机器视觉_图像算法（二）——图像增强

目录

γ矫正——对比度计算公式、γ

对比度线性展宽

灰级窗

动态调整

同态滤波

直方图均衡化

---

有些图网上有，就不重复造轮子，前提已经会造了。

γ矫正——对比度计算公式、γ

 

• step 1/3  每个小括号的数据是按四近邻计算,比如第一个小括号:以第一行第一列为中心，上下左右分别与这个中心值相减再平方，然后相加，即：

result  = 

   +

   

   。。。。。。

• step 2/3   上，统计平方次个数P，即2(四角像素点)*4个+3(四边像素点)*8个+4(普通像素点)*4个，

             

                   

          

• step 3/3 step1和2： result 除以P，得到对比度值

                                   

• 最后，代码实现

'''
author: dongjinhua
data: 2010908
function: γ矫正——对比度计算
'''
import cv2
import numpy as np 
def contrast(input):   
    img1 = cv2.cvtColor(input, cv2.COLOR_BGR2GRAY) #彩色转为灰度图片
    m, n = img1.shape
    # 核心一——图片矩阵向外扩展一个像素
    img1_ext = cv2.copyMakeBorder(img1,1,1,1,1,cv2.BORDER_REPLICATE) 
    rows_ext,cols_ext = img1_ext.shape
    b = 0.0
    for i in range(1,rows_ext-1):
        for j in range(1,cols_ext-1):
            b += ((img1_ext[i,j]-img1_ext[i,j+1])**2 + (img1_ext[i,j]-img1_ext[i,j-1])**2 + 
                    (img1_ext[i,j]-img1_ext[i+1,j])**2 + (img1_ext[i,j]-img1_ext[i-1,j])**2) # 核心二——四邻域计算相邻像素差平方和
    cg = b/(4*(m-2)*(n-2)+3*(2*(m-2)+2*(n-2))+2*4) # 核心三——对应上面48的计算公式——四角+四边+普通
    print(cg)  
    print() 
if __name__ == "__main__":
    src = cv2.imread('src.bmp')
    contrast(src)
    pass

对比度线性展宽

——目标加强，背景削弱，【0，255】——>>【0-fa】=α比例抑制,【fa,fb】=按比例β增强，【fb,255】=γ比例抑制

%图像关注区域的像素范围[fa,fb]由beld扩展到[ga,gb]， 
%     [0,fa]由alf控制 
%     [fb,255]由gamma 
%     alf<1,beld>1,gamma<1
%     fb-fa

灰级窗

%% 灰级窗
%  @matrix -- 输入的图像为灰度图
% 原理：只对[fa,fb]映射到[0,255]
function G = m_GrayWindow(matrix,fa,fb)
[row,col] = size(matrix);
beld = 255/(fb-fa);%对图像素
G = zeros(row,col);
%G = matrix;
for i=1:row
    for j=1:col
        if (matrix(i,j)>=fa) && (matrix(i,j)

动态调整

——突然进去黑暗空间的适应调整【0，255】——>>【0-fa】=0,【fa,fb】=按比例缩放，【fb,255】=255

同态滤波

——基于光图像成像原理模型：f(x,y)=i(x,y)*r(x,y)，即：入射*反射

直方图均衡化

https://www.cnblogs.com/vincentcheng/p/9240285.html

直方图均衡化处理，增加灰度值的动态范围，这样就增加了影像的整体对比效果