• 基于OpenCV的图像强度操作

    基于OpenCV的图像强度操作

    努比 OpenCV学堂 今天
     

     

    点击上方↑↑↑“OpenCV学堂”关注我

    来源：公众号 小白学视觉 授权

     

    图片

    01. 什么是图像强度操作

    • 更改任何通道中的像素值

    • 对图像的数学运算

    • 亮度变化

    • 对比度变化

    • 伽玛操纵

    • 直方图均衡

    • 图像预处理中的滤波等增强

    使用OpenCV加载图像

    import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0);plt.imshow(img, cmap = "gray");plt.show()

    图片

    使用Opencv向输入图像添加常数

    img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0);##########################FOCUS############################img = cv2.add(img, 120);###########################################################plt.imshow(img, cmap = "gray");plt.show()

    图片

    使用Opencv减去常数以输入图像

    img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0);##########################FOCUS############################img = cv2.subtract(img, 120);####################################################################plt.imshow(img, cmap = "gray");plt.show()

    图片

    02. 图像去均值化

    方法1

    • 将图像拆分为其通道。

    • 对于每个通道，计算其平均值。

    • 从该通道中的每个像素中减去均值

    方法2（用于深度学习）

    将所有图像分割成各自的通道，对于所有图像的每个通道：

    • 为每个图像找到该通道的均值。

    • 查找所有计算出的均值的均值。

    应用领域1：批标准化的一部分

    # Grayscale imageimport numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0); # read the image as grayscale
    # cv2.subtractmean = np.mean(img);img_out = cv2.subtract(img, mean);
    f = plt.figure(figsize=(15,15))f.add_subplot(1, 2, 1).set_title('Original Image');plt.imshow(img, cmap = "gray");f.add_subplot(1, 2, 2).set_title('Mean subtracted image');plt.imshow(img_out, cmap = "gray");plt.show()

    图片

    应用领域1：负片

    灰度负片

    # negative of grayscaleimport numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0); # read the image as grayscale
    #cv2.subtractimg_out = cv2.subtract(255, img);
    f = plt.figure(figsize=(15,15))f.add_subplot(1, 2, 1).set_title('Original Image');plt.imshow(img, cmap = "gray");f.add_subplot(1, 2, 2).set_title('Negative image');plt.imshow(img_out, cmap = "gray");plt.show()

    图片

    RGB图像负片

    # negative of rgb imagesimport numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread(folder_path + "imgs/chapter3/castle.png", -1); img_out = 255 - img;
    f = plt.figure(figsize=(15,15))f.add_subplot(1, 2, 1).set_title('Original Image');plt.imshow(img[:,:,::-1]);f.add_subplot(1, 2, 2).set_title('Negative image');plt.imshow(img_out[:,:,::-1]);plt.show()

    图片

    03. 两幅图像的融合

    直接融合

    # Direct addingimport numpy as npimport cv2from matplotlib import pyplot as plt
    img1 = cv2.imread(folder_path + "imgs/chapter3/castle.png", -1); img1 = cv2.resize(img1, (256, 256));img2 = cv2.imread(folder_path + "imgs/chapter3/tessellate.jpg", -1);img2 = cv2.resize(img2, (256, 256));
    img_out = cv2.add(img1, img2);
    f = plt.figure(figsize=(8,8))plt.imshow(img_out[:,:,::-1]);plt.show()

    图片

    加权融合

    # cv2.addWeighted
    import numpy as npimport cv2from matplotlib import pyplot as pltimg1 = cv2.imread(folder_path + "imgs/chapter3/castle.png", -1); img1 = cv2.resize(img1, (256, 256));img2 = cv2.imread(folder_path + "imgs/chapter3/tessellate.jpg", -1);img2 = cv2.resize(img2, (256, 256));
    # Like a faint watermarkimg_out = cv2.addWeighted(img1,0.7,img2,0.3,0);
    f = plt.figure(figsize=(8,8))plt.imshow(img_out[:,:,::-1]);plt.show()

    图片

    04. 图像求差 
    import numpy as npimport cv2from matplotlib import pyplot as pltimg1 = cv2.imread(folder_path + "imgs/chapter3/background.png", -1); img2 = cv2.imread(folder_path + "imgs/chapter3/foreground.png", -1);
    img_out = cv2.subtract(img2, img1);
    f = plt.figure(figsize=(15,10))f.add_subplot(2, 2, 1).set_title('Background Image');plt.imshow(img1[:, :, ::-1])f.add_subplot(2, 2, 2).set_title('Background image with some object');plt.imshow(img2[:, :, ::-1])f.add_subplot(2, 2, 3).set_title('Subtracted image');plt.imshow(img_out[:, :, ::-1])plt.show()

    图片

    05. 亮度变化

    • 发光或反射光的质量或状态

    • 亮度是一个相对术语。这取决于您的视觉感知。

    • 亮度可以定义为光源相对于我们所比较的光源输出的能量。

    import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread(folder_path + 'imgs/chapter3/outdoor.jpg')
    value = 100 #Increase or decrease brightness by this value
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)hsv[:,:,2] = cv2.add(hsv[:,:,2], value)
    img_out = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)
    f = plt.figure(figsize=(15,15))f.add_subplot(1, 2, 1).set_title('Original Image');plt.imshow(img[:, :, ::-1])f.add_subplot(1, 2, 2).set_title('Brightness manipulated image');plt.imshow(img_out[:, :, ::-1])plt.show()

    图片

    06. 对比度

    • 对比度是使对象（或其在图像或显示器中的表示形式）与众不同的亮度或颜色差异。

    • 可视化为图像中最大和最小像素强度之间的差异。

    • 对比度由同一视野内物体的颜色和亮度差异决定。

    from PIL import Image, ImageEnhancefrom matplotlib import pyplot as plt
    img = Image.open(folder_path + "imgs/chapter3/outdoor.jpg");enhancer = ImageEnhance.Contrast(img)out = enhancer.enhance(factor=1.25)
    f = plt.figure(figsize=(15,15))f.add_subplot(2, 1, 1).set_title('Original Image');plt.imshow(img)f.add_subplot(2, 1, 2).set_title('Contrast manipulated image');plt.imshow(out)plt.show()

    图片

    图片

    07. 伽玛矫正

    • 伽玛校正是一种用于对亮度进行编码和解码的非线性操作。

    • 所有彩色和灰度数字图像文件都包含伽玛数据。

    • Gamma涉及在数字灵敏度和人眼灵敏度之间进行转换，一方面提供了许多优势，另一方面却增加了复杂性。

    • 伽玛可优化中间调的对比度和亮度。

    import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread(folder_path + 'imgs/chapter3/indoor.jpg')
    # Apply Gamma=2.2 on the normalised image and then multiply by scaling constant (For 8 bit, c=255)
    # Normalize image, pixels to 0-1# Multiple by gamma# Re-factor the image pixels to have value from 0-255
    img_out = np.array(255*(img/255)**2.2,dtype='uint8')
    f = plt.figure(figsize=(15,15))f.add_subplot(2, 1, 1).set_title('Original Image');plt.imshow(img[:, :, ::-1])f.add_subplot(2, 1, 2).set_title('Gamma manipulated image');plt.imshow(img_out[:, :, ::-1])plt.show()

    图片

    图片

    08. 直方图均衡

    直方图

    • 直方图显示事物发生频率的图表。

    • 图像像素直方图表示具有特定强度值的像素的频率。

    图片

    直方图均衡

    • 直方图均衡用于增强对比度。

    • 此方法增加了图像的整体对比度。

    图片

    import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread(folder_path + "imgs/chapter3/outdoor.jpg", 0)
    # Ravel falttens the 2d array to 1d array# 256 - total number of binsplt.hist(img.ravel(),256,[0,256])
    plt.title("Histogram for original image")plt.show()

    图片

    import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread(folder_path + "imgs/chapter3/outdoor.jpg", 0)
    # cv2.equalizeHistimg_out = cv2.equalizeHist(img)
    f = plt.figure(figsize=(15,15))f.add_subplot(2, 1, 1).set_title('Original Image');plt.imshow(img, cmap="gray")f.add_subplot(2, 1, 2).set_title('Histogram equalized image');plt.imshow(img_out, cmap="gray")plt.show()

    图片

    代码链接：https://github.com/Tessellate-Imaging/monk_v1/blob/master/study_roadmaps/3_image_processing_deep_learning_roadmap/1_image_processing_basics/3) Image Intensity manipulation.ipynb
  • 相关阅读:
    程序集重用
    bash on windows
    NET 2016
    C#_事件
    AspNetCore.Hosting
    你是否是团队里面最默默付出的那个coder，却发现滔滔不绝的产品和设计是团队里的开心果（转）
    redis来共享各个服务器的session，并同时通过redis来缓存一些常用的资源，加快用户获得请求资源的速度（转）
    使用MYCAT作为Mysql HA的中间件（转）
    cookie是指web浏览器存储的少量数据，该数据会在每次请求一个相关的URL时自动传到服务器中（转）
    网页favicon.ico图标设置（转）
  • 原文地址：https://www.cnblogs.com/shuimuqingyang/p/14169302.html
Copyright © 2020-2023  润新知