scikit-image库-- 图像伽马和对数对比度调整（二）

灰太狼 2021-10-18 07:58 373阅读 0赞

#### 图像伽马和对数对比度调整： ####

import matplotlib
    import matplotlib.pyplot as plt
    import numpy as np
    
    from skimage import data, img_as_float
    from skimage import exposure
    
    matplotlib.rcParams['font.size'] = 10
    
    
    def plot_img_and_hist(image, axes, bins=256):
        """Plot an image along with its histogram and cumulative histogram. """
        image = img_as_float(image)  #将图像转为浮点数
        ax_img, ax_hist = axes   # axes为2行3列图块，第一行为ax_img ,第二行为ax_hist
        ax_cdf = ax_hist.twinx()       #twinx()函数表示共享x轴 twiny()表示共享y轴 共享表示的就是x轴使用同一刻度线
    
        # Display image
        ax_img.imshow(image, cmap=plt.cm.gray)
        ''' Cmap是MATLAB里面用来设定和获取当前色图的函数，可以设置如下色图： hot 从黑平滑过度到红、橙色和黄色的背景色，然后到白色。 cool 包含青绿色和品红色的阴影色。从青绿色平滑变化到品红色。 gray 返回线性灰度色图。 bone 具有较高的蓝色成分的灰度色图。该色图用于对灰度图添加电子的视图。 white 全白的单色色图。 spring 包含品红和黄的阴影颜色。 summer 包含绿和黄的阴影颜色。 autumn 从红色平滑变化到橙色，然后到黄色。 winter 包含蓝和绿的阴影色。 '''
        ax_img.set_axis_off()  #axis off对当前坐标系关闭操作。
    
        # Display histogram
        ax_hist.hist(image.ravel(), bins=bins, histtype='step', color='black')  
        #bins 为直方图的柱数 image.ravel() 将矩阵拉伸成一维数组 
        # histtype: 直方图类型，‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’
        
        ax_hist.ticklabel_format(axis='y', style='scientific', scilimits=(0, 0))
        #设置y轴 
        #sytle： sci或scientific 科学计数法 plain：自然数
        #sclimits (m, n) 轴的值范围 10的m次方 to 10的n次方 （0,0）表示无限制
        ax_hist.set_xlabel('Pixel intensity') 
        #设置 x轴标签
        ax_hist.set_xlim(0, 1)
        #设置x轴范围0到1
        ax_hist.set_yticks([])
        #set_xticks 与 set_yticks 方法可以显示地设置标号的位置
        #ax.set_xticks([0.25, 0.5, 0.75])
        #ax.set_xticklabels(['a', 'b', 'c'], fontsize=18)
    
        # Display cumulative distribution
        img_cdf, bins = exposure.cumulative_distribution(image, bins)
        #返回给定图像的累积分布函数（cdf） mg_cdf：数组累积分布函数的值。bin_centers：数组中心。
        ax_cdf.plot(bins, img_cdf, 'r')
        ax_cdf.set_yticks([])
    
        return ax_img, ax_hist, ax_cdf
    
    
    # Load an example image
    img = data.moon()
    
    # Gamma
    gamma_corrected = exposure.adjust_gamma(img, 2)
    #skimage.exposure.adjust_gamma(image, gamma=1, gain=1)
    #也称为幂律变换。该函数在将out = I**gamma每个像素缩放到范围0到1之后根据等式按照像素方式转换输入图像。
    # Logarithmic
    logarithmic_corrected = exposure.adjust_log(img, 1)
    #skimage.exposure.adjust_log(image, gain=1, inv=False)
    #out= gain*log(1 + I)在将每个像素缩放到0到1范围之后，该函数按照公式将输入图像按像素方式进行变换。
    
    
    # Display results
    fig = plt.figure(figsize=(8, 5))
    #画个8*5大小的画布
    
    axes = np.zeros((2, 3), dtype=np.object)
    axes[0, 0] = plt.subplot(2, 3, 1) #将画布分为2*3等分，第一份为axes[0, 0]，依次内推，
    axes[0, 1] = plt.subplot(2, 3, 2, sharex=axes[0, 0], sharey=axes[0, 0])
    axes[0, 2] = plt.subplot(2, 3, 3, sharex=axes[0, 0], sharey=axes[0, 0])
    axes[1, 0] = plt.subplot(2, 3, 4)
    axes[1, 1] = plt.subplot(2, 3, 5)
    axes[1, 2] = plt.subplot(2, 3, 6)
    
    ax_img, ax_hist, ax_cdf = plot_img_and_hist(img, axes[:, 0])
    ax_img.set_title('Low contrast image')
    
    y_min, y_max = ax_hist.get_ylim()
    ax_hist.set_ylabel('Number of pixels')
    ax_hist.set_yticks(np.linspace(0, y_max, 5)) #y轴且分为5等分，标记等分数值
    
    ax_img, ax_hist, ax_cdf = plot_img_and_hist(gamma_corrected, axes[:, 1])
    ax_img.set_title('Gamma correction')
    
    ax_img, ax_hist, ax_cdf = plot_img_and_hist(logarithmic_corrected, axes[:, 2])
    ax_img.set_title('Logarithmic correction')
    
    ax_cdf.set_ylabel('Fraction of total intensity')
    ax_cdf.set_yticks(np.linspace(0, 1, 5))
    
    # prevent overlap of y-axis labels
    fig.tight_layout()        #tight_layout会自动调整子图参数，使之填充整个图像区域 
    plt.show()

#### 原图： ####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70]

#### cmap=plt.cm.gray 改为hot： ####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 1]

#### 设置ax.set\_xticks(\[0.25, 0.5, 0.75\]) ax.set\_xticklabels(\[‘a’, ‘b’, ‘c’\], fontsize=18) ####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 2]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70]: /images/20211018/b03823902d8544148cd14721c868debe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 1]: /images/20211018/f615b97153fa4abba51a73c3ea0e0924.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70 2]: /images/20211018/fddd3bc0bc1d4bd8aac636cb1ba10918.png