数字图像处理：python实现图像的对比度和亮度调整（九）

skimage包的全称是scikit-image SciKit (toolkit for SciPy) ，它对scipy.ndimage进行了扩展，提供了更多的图片处理功能。它是由python语言编写的，由scipy 社区开发和维护。skimage包由许多的子模块组成，各个子模块提供不同的功能。主要子模块列表如下：

子模块名称　                主要实现功能
io                            读取、保存和显示图片或视频
data                       提供一些测试图片和样本数据
color                           颜色空间变换
filters             图像增强、边缘检测、排序滤波器、自动阈值等
draw               操作于numpy数组上的基本图形绘制，包括线条、矩形、圆和文本等
transform          几何变换或其它变换，如旋转、拉伸和拉东变换等
morphology          形态学操作，如开闭运算、骨架提取等
exposure              图片强度调整，如亮度调整、直方图均衡等
feature                        特征检测与提取等
measure                  图像属性的测量，如相似性或等高线等
segmentation                          图像分割
restoration                           图像恢复
util                                  通用函数

由上面可知，图像亮度与对比度的调整，是放在skimage包的exposure模块里面

实验一： gamma调整
原理：I = Ig
对原图像的像素，进行幂运算，得到新的像素值。
g：gamma的值
g>1: 新图像比原图像暗
g<1: 新图像比原图像亮
函数调用格式：

skimage.exposure.adjust_gamma(image, gamma=1) # gamma参数默认为1，原像不发生变化 

python3代码实现（Spyder编辑器）：

from skimage import data, exposure, img_as_float
import matplotlib.pyplot as plt
image = img_as_float(data.moon())
gam1= exposure.adjust_gamma(image, 2) #调暗
gam2= exposure.adjust_gamma(image, 0.5) #调亮plt.figure('adjust_gamma',figsize=(8,8))
plt.subplot(131)
plt.title('origin image')
plt.imshow(image,plt.cm.gray)
plt.axis('off')
plt.subplot(132)
plt.title('gamma=2')
plt.imshow(gam1,plt.cm.gray)
plt.axis('off')
plt.subplot(133)
plt.title('gamma=0.5')
plt.imshow(gam2,plt.cm.gray)
plt.axis('off')
plt.show()

run result：

从实验结果可以看出，gamma=2(>1)图像明显变暗,gamma=0.5（<1）图像明显变亮。

实验二：log对数调整
原理：I = log（I）
在gamma调整中，对原图像的每个像素进行幂计算；相反，在log对数调整中，对原图像每个像素点进行取对数操作。
函数调用格式：

 skimage.exposure.adjust_log(image) 

python3代码实现（Spyder编辑器）：

from skimage import data, exposure, img_as_float
import matplotlib.pyplot as plt
image = img_as_float(data.moon())
gam1= exposure.adjust_log(image) #对数调整
plt.figure('adjust_gamma',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(image,plt.cm.gray)
plt.axis('off')
plt.subplot(122)
plt.title('log adjust')
plt.imshow(gam1,plt.cm.gray)
plt.axis('off')
plt.show()

实验结果：

这个log调整，得依靠原图像本来亮暗程度了，因为没有参数限制。

实验三：判断图像对比度是否偏低
调用函数：is_low_contrast(img)
返回一个bool类型的值

from skimage import data, exposure, io
img =data.moon()
io.imshow(img)
result=exposure.is_low_contrast(img)
print(result)

运行结果：

返回False

实验四：调整强度

1. 什么是图像强度？
   答：图像强度表示单通道图像像素的强度（值的大小）。
   在灰度图像中：它是图像的灰度。
   在RGB颜色空间中，可以理解为R通道的像素灰度值，G通道的像素灰度值，B通道的像素灰度值，也就是RGB中含三个图像强度。
   其他颜色空间类似，也就是每个通道的图像的像素灰度值。

2. 调用函数：

skimage.exposure.rescale_intensity(image, in_range='image', out_range='dtype')

in_range 表示输入图片的强度范围，默认为'image', 表示用图像的最大/最小像素值作为范围
out_range 表示输出图片的强度范围，默认为'dype', 表示用图像的类型的最大/最小值作为范围
默认情况下，输入图片的[min,max]范围被拉伸到[dtype.min, dtype.max]，如果dtype=uint8, 那么dtype.min=0, dtype.max=255

import numpy as np
from skimage import exposure
image = np.array([50, 102, 193], dtype=np.uint8)
mat=exposure.rescale_intensity(image)
print(mat)

run result:

即像素最小值由50变为0，最大值由193变为255，整体进行了拉伸，但是数据类型没有变，还是uint8。

注：前面我们讲过，可以通过img_as_float()函数将unit8类型转换为float型，实际上还有更简单的方法，就是乘以1.0

import numpy as np
image = np.array([50, 102, 193], dtype=np.uint8)
print(image*1.0)

run result：

即由[50,102,193]变成了[ 50. 102. 193.]
而float类型的范围是[0,1]，因此对float进行rescale_intensity 调整后，范围变为[0,1],而不是[0,255]

import numpy as np
from skimage import exposure
image = np.array([50, 102, 193], dtype=np.uint8)
tmp=image*1.0
mat=exposure.rescale_intensity(tmp)
print(mat)

run result：

原始像素值不想被拉伸，只是等比例缩小，就使用in_range参数，如：

import numpy as np
from skimage import exposure
image = np.array([50, 102, 193], dtype=np.uint8)
tmp=image*1.0
mat=exposure.rescale_intensity(tmp,in_range=(0,255))
print(mat)

run result：

即原像素值除以255。

如果参数in_range的[main,max]范围要比原始像素值的范围[min,max] 大或者小，那就进行裁剪，如：

import numpy as np
from skimage import exposure
image = np.array([50, 102, 193], dtype=np.uint8)
tmp=image*1.0
mat=exposure.rescale_intensity(tmp,in_range=(0,102))
print(mat)

run result：
即原像素值除以102，超出1的变为1
如果一个数组里面有负数，现在想调整到正数，就使用out_range参数。如：

import numpy as np
from skimage import exposure
image = np.array([-15, 0, 10], dtype=np.int8)
mat=exposure.rescale_intensity(image, out_range=(0, 127))
print(mat)

run result：

参考和引用：
https://www.cnblogs.com/denny402/p/5124402.html

https://www.jianshu.com/p/f2e88197e81d

https://blog.csdn.net/u014754127/article/details/53468464/

https://blog.csdn.net/vicdd/article/details/52647906

https://blog.csdn.net/qq_36941368/article/details/82998296#_5

仅用来个人学习和分享，如若侵权，留言立删。

尊重他人知识产权，不做拿来主义者！

喜欢的可以关注我哦QAQ，

你的关注和喜欢就是我write博文的动力。