Python Opencv中的gamma变换的使用
2018-03-20 10:10
281 查看
伽马变换就是用来图像增强,其提升了暗部细节,简单来说就是通过非线性变换,让图像从暴光强度的线性响应变得更接近人眼感受的响应,即将漂白(相机曝光)或过暗(曝光不足)的图片,进行矫正。
伽马变换的基本形式如下:
大于1时,对图像的灰度分布直方图具有拉伸作用(使灰度向高灰度值延展),而
小于1时,对图像的灰度分布直方图具有收缩作用(是使灰度向低灰度值方向靠拢)。
#分道计算每个通道的直方图
img0 = cv2.imread('12.jpg')
hist_b = cv2.calcHist([img0],[0],None,[256],[0,256])
hist_g = cv2.calcHist([img0],[1],None,[256],[0,256])
hist_r = cv2.calcHist([img0],[2],None,[256],[0,256])
def gamma_trans(img,gamma):
#具体做法先归一化到1,然后gamma作为指数值求出新的像素值再还原
gamma_table = [np.power(x/255.0,gamma)*255.0 for x in range(256)]
gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)
#实现映射用的是Opencv的查表函数
return cv2.LUT(img0,gamma_table)
img0_corrted = gamma_trans(img0, 0.5)
cv2.imshow('img0',img0)
cv2.imshow('gamma_image',img0_corrted)
cv2.imwrite('gamma_image.png',img0_corrted)
#分通道计算Gamma校正后的直方图
hist_b_c =cv2.calcHist([img0_corrted],[0],None,[256],[0,256])
hist_g_c =cv2.calcHist([img0_corrted],[1],None,[256],[0,256])
hist_r_c =cv2.calcHist([img0_corrted],[2],None,[256],[0,256])
fig = plt.figure('gamma')
pix_hists = [[hist_b, hist_g, hist_r],
[hist_b_c, hist_g_c, hist_r_c]]
pix_vals = range(256)
for sub_plt, pix_hist in zip([121, 122], pix_hists):
ax = fig.add_subplot(sub_plt, projection='3d')
for c, z, channel_hist in zip(['b', 'g', 'r'], [20, 10, 0], pix_hist):
cs = [c] * 256
ax.bar(pix_vals, channel_hist, zs=z, zdir='y', color=cs, alpha=0.618, edgecolor='none', lw=0)
ax.set_xlabel('Pixel Values')
ax.set_xlim([0, 256])
ax.set_ylabel('Count')
ax.set_zlabel('Channels')
plt.show()
cv2.waitKey()
伽马变换的基本形式如下:
大于1时,对图像的灰度分布直方图具有拉伸作用(使灰度向高灰度值延展),而
小于1时,对图像的灰度分布直方图具有收缩作用(是使灰度向低灰度值方向靠拢)。
#分道计算每个通道的直方图
img0 = cv2.imread('12.jpg')
hist_b = cv2.calcHist([img0],[0],None,[256],[0,256])
hist_g = cv2.calcHist([img0],[1],None,[256],[0,256])
hist_r = cv2.calcHist([img0],[2],None,[256],[0,256])
def gamma_trans(img,gamma):
#具体做法先归一化到1,然后gamma作为指数值求出新的像素值再还原
gamma_table = [np.power(x/255.0,gamma)*255.0 for x in range(256)]
gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)
#实现映射用的是Opencv的查表函数
return cv2.LUT(img0,gamma_table)
img0_corrted = gamma_trans(img0, 0.5)
cv2.imshow('img0',img0)
cv2.imshow('gamma_image',img0_corrted)
cv2.imwrite('gamma_image.png',img0_corrted)
#分通道计算Gamma校正后的直方图
hist_b_c =cv2.calcHist([img0_corrted],[0],None,[256],[0,256])
hist_g_c =cv2.calcHist([img0_corrted],[1],None,[256],[0,256])
hist_r_c =cv2.calcHist([img0_corrted],[2],None,[256],[0,256])
fig = plt.figure('gamma')
pix_hists = [[hist_b, hist_g, hist_r],
[hist_b_c, hist_g_c, hist_r_c]]
pix_vals = range(256)
for sub_plt, pix_hist in zip([121, 122], pix_hists):
ax = fig.add_subplot(sub_plt, projection='3d')
for c, z, channel_hist in zip(['b', 'g', 'r'], [20, 10, 0], pix_hist):
cs = [c] * 256
ax.bar(pix_vals, channel_hist, zs=z, zdir='y', color=cs, alpha=0.618, edgecolor='none', lw=0)
ax.set_xlabel('Pixel Values')
ax.set_xlim([0, 256])
ax.set_ylabel('Count')
ax.set_zlabel('Channels')
plt.show()
cv2.waitKey()
相关文章推荐
- 浅谈Python Opencv中gamma变换的使用详解
- Python语言opencv使用笔记(十一)(详解hough变换检测直线与圆)
- opencv python 傅里叶变换的使用
- 【python下使用OpenCV实现计算机视觉读书笔记2】图像与字节的变换
- 【python下使用OpenCV实现计算机视觉读书笔记2】图像与字节的变换
- Python下opencv使用笔记(十一)(详解hough变换检测直线与圆)
- Windows下Python中使用Opencv的配置方法
- 在Vim中使用python让Opencv函数自动补全
- Opencv学习笔记(三):图像的使用与操作_颜色空间的变换
- linux下使用python进行opencv开发
- Python OpenCV -- 霍夫线变换(十二)
- python opencv 图像尺寸变换
- Raspberry Pi OpenCV,在树莓派上使用python opencv
- python中使用OpenCV进行人脸检测的例子
- 【python下使用OpenCV实现计算机视觉读书笔记3】读写视频文件
- 【python下使用OpenCV实现计算机视觉读书笔记4】保存摄像头视频
- python使用opencv进行人脸识别
- python2.5中使用OpenCV
- python起步之Opencv配置和使用(四)