小编写这篇文章的一个主要目的,主要是来给大家详细介绍关于python数字图像的一些事宜,包括数字图像处理的一些流程类的问题。包括图像处理的对比度,图像处理的亮度,这之间的一个相关调整,具体的实例,下面就给大家详细解答下。
skimage包的exposure模块
图像明亮度与相互对比之间的调整,是放在skimage包的exposure模块里面
1、gamma调整
对原图像的像素,进行幂运算,得到新的像素值。公式中的g就是gamma值。
如果gamma>1,新图像比原图像暗
如果gamma<1,新图像比原图像亮
函数格式为:skimage.exposure.adjust_gamma(image,gamma=1)
gamma参数默认为1,原像不发生变化。
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()
2、log对数调整
这个刚好和gamma相反
原理:I=log(I)
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') plt.imshow(gam1,plt.cm.gray) plt.axis('off') plt.show()
3、判断图像对比度是否偏低
函数:is_low_contrast(img)
返回一个bool型值
from skimage import data,exposure image=data.moon() result=exposure.is_low_contrast(image) print(result) 输出为False
4、调整强度
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([51,102,153],dtype=np.uint8) mat=exposure.rescale_intensity(image) print(mat)
输出为[0 127 255]
即像素最小值由51变为0,最大值由153变为255,整体进行了拉伸,但是数据类型没有变,还是uint8
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([51,102,153],dtype=np.uint8) print(image*1.0) 即由[51,102,153]变成了[51.102.153.] 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([51,102,153],dtype=np.uint8) tmp=image*1.0 mat=exposure.rescale_intensity(tmp) print(mat)
结果为[0. 0.5 1.]
如果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([51,102,153],dtype=np.uint8) tmp=image*1.0 mat=exposure.rescale_intensity(tmp,in_range=(0,255)) print(mat)
输出为:[0.2 0.4 0.6],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:
mat=exposure.rescale_intensity(tmp,in_range=(0,102))
print(mat)
输出[0.5 1.1.],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([-10,0,10],dtype=np.int8) mat=exposure.rescale_intensity(image,out_range=(0,127)) print(mat)
输出[0 63 127]
综上所述,这篇文章就给大家介绍到这里了,希望可以给大家带来帮助。
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/128825.html
摘要:运行代码的结果如下是大名鼎鼎的并且非常权威的图像处理库。允许使用不同的媒介,用于创建动画片,数字形象和数字艺术,也可以用于图像处理。从正面的角度看,他是一个可灵活调整以及一个很好的了解图像处理算法的途径。 文/ Tine译/Mantra 附原文地址:http://blog.webkid.io/image-p... 如果你正在寻找更高效的办法来处理或操纵你 web 项目中的图片,那么这篇...
摘要:如果噪音在那里,它就会被放大为了避免这种情况,会应用对比限制如果任何直方图超出指定的对比度限制默认情况下是,在应用直方图均衡之前,这些像素被裁剪并均匀地分布到其他均衡后,删除边界中的工件,采用双线性插值代码 Histograms - 2: Histogram Equalization 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法.通过这种方法,亮度可以更好地在直方...
❤️欢迎订阅《从实战学python》专栏,用python实现爬虫、办公自动化、数据可视化、人工智能等各个方向的实战案例,有趣又有用!❤️ 更多精品专栏简介点这里 治愈生活的良方 就是保持对生活的热爱 前言 哈喽,大家好,我是一条。 每次和女朋友出去玩,拍照是必须的,天气好还行,天气要是不好,加上我这破手机,那拍的简直惨不忍睹,自己都不过去。 但是没什么能难倒程序员的,为了不挨骂,连夜写出去雾...
阅读 875·2023-01-14 11:38
阅读 820·2023-01-14 11:04
阅读 672·2023-01-14 10:48
阅读 1831·2023-01-14 10:34
阅读 880·2023-01-14 10:24
阅读 740·2023-01-14 10:18
阅读 469·2023-01-14 10:09
阅读 507·2023-01-14 10:02