實現冪律變換，對lena圖像（灰度）進行處理，觀察在不同gamma數值下圖像的變化和特點。

觀察lena圖像的直方圖，實現lena圖像的直方圖均衡，觀察效果。

代碼及內容展示和分析：

1.1選用c*log(x,base)來處理lena的每一個像素，并取不同的參數和底數

import cv2 as cv

import numpy as np

import math

Lena = cv.imread(‘lena.jpeg’,0)

q = lambda x,a,b:a*math.log(1+x,b)

bases = [2,math.exp(1),10]

params = [10,20,30]

lena_all = [[np.uint8([[q(b,param,base)for b in a]for a in lena])for

??????????? param in params]for base in bases]

[[cv.imshow(f’{bases[a]}-{params[b]}’,lena_all[a][b])for b in range

??????????? (len(lena_all[0]))]for a in range(len(lena_all))]

[[cv.imwrite(f’{bases[a]}-{params[b]}.jpeg’,lena_all[a][b])for b in

range(len(lena_all[0]))]for a in range(len(lena_all))]

if cv.waitKey() == ord(‘A’):

cv.destroyAllWindows()

（1）當底數為2，參數選擇[10,20,30]時，效果圖如下：

? ? ? ? ? ? ? ? ? ? ? ? Fig.1-1? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?Fig.1-2? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?Fig.1-3

（2）當底數為自然對數e，參數選擇[10,20,30]時，效果圖如下：

?

? ? ? ? ? ? ? ? ? ? ?Fig.1-4? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Fig.1-5? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Fig.1-6

（3）當底數為10，參數選擇[10,20,30]時，效果圖如下：

?

分析：使用對數處理圖像時，圖像會變暗，使用修正參數可使圖像亮度增加。

1.2選用x^a的形式處理lena的每一個像素

import cv2 as cv

import numpy as np

Lena = cv.imread(‘lena.jpeg’,0)

q = lambda x,a:pow(x,a)

power = [0.4,0.6,0.8,1.1,1.6,2.1]

lena_1 = lena/255

lena_all = [np.float32([[q(b,power)for b in a]for a in lena_1])for

?power in powers]

lena_re_255 = [np.uint8(a*255)for a in lena_all]

[cv.imshow(f’{a+1}’,lena_re_255[a])for a in range(len(lena_re_255))]

[cv.imwrite(f’{a+1}.jpeg’,lena_re_255[a])for a in range(len

(lena_re_255))]

If cv.waitKey() == ord(‘A’):

cv.destroyAllWindows()

（1）當冪次選定[0.4,0.6,0.8]小于1的冪次時：

?

? ? ? ? ? ? ? ? ? ? ? Fig.1-10? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Fig.1-11? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?Fig.1-12

（2）當冪次選定[1.1,1.6,2.1]大于1的冪次時：

? ? ? ? ? ? ? ? ? ? ? ? Fig.1-13? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?Fig.1-14? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Fig.1-15

分析：當冪次小于1時，越小則圖像的亮度越高；當冪次大于1時，越大則圖像的亮度越低。

2.lena直方圖及其均衡化

import cv 2 as cv

import matplotlib.pyplot as plt

lena = cv.imread(‘lena.jpeg’,0)

lena_equ = cv.equalizeHist(lena)

cv.imshow(‘1’,lena)

cv.imshow(‘2’,lena_equ)

cv.imwrite(‘lena_equ.jpeg’,lena_equ)

plt.figure(‘原始直方圖：‘)

plt.hist(lena.ravel(),256)

plt.figure(‘均衡后直方圖：‘)

plt.hist(lena_equ.ravel(),256)

plt.show()

if cv.waitKey() == ord(‘A’):

??? cv.destroyAllWindows()

（1）Lena原始圖和均衡后的lena圖

?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?Fig.2-1? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Fig.2-2

（2）Lena的直方圖和均衡后的直方圖

?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Fig.2-3 ?

Fig.2-4

分析：均衡后的lena圖的亮度要比原始圖稍微暗一點；均衡后的直方圖灰度分布更加均勻一點。

?

總結

以上是生活随笔為你收集整理的现代数字图像处理---lena图像处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。