CTF导航 CTF导航

[Python图像处理] 十五.图像的灰度线性变换

AI 2年前 (2022) admin
510 0 0

该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~

前一篇文章讲解了图像灰度化处理的知识，结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作，使用像素处理方法对图像进行灰度化处理。本文主要讲解灰度线性变换，基础性知识希望对您有所帮助。

  • 一.图像灰度线性变换原理

  • 二.图像灰度上移变换：DB=DA+50

  • 三.图像对比度增强变换：DB=DA*1.5

  • 四.图像对比度减弱变换：DB=DA*0.8

  • 五.图像灰度反色变换：DB=255-DA

  • 六.总结

文章参考自己以前系列图像处理文章及OpenCV库函数。同时，本篇文章涉及到《计算机图形学》基础知识，请大家下来补充。该系列在github所有源代码：

  • https://github.com/eastmountyxz/
    ImageProcessing-Python

前文回顾（下面的超链接可以点击喔）：


学Python近八年，认识了很多大佬和朋友，感恩。深知自己很菜，得拼命努力前行，编程也没有什么捷径，干就对了。希望未来能更透彻学习和撰写文章，同时非常感谢参考文献中的大佬们的文章和分享，共勉。

– https://blog.csdn.net/eastmount

一.图像灰度线性变换原理

图像的灰度线性变换是通过建立灰度映射来调整原始图像的灰度，从而改善图像的质量，凸显图像的细节，提高图像的对比度。灰度线性变换的计算公式如下所示：

[Python图像处理] 十五.图像的灰度线性变换

该公式中DB表示灰度线性变换后的灰度值，DA表示变换前输入图像的灰度值，α和b为线性变换方程f(D)的参数，分别表示斜率和截距。

  • 当α=1，b=0时，保持原始图像

  • 当α=1，b!=0时，图像所有的灰度值上移或下移

  • 当α=-1，b=255时，原始图像的灰度值反转

  • 当α>1时，输出图像的对比度增强

  • 当0<α<1时，输出图像的对比度减小

  • 当α<0时，原始图像暗区域变亮，亮区域变暗，图像求补

如图所示，显示了图像的灰度线性变换对应的效果图。

[Python图像处理] 十五.图像的灰度线性变换

二.图像灰度上移变换

该算法将实现图像灰度值的上移，从而提升图像的亮度，其实现代码如下所示。由于图像的灰度值位于0至255区间之内，所以需要对灰度值进行溢出判断。

# -*- coding: utf-8 -*-import cv2  import numpy as np  import matplotlib.pyplot as plt
#读取原始图像img = cv2.imread('miao.png')
#图像灰度转换grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#获取图像高度和宽度height = grayImage.shape[0]width = grayImage.shape[1]
#创建一幅图像result = np.zeros((height, width), np.uint8)
#图像灰度上移变换 DB=DA+50for i in range(height):    for j in range(width):                if (int(grayImage[i,j]+50) > 255):            gray = 255        else:            gray = int(grayImage[i,j]+50)                    result[i,j] = np.uint8(gray)
#显示图像cv2.imshow("Gray Image", grayImage)cv2.imshow("Result", result)
#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

其输出结果如下图所示，图像的所有灰度值上移50，图像变得更白了。注意，纯黑色对应的灰度值为0，纯白色对应的灰度值为255。

[Python图像处理] 十五.图像的灰度线性变换

三.图像对比度增强变换

该算法将增强图像的对比度，Python实现代码如下所示：

# -*- coding: utf-8 -*-import cv2  import numpy as np  import matplotlib.pyplot as plt
#读取原始图像img = cv2.imread('miao.png')
#图像灰度转换grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#获取图像高度和宽度height = grayImage.shape[0]width = grayImage.shape[1]
#创建一幅图像result = np.zeros((height, width), np.uint8)
#图像对比度增强变换 DB=DA*1.5for i in range(height):    for j in range(width):                if (int(grayImage[i,j]*1.5) > 255):            gray = 255        else:            gray = int(grayImage[i,j]*1.5)                    result[i,j] = np.uint8(gray)
#显示图像cv2.imshow("Gray Image", grayImage)cv2.imshow("Result", result)

其输出结果如下图所示，图像的所有灰度值增强1.5倍。

[Python图像处理] 十五.图像的灰度线性变换

四.图像对比度减弱变换

该算法将减弱图像的对比度，Python实现代码如下所示：

# -*- coding: utf-8 -*-import cv2  import numpy as np  import matplotlib.pyplot as plt
#读取原始图像img = cv2.imread('miao.png')
#图像灰度转换grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#获取图像高度和宽度height = grayImage.shape[0]width = grayImage.shape[1]
#创建一幅图像result = np.zeros((height, width), np.uint8)
#图像对比度减弱变换 DB=DA*0.8for i in range(height):    for j in range(width):        gray = int(grayImage[i,j]*0.8)        result[i,j] = np.uint8(gray)
#显示图像cv2.imshow("Gray Image", grayImage)cv2.imshow("Result", result)
#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

其输出结果如下图所示，图像的所有灰度值减弱，图像变得更暗。

[Python图像处理] 十五.图像的灰度线性变换

五.图像灰度反色变换

反色变换又称为线性灰度求补变换，它是对原图像的像素值进行反转，即黑色变为白色，白色变为黑色的过程。其Python实现代码如下所示：

# -*- coding: utf-8 -*-import cv2  import numpy as np  import matplotlib.pyplot as plt
#读取原始图像img = cv2.imread('miao.png')
#图像灰度转换grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#获取图像高度和宽度height = grayImage.shape[0]width = grayImage.shape[1]
#创建一幅图像result = np.zeros((height, width), np.uint8)
#图像灰度反色变换 DB=255-DAfor i in range(height):    for j in range(width):        gray = 255 - grayImage[i,j]        result[i,j] = np.uint8(gray)
#显示图像cv2.imshow("Gray Image", grayImage)cv2.imshow("Result", result)
#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

其输出结果如下图所示，图像处理前后的灰度值是互补的。

[Python图像处理] 十五.图像的灰度线性变换

图像灰度反色变换在医学图像处理中有一定的应用，如下图所示：


[Python图像处理] 十五.图像的灰度线性变换


四.总结


写到这里，这篇文章就介绍结束。希望文章对大家有所帮助，如果有错误或不足之处，还请海涵。文章写于连续奔波考博，经历的事情太多，有喜有悲，需要改变自己好好对家人，也希望读者与我一起加油。

感谢在求学路上的同行者，不负遇见，勿忘初心。月是故乡圆啊～

[Python图像处理] 十五.图像的灰度线性变换


2022年即将离去，又是忙碌的一年，感谢女神的鼓励和小珞治愈的笑容。十二月份会更加忙碌，希望一切顺利。守得云开见明月，加油！


读博四年，还是写了一些东西，从初入安全的无知到现在的懵懂，也记录一些笔记，也希望对大家有所帮助。今年确实没啥时间写博客了，也没太多时间详细解答博友的问题，还请见谅。图片中颜色越浅甚至白色的时候，自己往往越忙，更多的博客和代码是寒暑假分享，项目、学习、科研、技术，最重要的还是家庭和亲情，娜美人生，感恩前行。


[Python图像处理] 十五.图像的灰度线性变换


希望能早日毕业，回到家乡贵州继续当个教书匠，感觉好多要分享的博客，好多要上的课程，好多要开源的代码，好多要学习的知识，期待再次站在讲台前的那一天。继续沉下心去学习，虽菜但勤，继续加油，晚安娜!

[Python图像处理] 十五.图像的灰度线性变换


(By:娜璋之家 2022-12-13 夜于地球)

参考文献：

  • 基于苗族服饰的图像锐化和边缘提取技术研究[J]. 现代计算机，2018(10).

  • 《数字图像处理》（第3版），冈萨雷斯著，阮秋琦译，电子工业出版社，2013年.

  • 《数字图像处理学》（第3版），阮秋琦，电子工业出版社，2008年，北京.

  • 《OpenCV3编程入门》，毛星云，冷雪飞，电子工业出版社，2015.

  • Opencv学习（十六）之颜色空间转换cvtColor()

  • python+opencv+图像特效（图像灰度处理、颜色翻转、图片融合，边缘检测，浮雕效果，颜色映射）

  • [数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解

原文始发于微信公众号（娜璋AI安全之家）：[Python图像处理] 十五.图像的灰度线性变换

版权声明：admin 发表于 2022年12月13日 下午4:44。
转载请注明：[Python图像处理] 十五.图像的灰度线性变换 | CTF导航

相关文章

Index-1.9B: 小巧精炼的B站大模型
admin
189
老树开新花：大模型时代的代码执行沙箱
admin
97
Transformer技术在好大夫在线的落地探索
admin
641
使用KTO进行更好、更便宜、更快速的LLM对齐
admin
52
【论文分享】基于风格操纵的语言模型隐藏触发后门攻击
admin
365
[ECCV 2022 oral]|​Language Matters：面向场景文字检测和端到端识别的弱监督的视觉-语言预训练方法
admin
858

暂无评论

您必须登录才能参与评论！
立即登录
暂无评论...

相关文章

ExpAttack:大语言模型越狱风险持续追踪框架
0
SDC2024 议题回顾 | 大模型技术在恶意软件分析中的实践
0
SDC2024 议题回顾 | 大模型软件生态系统的安全隐患：从传统漏洞到新型威胁
0
sshd后门自动化检测 | BinaryAI在恶意软件检测场景的实践
0
ByteAI安全挑战赛-ChaMd5团队总结报告
0
RAGulator：如何识别和缓解大模型所谓的“忠实幻觉”
0
天穹 | SDC 2024：大模型技术在恶意软件分析中的实践
0
从检索到生成：解密自适应过滤的RAG创新之路
0
LLMs在供应链投毒检测中的应用
0
PymuPDF4llm：PDF 提取的革命
0