智能图像处理：Python和OpenCV实现第四章 图像空域增强.pptx

第四章 图像空域增强;; 图像增强的目的是改善图像的视觉效果或使图像更适合于人或机器的分析处理。通过图像增强可以减少图像噪声，提高目标与背景的对比度，亦可以强调或抑制图像中的某些细节。 根据处理的空间可以将图像增强分为空域法和频域法，图像空域增强意为直接在图像的空间域（或图像空间）中对像素进行处理。;4.1 灰度线性变换;4.1.1 用OpenCV做灰度变换与颜色空间变换;;【例4.1】使用cv2.cvtColor进行图像的颜色空间之间的转换;#变换YUV空间 img_YUV = cv2.cvtColor(img, cv2.COLOR_BGR2YUV) plt.subplot(3, 3, 9), plt.imshow(img_YUV) plt.axis(off), plt.title(YUV) plt.show();4.1.2 图像亮度增加或降低;#显示原图与灰度变换后图像 cv2.imshow(Origin Image, img_Gray) cv2.imshow(Up Gray, img_GrayUP) cv2.imshow(Down Gray, img_GrayDown) cv2.waitKey(0) cv2.destroyAllWindows();4.1.3 图像对比度增强或减弱 ;import cv2 import numpy as np img = cv2.imread(d:/pics/lena.jpg) # 读取原始图像 img_Gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图像灰度转换 height,width = img_Gray.shape[0:2] # 获取图像高度和宽度 Contrast_enhancement = np.zeros((height, width), np.uint8) # 创建新图像 Contrast_reduction = np.zeros((height, width), np.uint8) Contrast_reduction = np.zeros((height, width), np.uint8) # 图像对比度增强变换, k=1.3 for i in range(height): for j in range(width): if (int(img_Gray[i, j] * 1.3) 255): gray = 255 else: gray = int(img_Gray[i, j] * 1.3) Contrast_enhancement[i, j] = np.uint8(gray) ;图4-3 对比度增强或减弱图像;4.1.4 图像反色变换 ;import cv2 import numpy as np # 读取原始图像 img = cv2.imread(d:/pics/lena.jpg) # 图像灰度转换 img_Gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 获取图像高度和宽度 height,width = img_Gray.shape[0:2] # 创建一幅图像 color_change = np.zeros((height, width), np.uint8) for i in range(height):# 图像灰度反色变换 for j in range(width): gray = 255 - img_Gray[i, j] color_change[i, j] = np.uint8(gray) cv2.imshow(Gray, img_Gray) cv2.imshow(Color_change, color_change) cv2.waitKey(0) cv2.destroyAllWindows() ;【例4.5】彩色RGB图像反色变换，输出负???。程序代码如下：;4.2 非线性变换;【例4.6】灰度图像的非线性对数变换，程序代码如下： ;系数c=45时的对数变换图像程序运行结果如图4-6所示;4.2.2 伽玛（gamma）变换;【例4.7】灰度图像的Gamma变换，程序代码如下： ;程序运行结果如图4-7所示，可以看出经过伽玛变换处理后的效果图，当伽玛值小于1时，对于图像对比度偏低，整体亮度值偏高；当伽玛值大于1时，对于图像对比度偏高，整体亮度值偏暗。 ;4.3 图像噪声;4.3.1 通过Numpy数组库添加噪声;（2）函数np.cli