您现在的位置：程式師世界 >> 編程語言 > >> 更多編程語言 >> Python

python數字圖像處理之對比度與亮度調整示例

編輯：Python

skimage包的exposure模塊

1、gamma調整

2、log對數調整

3、判斷圖像對比度是否偏低

4、調整強度

skimage包的exposure模塊

圖像亮度與對比度的調整，是放在skimage包的exposure模塊裡面

1、gamma調整

對原圖像的像素，進行冪運算，得到新的像素值。公式中的g就是gamma值。

如果gamma>1, 新圖像比原圖像暗

如果gamma<1,新圖像比原圖像亮

函數格式為：skimage.exposure.adjust_gamma(image, gamma=1)

gamma參數默認為1，原像不發生變化。

from skimage import data, exposure, img_as_floatimport matplotlib.pyplot as pltimage = img_as_float(data.moon())gam1= exposure.adjust_gamma(image, 2) #調暗gam2= exposure.adjust_gamma(image, 0.5) #調亮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()

2、log對數調整

這個剛好和gamma相反

原理：I=log(I)

from skimage import data, exposure, img_as_floatimport matplotlib.pyplot as pltimage = img_as_float(data.moon())gam1= exposure.adjust_log(image) #對數調整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')plt.imshow(gam1,plt.cm.gray)plt.axis('off')plt.show()

3、判斷圖像對比度是否偏低

函數：is_low_contrast(img)

返回一個bool型值

from skimage import data, exposureimage =data.moon()result=exposure.is_low_contrast(image)print(result)

輸出為False

4、調整強度

函數：

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

in_range 表示輸入圖片的強度范圍，默認為'image', 表示用圖像的最大/最小像素值作為范圍

out_range 表示輸出圖片的強度范圍，默認為'dype', 表示用圖像的類型的最大/最小值作為范圍

默認情況下，輸入圖片的[min,max]范圍被拉伸到[dtype.min, dtype.max]，如果

dtype=uint8, 那麼dtype.min=0, dtype.max=255

import numpy as npfrom skimage import exposureimage = np.array([51, 102, 153], dtype=np.uint8)mat=exposure.rescale_intensity(image)print(mat)

輸出為[ 0 127 255]

即像素最小值由51變為0，最大值由153變為255，整體進行了拉伸，但是數據類型沒有變，還是uint8

前面我們講過，可以通過img_as_float()函數將unit8類型轉換為float型，實際上還有更簡單的方法，就是乘以1.0

import numpy as npimage = np.array([51, 102, 153], dtype=np.uint8)print(image*1.0)

即由[51,102,153]變成了[ 51. 102. 153.]

而float類型的范圍是[0,1]，因此對float進行rescale_intensity 調整後，范圍變為[0,1],而不是[0,255]

import numpy as npfrom skimage import exposureimage = np.array([51, 102, 153], dtype=np.uint8)tmp=image*1.0mat=exposure.rescale_intensity(tmp)print(mat)

結果為[ 0.   0.5 1. ]

如果原始像素值不想被拉伸，只是等比例縮小，就使用in_range參數，如：

import numpy as npfrom skimage import exposureimage = np.array([51, 102, 153], dtype=np.uint8)tmp=image*1.0mat=exposure.rescale_intensity(tmp,in_range=(0,255))print(mat)

輸出為：[ 0.2 0.4 0.6]，即原像素值除以255

如果參數in_range的[main,max]范圍要比原始像素值的范圍[min,max] 大或者小，那就進行裁剪，如：

mat=exposure.rescale_intensity(tmp,in_range=(0,102))print(mat)

輸出[ 0.5 1. 1. ]，即原像素值除以102，超出1的變為1

如果一個數組裡面有負數，現在想調整到正數，就使用out_range參數。如：

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