数学之路-python计算实战(12)-机器视觉-图像增强
2014-07-14 23:10
309 查看
分段线性变换将图像的值域分成多个值域并进行不同线性变换计算,可以压缩某部分灰度区,扩展另一部分灰度区间,下面以2个区间为例:
for m in xrange(h):
for n in xrange(w):
if img[m,n]>Ds_min and img[m,n]<=Ds_internal:
newimg[m,n]=int((Dd_internal-Dd_min)/(Ds_internal-Ds_min)*(img[m,n]-Ds_min)+Dd_min)
else:
newimg[m,n]=int((Dd_max-Dd_internal)/(Ds_max-Ds_internal)*(img[m,n]-Ds_internal)+Dd_internal)
上面代码中,Ds_min为源区段的最小值域Ds_internal为源区段的中间分界值Ds_max为源区段的最大值域Dd_min为目标区段的最小值域Dd_internal为目标区段的中间分界值Dd_max为目标区段的最大值域
for m in xrange(h):
for n in xrange(w):
if img[m,n]>Ds_min and img[m,n]<=Ds_internal:
newimg[m,n]=int((Dd_internal-Dd_min)/(Ds_internal-Ds_min)*(img[m,n]-Ds_min)+Dd_min)
else:
newimg[m,n]=int((Dd_max-Dd_internal)/(Ds_max-Ds_internal)*(img[m,n]-Ds_internal)+Dd_internal)
上面代码中,Ds_min为源区段的最小值域Ds_internal为源区段的中间分界值Ds_max为源区段的最大值域Dd_min为目标区段的最小值域Dd_internal为目标区段的中间分界值Dd_max为目标区段的最大值域
本博客所有内容是原创,如果转载请注明来源
http://blog.csdn.net/myhaspl/
左边是经过分段线性变换的图像,右边是原图像,通过压缩高亮度区,扩展低亮度区,使图像比对度更强。相关文章推荐
- 数学之路-python计算实战(14)-机器视觉-图像增强(直方图均衡化)
- 数学之路-python计算实战(11)-机器视觉-图像增强
- 数学之路-python计算实战(11)-机器视觉-图像增强
- 数学之路-python计算实战(14)-机器视觉-图像增强(直方图均衡化)
- 数学之路-python计算实战(9)-机器视觉-图像插值仿射
- 数学之路-python计算实战(9)-机器视觉-图像插值仿射
- 数学之路-python计算实战(7)-机器视觉-图像产生加性零均值高斯噪声
- 数学之路-python计算实战(7)-机器视觉-图像产生加性零均值高斯噪声
- 数学之路-python计算实战(17)-机器视觉-滤波去噪(中值滤波)
- 数学之路-python计算实战(13)-机器视觉-图像增强
- 数学之路-python计算实战(8)-机器视觉-图像二值化
- 数学之路-python计算实战(20)-机器视觉-拉普拉斯算子卷积滤波
- 数学之路-python计算实战(19)-机器视觉-卷积滤波
- 数学之路-python计算实战(15)-机器视觉-滤波去噪(归一化块滤波)
- 数学之路-python计算实战(21)-机器视觉-拉普拉斯线性滤波
- 数学之路-python计算实战(21)-机器视觉-拉普拉斯线性滤波
- 数学之路-python计算实战(10)-机器视觉-透视投影
- 数学之路-python计算实战(16)-机器视觉-滤波去噪(邻域平均法滤波)
- 数学之路-python计算实战(17)-机器视觉-滤波去噪(中值滤波)
- 数学之路-python计算实战(20)-机器视觉-拉普拉斯算子卷积滤波