zoukankan      html  css  js  c++  java
  • python 图像处理(7):对比度与亮度调整

    图像亮度与对比度的调整,是放在skimage包的exposure模块里面

    1、gamma调整

    原理:I=Ig

    对原图像的像素,进行幂运算,得到新的像素值。公式中的g就是gamma值。

    如果gamma>1, 新图像比原图像暗

    如果gamma<1,新图像比原图像亮

    函数格式为:skimage.exposure.adjust_gamma(imagegamma=1)

    gamma参数默认为1,原像不发生变化 。

    复制代码
    from skimage import data, exposure, img_as_float
    import matplotlib.pyplot as plt
    image = img_as_float(data.moon())
    gam1= exposure.adjust_gamma(image, 2)   #调暗
    gam2= exposure.adjust_gamma(image, 0.5)  #调亮
    plt.figure('adjust_gamma',figsize=(8,8))
    
    plt.subplot(131)
    plt.title('origin image')
    plt.imshow(image,plt.cm.gray)
    plt.axis('off')
    
    plt.subplot(132)
    plt.title('gamma=2')
    plt.imshow(gam1,plt.cm.gray)
    plt.axis('off')
    
    plt.subplot(133)
    plt.title('gamma=0.5')
    plt.imshow(gam2,plt.cm.gray)
    plt.axis('off')
    
    plt.show()
    复制代码

    2、log对数调整

    这个刚好和gamma相反

    原理:I=log(I)

    复制代码
    from skimage import data, exposure, img_as_float
    import matplotlib.pyplot as plt
    image = img_as_float(data.moon())
    gam1= exposure.adjust_log(image)   #对数调整
    plt.figure('adjust_gamma',figsize=(8,8))
    
    plt.subplot(121)
    plt.title('origin image')
    plt.imshow(image,plt.cm.gray)
    plt.axis('off')
    
    plt.subplot(122)
    plt.title('log')
    plt.imshow(gam1,plt.cm.gray)
    plt.axis('off')
    
    plt.show()
    复制代码

    3、判断图像对比度是否偏低

    函数:is_low_contrast(img)

    返回一个bool型值

    from skimage import data, exposure
    image =data.moon()
    result=exposure.is_low_contrast(image)
    print(result)

    输出为False

    4、调整强度

    函数:skimage.exposure.rescale_intensity(imagein_range='image'out_range='dtype')

    in_range 表示输入图片的强度范围,默认为'image', 表示用图像的最大/最小像素值作为范围

    out_range 表示输出图片的强度范围,默认为'dype', 表示用图像的类型的最大/最小值作为范围

    默认情况下,输入图片的[min,max]范围被拉伸到[dtype.min, dtype.max],如果dtype=uint8, 那么dtype.min=0, dtype.max=255

    import numpy as np
    from skimage import exposure
    image = np.array([51, 102, 153], dtype=np.uint8)
    mat=exposure.rescale_intensity(image)
    print(mat)

    输出为[  0 127 255]

    即像素最小值由51变为0,最大值由153变为255,整体进行了拉伸,但是数据类型没有变,还是uint8

    前面我们讲过,可以通过img_as_float()函数将unit8类型转换为float型,实际上还有更简单的方法,就是乘以1.0

    import numpy as np
    image = np.array([51, 102, 153], dtype=np.uint8)
    print(image*1.0)

    即由[51,102,153]变成了[  51.  102.  153.]

    而float类型的范围是[0,1],因此对float进行rescale_intensity 调整后,范围变为[0,1],而不是[0,255]

    import numpy as np
    from skimage import exposure
    image = np.array([51, 102, 153], dtype=np.uint8)
    tmp=image*1.0
    mat=exposure.rescale_intensity(tmp)
    print(mat)

    结果为[ 0.   0.5  1. ]

    如果原始像素值不想被拉伸,只是等比例缩小,就使用in_range参数,如:

    import numpy as np
    from skimage import exposure
    image = np.array([51, 102, 153], dtype=np.uint8)
    tmp=image*1.0
    mat=exposure.rescale_intensity(tmp,in_range=(0,255))
    print(mat)

    输出为:[ 0.2  0.4  0.6],即原像素值除以255

    如果参数in_range的[main,max]范围要比原始像素值的范围[min,max] 大或者小,那就进行裁剪,如:

    mat=exposure.rescale_intensity(tmp,in_range=(0,102))
    print(mat)

    输出[ 0.5  1.   1. ],即原像素值除以102,超出1的变为1

    如果一个数组里面有负数,现在想调整到正数,就使用out_range参数。如:

    import numpy as np
    from skimage import exposure
    image = np.array([-10, 0, 10], dtype=np.int8)
    mat=exposure.rescale_intensity(image, out_range=(0, 127))
    print(mat)

    输出[  0  63 127]

     
  • 相关阅读:
    Acquistion Location Confidence for accurate object detection
    Parallel Feature Pyramid Network for Object Detection
    第11组 Beta冲刺(3/5)
    第11组 Beta冲刺(2/5)
    第11组 Beta冲刺(1/5)
    第11组 Alpha事后诸葛亮
    第11组 Alpha冲刺(6/6)
    第11组 Alpha冲刺(5/6)
    第11组 Alpha冲刺(4/6)
    第11组 Alpha冲刺(3/6)
  • 原文地址:https://www.cnblogs.com/presleyren/p/14708439.html
Copyright © 2011-2022 走看看