我們前面提到過圖像二值化，圖像反轉(zhuǎn)，本質(zhì)上是對圖像的所有像素點的灰度進行操作，屬于灰度變換的內(nèi)容。灰度變換的主要目的是用于圖像增強。

而對比度拉伸是圖像增強的一種方法，也屬于灰度變換操作。我們看如下圖像：

可以看到，這張圖片非?；野?。我們查看下其直方圖。

import cv2 import matplotlib.pyplot as pltfarina = cv2.imread("farina.png", 0)hist_full = cv2.calcHist([farina], [0], None, [256], [0, 256])plt.plot(hist_full) plt.show()

可以看到所有像素的灰度值大部分集中在20-50之間，這使得整個圖像很暗淡。也就是說對比度不高。如果我們通過灰度變換，將灰度值拉伸到整個0-255的區(qū)間，那么其對比度顯然是大幅增強的?？梢杂萌缦碌墓絹韺⒛硞€像素的灰度值映射到更大的灰度空間：

I(x,y）=I(x,y)?IminImax?Imin(MAX?MIN)+MINI(x,y）=I(x,y)?IminImax?Imin(MAX?MIN)+MIN

其中Imin，Imax是原始圖像的最小灰度值和最大灰度值，MIN和MAX是要拉伸到的灰度空間的灰度最小值和最大值。

Imax = np.max(farina) Imin = np.min(farina) MAX = 255 MIN = 0 farina_cs = (farina - Imin) / (Imax - Imin) * (MAX - MIN) + MIN cv2.imshow("farina_cs", farina_cs.astype("uint8")) cv2.waitKey()

可以看出，對比度提升了很多。我們再看看其直方圖，可以看到已經(jīng)充滿了整個灰度空間。

除了上述方法，對比度拉伸還有其它方法嗎？當(dāng)然是有的。例如直方圖位移法（Histogram shifting）。公式如下：，

I(x,y)=I(x,y)+offsetI(x,y)=I(x,y)+offset
在每個像素位置的灰度值增加一個偏移量offset。注意，這個offset可以是正數(shù)，也可以是負(fù)數(shù)。正的話，整體亮度變亮，負(fù)的話，整體亮度變暗。需要注意的是控制offset的值大小，不要越界。

farina_cs = farina + 100 cv2.imshow("farina_offset", farina_cs.astype("uint8")) cv2.waitKey() hist_full = cv2.calcHist([farina_cs.astype("uint8")], [0], None, [256], [0, 256]) plt.plot(hist_full) plt.show()

下面分別是使用直方圖位移方法后的圖像和其直方圖。

可以看出直方圖與原始直方圖形狀一模一樣，只是在橫軸上有所偏移。這種方法的圖像增強效果并沒有上一種方法好。

總結(jié)

以上是生活随笔為你收集整理的图像增强之对比度拉伸的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。