目錄

• 一些基本的灰度變換函數(shù)
• • • 圖像反轉(zhuǎn)
    • 對(duì)數(shù)變換

一些基本的灰度變換函數(shù)

如下圖顯示了在圖像處理中頻繁使用的3類基本函數(shù)：

• 線性（反轉(zhuǎn)和恒等變換）函數(shù)
• 對(duì)數(shù)（對(duì)數(shù)和反對(duì)數(shù)變換）函數(shù)
• 冪律（$n$次冪和$n$次根變換）函數(shù)

# 灰度變換函數(shù)為了圖像好看，歸一化后再乘于255，縮放到相同的數(shù)值范圍 x = np.arange(0, 256, 1) x1 = x + 1equal = normalize(x) * 255 revers = (1 - normalize(x)) * 255 log = normalize(np.log(x1)) * 255 n_sqrt = normalize(np.power(x, 1/3)) * 255 n_power = normalize(np.power(normalize(x), 3)) * 255 log_1 = normalize(np.exp(log)) * 255plt.figure(figsize=(6, 6)) plt.plot(x, equal, label='equal') plt.plot(x, revers, label='reversed') plt.plot(x, log, label='log') plt.plot(x, n_sqrt, label='n sqrt root') plt.plot(x, n_power, label='n power') plt.plot(x, log_1, label='exp')plt.ylim([0, 256]) plt.xlim([0, 256]) plt.legend(loc='upper left') plt.show()

圖像反轉(zhuǎn)

$$s=L?1?r\text{\hspace{1em}(3.3)}$$

采用這種方式反轉(zhuǎn)圖像的灰度級(jí)，會(huì)得到類似于照片底片的結(jié)果。這種類型的處理可用于增強(qiáng)圖像暗色區(qū)域中的白色或灰色細(xì)節(jié)，暗色安全閥人尺寸很大時(shí)這種增強(qiáng)效果更好

# 圖像反轉(zhuǎn)，也可以縮放到[0, 1]， 然后再用1減去 img_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH03/Fig0304(a)(breast_digital_Xray).tif', 0) img_reversed = 256 - 1 - img_ori # L = 2^8plt.figure(figsize=(18, 15)) plt.subplot(1, 2, 1), plt.imshow(img_ori, cmap='gray', vmin=0, vmax=255), plt.title('Original') plt.subplot(1, 2, 2), plt.imshow(img_reversed, cmap='gray', vmin=0, vmax=255), plt.title('Reversed') plt.tight_layout() plt.show()

對(duì)數(shù)變換

$$s=c?log(1+r)\text{\hspace{1em}(3.4)}$$

這個(gè)變換將輸入中范圍較窄的低灰度值映射為輸出中范圍較寬的灰度級(jí)。相反，輸入中的高灰度值則被映射為輸出中范圍較窄的灰度級(jí)。使用這類變換來(lái)擴(kuò)展圖像中的暗像素值，同時(shí)壓縮高灰度級(jí)值。

反對(duì)數(shù)（指數(shù)）變換的功能正好相反。

# 對(duì)數(shù)變換 img_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH03/Fig0305(a)(DFT_no_log).tif', 0)#------------------------傅里葉變換 fft = np.fft.fft2(img_ori) fft_shift = np.fft.fftshift(fft) #中心化#------------------------直接顯示變換后的頻譜 amp = np.abs(fft_shift) amp = np.uint8(normalize(amp) * 255)#------------------------對(duì)頻譜進(jìn)行對(duì)數(shù)變換后 amp_log = np.abs(np.log(1 + np.abs(fft_shift))) amp_log = np.uint8(normalize(amp_log) * 255)plt.figure(figsize=(16, 6)) plt.subplot(1, 3, 1), plt.imshow(img_ori, cmap='gray', vmin=0, vmax=255), plt.title('Original'), plt.xticks([]), plt.yticks([]) plt.subplot(1, 3, 2), plt.imshow(amp, cmap='gray', vmin=0, vmax=255), plt.title('FFT result without log'), plt.xticks([]), plt.yticks([]) plt.subplot(1, 3, 3), plt.imshow(amp_log, cmap='gray', vmin=0, vmax=255), plt.title('FFT result with Long'), plt.xticks([]), plt.yticks([]) plt.tight_layout() plt.show()

總結(jié)

以上是生活随笔為你收集整理的第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波2 - 图像反转、对数变换的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。