Python圖像運算之圖像灰度直方圖對比詳解

更新時間：2022年08月12日 10:30:49 作者：Eastmount

本篇文章將結(jié)合直方圖分別對比圖像灰度變換前后的變化，方便大家更清晰地理解灰度變換和閾值變換，文中的示例代碼講解詳細，需要的可以參考一下

一.灰度增強直方圖對比

圖像灰度上移變換使用的表達式為：

DB=DA+50

該算法將實現(xiàn)圖像灰度值的上移，從而提升圖像的亮度，結(jié)合直方圖對比的實現(xiàn)代碼如下所示。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#讀取圖像
img = cv2.imread('lena-hd.png')

#圖像灰度轉(zhuǎn)換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#獲取圖像高度和寬度
height = grayImage.shape[0]
width = grayImage.shape[1]
result = np.zeros((height, width), np.uint8)

#圖像灰度上移變換 DB=DA+50
for 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)

#計算原圖的直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,255])

#計算灰度變換的直方圖
hist_res = cv2.calcHist([result], [0], None, [256], [0,255])

#原始圖像
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off')

#繪制掩膜
plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y")

#繪制掩膜設(shè)置后的圖像
plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off')

#繪制直方圖
plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y")
plt.show()

其運行結(jié)果如圖1所示，其中（a）表示原始圖像，（b）表示對應(yīng)的灰度直方圖，（c）表示灰度上移后的圖像，（d）是對應(yīng)的直方圖。對比發(fā)現(xiàn)，圖1（d）比圖1（b）的灰度級整體高了50，曲線整體向右平移了50個單位。

二.灰度減弱直方圖對比

該算法將減弱圖像的對比度，使用的表達式為：

DB=DA×0.8

Python結(jié)合直方圖實現(xiàn)灰度對比度減弱的代碼如下所示。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#讀取圖像
img = cv2.imread('lena-hd.png')

#圖像灰度轉(zhuǎn)換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#獲取圖像高度和寬度
height = grayImage.shape[0]
width = grayImage.shape[1]
result = np.zeros((height, width), np.uint8)

#圖像對比度減弱變換 DB=DA×0.8
for i in range(height):
    for j in range(width):
        gray = int(grayImage[i,j]*0.8)
        result[i,j] = np.uint8(gray)

#計算原圖的直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,255])

#計算灰度變換的直方圖
hist_res = cv2.calcHist([result], [0], None, [256], [0,255])

#原始圖像
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off')

#繪制掩膜
plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y")

#繪制掩膜設(shè)置后的圖像
plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off')

#繪制直方圖
plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y")
plt.show()

其運行結(jié)果如圖2所示，其中（a）和（b）表示原始圖像和對應(yīng)的灰度直方圖，（c）和（d）表示灰度減弱或?qū)Ρ榷瓤s小的圖像及對應(yīng)的直方圖。圖2（d）比圖2（b）的灰度級整體縮小了0.8倍，繪制的曲線更加密集。

三.圖像反色直方圖對比

該算法將圖像的顏色反色，對原圖像的像素值進行反轉(zhuǎn)，即黑色變?yōu)榘咨?，白色變?yōu)楹谏褂玫谋磉_式為：

DB=255-DA

實現(xiàn)代碼如下所示。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#讀取圖像
img = cv2.imread('lena-hd.png')

#圖像灰度轉(zhuǎn)換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#獲取圖像高度和寬度
height = grayImage.shape[0]
width = grayImage.shape[1]
result = np.zeros((height, width), np.uint8)

#圖像灰度反色變換 DB=255-DA
for i in range(height):
    for j in range(width):
        gray = 255 - grayImage[i,j]
        result[i,j] = np.uint8(gray)

#計算原圖的直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,255])

#計算灰度變換的直方圖
hist_res = cv2.calcHist([result], [0], None, [256], [0,255])

#原始圖像
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off')

#繪制掩膜
plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y")

#繪制掩膜設(shè)置后的圖像
plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off')

#繪制直方圖
plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y")
plt.show()

其運行結(jié)果如圖3所示，其中（a）和（b）表示原始圖像和對應(yīng)的灰度直方圖，（c）和（d）表示灰度反色變換圖像及對應(yīng)的直方圖。圖3（d）與圖3（b）是反相對稱的，整個灰度值滿足DB=255-DA表達式。

四.圖像對數(shù)變換直方圖對比

該算法將增加低灰度區(qū)域的對比度，從而增強暗部的細節(jié)，使用的表達式為：

下面代碼實現(xiàn)了圖像灰度的對數(shù)變換及直方圖對比。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#讀取圖像
img = cv2.imread('lena-hd.png')

#圖像灰度轉(zhuǎn)換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#獲取圖像高度和寬度
height = grayImage.shape[0]
width = grayImage.shape[1]
result = np.zeros((height, width), np.uint8)

#圖像灰度對數(shù)變換
for i in range(height):
    for j in range(width):
        gray = 42 * np.log(1.0 + grayImage[i,j])
        result[i,j] = np.uint8(gray)

#計算原圖的直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,255])

#計算灰度變換的直方圖
hist_res = cv2.calcHist([result], [0], None, [256], [0,255])

#原始圖像
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off')

#繪制原始圖像直方圖
plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y")

#灰度變換后的圖像
plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off')

#灰度變換圖像的直方圖
plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y")
plt.show()

其運行結(jié)果如圖4所示，其中（a）和（b）表示原始圖像和對應(yīng)的灰度直方圖，（c）和（d）表示灰度對數(shù)變換圖像及對應(yīng)的直方圖。

五.圖像閾值化處理直方圖對比

該算法原型為threshold(Gray,127,255,cv2.THRESH_BINARY)，當(dāng)前像素點的灰度值大于thresh閾值時（如127），其像素點的灰度值設(shè)定為最大值（如9位灰度值最大為255）；否則，像素點的灰度值設(shè)置為0。二進制閾值化處理及直方圖對比的Python代碼如下所示。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#讀取圖像
img = cv2.imread('lena-hd.png')

#圖像灰度轉(zhuǎn)換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#二進制閾值化處理
r, result = cv2.threshold(grayImage, 127, 255, cv2.THRESH_BINARY)

#計算原圖的直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,256])

#計算閾值化處理的直方圖
hist_res = cv2.calcHist([result], [0], None, [256], [0,256])

#原始圖像
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off')

#繪制原始圖像直方圖
plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y")

#閾值化處理后的圖像
plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off')

#閾值化處理圖像的直方圖
plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y")
plt.show()

其運行結(jié)果如圖5所示，其中（a）和（b）表示原始圖像和對應(yīng)的灰度直方圖，（c）和（d）表示圖像閾值化處理及對應(yīng)的直方圖，圖5（d）中可以看到，灰度值僅僅分布于0（黑色）和255（白色）兩種灰度級。

六.總結(jié)

本文主要講解圖像直方圖理論知識以及直方圖繪制方法，包括灰度增強直方圖對比、灰度減弱直方圖對比、圖像反色直方圖對比、圖像對數(shù)變換直方圖對比、圖像閾值化處理直方圖對比。灰度直方圖是灰度級的函數(shù)，描述的是圖像中每種灰度級像素的個數(shù)，反映圖像中每種灰度出現(xiàn)的頻率。這篇文章的知識點將為后續(xù)圖像處理和圖像運算對比提供支撐。

以上就是Python圖像運算之圖像灰度直方圖對比詳解的詳細內(nèi)容，更多關(guān)于Python灰度直方圖對比的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: