图像增强之对比度拉伸

我们前面提到过图像二值化，图像反转，本质上是对图像的所有像素点的灰度进行操作，属于灰度变换的内容。灰度变换的主要目的是用于图像增强。

而对比度拉伸是图像增强的一种方法，也属于灰度变换操作。我们看如下图像：

可以看到，这张图片非常灰暗。我们查看下其直方图。

import cv2
import matplotlib.pyplot as plt

farina = cv2.imread("farina.png", 0)

hist_full = cv2.calcHist([farina], [0], None, [256], [0, 256])

plt.plot(hist_full)
plt.show()

可以看到所有像素的灰度值大部分集中在20-50之间，这使得整个图像很暗淡。也就是说对比度不高。如果我们通过灰度变换，将灰度值拉伸到整个0-255的区间，那么其对比度显然是大幅增强的。可以用如下的公式来将某个像素的灰度值映射到更大的灰度空间：

I(x,y）=I(x,y)−IminImax−Imin(MAX−MIN)+MIN I ( x , y ） = I ( x , y ) − I m i n I m a x − I m i n ( M A X − M I N ) + M I N

其中Imin，Imax是原始图像的最小灰度值和最大灰度值，MIN和MAX是要拉伸到的灰度空间的灰度最小值和最大值。

Imax = np.max(farina)
Imin = np.min(farina)
MAX = 255
MIN = 0
farina_cs = (farina - Imin) / (Imax - Imin) * (MAX - MIN) + MIN
cv2.imshow("farina_cs", farina_cs.astype("uint8"))
cv2.waitKey()

可以看出，对比度提升了很多。我们再看看其直方图，可以看到已经充满了整个灰度空间。

除了上述方法，对比度拉伸还有其它方法吗？当然是有的。例如直方图位移法（Histogram shifting）。公式如下：，

I(x,y)=I(x,y)+offset I ( x , y ) = I ( x , y ) + o f f s e t

在每个像素位置的灰度值增加一个偏移量offset。注意，这个offset可以是正数，也可以是负数。正的话，整体亮度变亮，负的话，整体亮度变暗。需要注意的是控制offset的值大小，不要越界。

farina_cs = farina + 100
cv2.imshow("farina_offset", farina_cs.astype("uint8"))
cv2.waitKey()
hist_full = cv2.calcHist([farina_cs.astype("uint8")], [0], None, [256], [0, 256])
plt.plot(hist_full)
plt.show()

下面分别是使用直方图位移方法后的图像和其直方图。

可以看出直方图与原始直方图形状一模一样，只是在横轴上有所偏移。这种方法的图像增强效果并没有上一种方法好。