数字图像处理中灰度变化

谁践踏了优雅 2024-03-31 12:01 58阅读 0赞

图像处理中分为空间域的变换和频率域的变换，空间域是指图像的平面本身，这类方法是对图像中的像素直接操作。因此，空间域处理的方法：灰度变化和空间滤波。

![在这里插入图片描述][7e78b0fa87804385ba69755da952c4a9.png]

其中， f ( x , y ) f(x,y) f(x,y)为输入图像， g ( x , y ) g(x,y) g(x,y)是处理后的图像， T T T是在点 ( x , y ) (x,y) (x,y)的一个指定领域上定义的对图像 f f f进行处理的算子(操作)。邻域通常是中心在的矩形，其大小为 1 × 1 1×1 1×1，因此， ( x , y ) (x,y) (x,y)处的值仅由 f f f在该点的灰度决定。由于输出值仅仅取决于一点处的灰度值，而不取决于该点的邻域，这个时候空间域的处理公式为（灰度级变换函数或者映射函数）：  
![在这里插入图片描述][cd77fb4fdef14cc486f8f43e3aff26fb.png]  
其中 s s s和 r r r为所定义的变量，分别是 g g g和 f f f在任意点 ( x , y ) (x, y) (x,y)的灰度值

### 一.灰度变化 ###

##### 1.实现图像基本操作 #####

**（1）明暗反转**  
图像反转可以得到灰度级范围为【0，255】的图像的反转图像，公式如下：  
线性变化： s = 255 − r s=255-r s=255−r

g = imadjust(f , \[ \] , \[ \] , gamma)

1.原图取得：f = imread(“图片存储路径”)
    Imadjust(f,[0,1],[1,0],1)
    2.图像输出：imshow(g)

![在这里插入图片描述][ee950ee08972456b8190c1e08fe4f330.png_png]  
**（2）自适应参数调整函数stretchlim()**

Matlab中的stretchlim主要用于自适应找到一个分割阈值向量来改变一幅图像的对比度，其通用调用格式如下：

low_high = stretchlim(f,tol);

可得到一个灰度变换自适应最佳阈值，其中high\_frac=1- low\_high不用人为规定，再将其带入imadjust函数中便可实现灰度图像对比度的增加或减弱。  
**python代码实现**

import numpy as np
    from PIL import Image
    import matplotlib.pyplot as plt
    
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus'] = False   #set_chinese() 调用此函数，窗口就可以显示中文
    def image_inverse(input):
        value_max=np.max(input)
        output=value_max-input
        return output
    
    if __name__=='__main__':
    
     gray_img=np.asarray(Image.open(r'D:\MATLAB\toolbox\images\imdata\parkavenue.jpg').convert('L'))
        inv_img=image_inverse(gray_img)
    
        fig=plt.figure()   #建立一个画布
        ax1=fig.add_subplot(121)
        ax1.set_title('原图')                              #对数变化
        ax1.imshow(gray_img,cmap='gray',vmin=0,vmax=255) #将输入矩阵值域动态范围一一映射到灰度区间内（压缩）
    
        ax2=fig.add_subplot(122)
        ax2.set_title('变换后的图')
        ax2.imshow(inv_img,cmap='gray',vmin=0,vmax=255)
        plt.show()

![请添加图片描述][cc5bad813d0e4da791e7312f913bcb75.png]

**MATLAB代码实现**

close all;                            %关闭当前所有图形窗口，清空工作空间变量，清除工作空间所有变量
    clear all;
    clc;
    f=imread("parkavenue.jpg");  %输入图像
    q=rgb2gray(f);       %灰度化图像
    
    g=imcomplement(q);    %使用imcomplement实现明暗反转
    
    g1=imadjust(q,[0,1],[1,0],1);   %使用imadjust实现明暗反转
    g2=imadjust(q,[0.5,0.75],[0,1],3);  %将[0.5，0.75]的灰度扩散到[0,1]
    
    %使用stretchlim函数对与图像操作
    g3=imadjust(q,stretchlim(q),[1,0]);
    
    %画图
    figure;
    subplot(2,3,1),imshow(f);title('1.原图');
    subplot(2,3,2),imshow(q);title('2.灰度化后原图');
    subplot(2,3,3),imshow(g);title('3.使用imcomplement实现明暗反转后');
    subplot(2,3,4),imshow(g1);title('4.使用imadjust实现明暗反转后');
    subplot(2,3,5),imshow(g2);title('5.[0.5，0.75]的灰度扩散到[0,1]');
    subplot(2,3,6),imshow(g3);title('6.将灰度化的图像扩散到区间[1,0]');

![在这里插入图片描述][f84e823972784d729f4599c5d360a635.png]

由上图，我们可以看到使用imcomplement函数和imadjust实现明暗反转的效果差不多。使用imadjust函数将图像\[0.5,0.75\]区间的灰度值扩散到\[0,1\]区间，意思就是保留\[0.5,0.75\]的灰度值，其他区域的舍去，然后将保留的灰度区间映射到\[0,1\]之间，因此图5中对比度增强（最亮的白和最暗的黑之间差异越大），图6使用自动划分像素区域的stretchlim函数，让其图像扩散到区间\[1,0\]（明暗反转）,与图3，图4比较对比度明显增强，有利于我们对突出部分的观察。

[7e78b0fa87804385ba69755da952c4a9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/ef3e5e96057246c8a074dd16388dccdd.png
[cd77fb4fdef14cc486f8f43e3aff26fb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/b55a8e4c24774029888fe24f7a926c20.png
[ee950ee08972456b8190c1e08fe4f330.png_png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/3f98dd4581c8430e896b76489bc64088.png
[cc5bad813d0e4da791e7312f913bcb75.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/2d9b65d7cb4943778cb7a033714cd63c.png
[f84e823972784d729f4599c5d360a635.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/309f20c08cc34b98b920beee9da9cd51.png