个使用PythonPYQT5制作的关于pyinstaller打包工具,代替传统的cmd黑窗口模式打包页面,实现更快捷方便的... 目录1.简介2.运行效果3.相关源码1.简介一个使用python PYQT5制作的关于pyinstall

使用Python实现大文件切片上传及断点续传的方法

《使用Python实现大文件切片上传及断点续传的方法》本文介绍了使用Python实现大文件切片上传及断点续传的方法,包括功能模块划分(获取上传文件接口状态、临时文件夹状态信息、切片上传、切片合并)、整... 目录概要整体架构流程技术细节获取上传文件状态接口获取临时文件夹状态信息接口切片上传功能文件合并功能小

python实现自动登录12306自动抢票功能

《python实现自动登录12306自动抢票功能》随着互联网技术的发展,越来越多的人选择通过网络平台购票,特别是在中国,12306作为官方火车票预订平台,承担了巨大的访问量,对于热门线路或者节假日出行... 目录一、遇到的问题?二、改进三、进阶–展望总结一、遇到的问题?1.url-正确的表头:就是首先ur

基于Python实现PDF动画翻页效果的阅读器

《基于Python实现PDF动画翻页效果的阅读器》在这篇博客中,我们将深入分析一个基于wxPython实现的PDF阅读器程序,该程序支持加载PDF文件并显示页面内容,同时支持页面切换动画效果,文中有详... 目录全部代码代码结构初始化 UI 界面加载 PDF 文件显示 PDF 页面页面切换动画运行效果总结主