数字图像处理与深度学习技术应用第5章 图像的灰度变化(1).pptxVIP

第5章图像的灰度变换

目录5.1概述5.2二值化和阈值处理5.3灰度线性变换与分段线性变换5.3.1灰度线性变换5.3.2分段线性变换5.4灰度非线性变换5.4.1灰度对数变换5.4.2灰度指数变换5.4.3灰度幂次变换5.5灰度直方图5.5.1灰度直方图5.5.2直方图正规化5.5.3直方图均衡化5.5.4自适应直方图均衡化

5.1概述

概述灰度变换是根据某种目标条件，按一定变换关系，逐点改变每一个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。灰度变换可以增大图像的动态范围，扩展图像的对比度，使图像特征变得明显。（1）直接对比度增强方法函数T(D)称为灰度变换函数或

概述2）间接对比度增强方法直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布，对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。

5.2二值化和阈值处理

理论基础二值化处理就是把图像分成目标物体和背景两个领域，通过固定阀值、双固定阀值等不同的阈值化变换方法，使一幅灰度图变成了黑白二值图像，将所需的目标部分从复杂的图像背景中脱离出来。T为指定的阈值。阈值T就像个门槛，比它大就是白，比它小就是黑。

函数说明（ret,dst=cv2.threshold(src,thresh,maxval,type)ret：表示返回的阈值；dst：表示输出的图像；src：表示要进行阈值分割的图像，可以是多通道的图像；thresh：表示设定的阈值；maxval：表示type参数为THRESH_BINARY或THRESH_BINARY_INV类型时所设定的最大值。在显示二值化图像时，一般设置为255；type：表示阈值分割的类型。

效果展示

5.3灰度线性变换与分段线性变换

5.3.1灰度线性变换

理论基础灰度的线性变化就是将图像中所有的点的灰度按照线性灰度变换函数进行变换。图5-2灰度的线性变换

函数说明（1）retval=image.max()用于返回图像最大像素值。（2）retvalimage.min()用于返回图像最小像素值。

效果展示

5.3.2分段线性变换

理论基础将图像灰度区间分成两段乃至多段，分别做线性变换称为分段线性变换。变换后的灰度图5-4分段线性变换

效果展示

5.4灰度非线性变换

5.4.1灰度对数变换

理论基础对数变换实现了图像的灰度扩展和压缩的功能。它扩展低灰度值而压缩高灰度值，让图像的灰度分布更加符合人的视觉特征。灰度对数变换公式：其中a控制曲线的垂直偏移量；b为常数，描述曲线的弯曲程度。

函数说明（1）retval=np.log(x)是Numpy中的log()函数，用于计算给定数组中所有元素的自然对数。retval：返回的数组；x：输入数据。（2）retval=np.uint8(params)是Numpy包中用于转换数据类型的函数。retval：返回uint8数据类型的图像；params：输入数据。

效果展示

5.4.2灰度指数变换

理论基础指数变换的作用是扩展图像的高灰度级，压缩低灰度级。虽然幂次变换也有这个功能，但是图像经过指数变换后对比度更高，高灰度级也被扩展到了更宽的范围其中参数b、c控制曲线形状，参数a控制曲线的左右位置。指数变换的曲线如图5-8所示。图5-8指数变换的曲线

函数说明（1）retval=np.zeros(shape,dtype,order)用于创建一个给定形状和类型的用0填充的数组。retval：返回一个全0的数组或矩阵；shape：数组的形状（即宽高）；dtype：数据类型，可选参数；order：可选参数，“C”代表行优先，“F”代表列优先。（3）retval=cv2.LUT(src,lut,dst=None)的