讓我開(kāi)始學(xué)習(xí)一些理論術(shù)語(yǔ)，以免妨礙您的學(xué)習(xí)。 當(dāng)我們談?wù)搱D像增強(qiáng)時(shí) ，這基本上意味著我們想要一個(gè)比原始圖像更合適的圖像新版本。

例如，當(dāng)您掃描文檔時(shí)，輸出圖像的質(zhì)量可能會(huì)比原始輸入圖像低。 因此，我們需要一種提高輸出圖像質(zhì)量的方法，以使輸出圖像在視覺(jué)上對(duì)觀看者更具表現(xiàn)力，而這正是圖像增強(qiáng)發(fā)揮作用的地方。 增強(qiáng)圖像時(shí)，我們正在做的是銳化圖像特征，例如對(duì)比度和邊緣。

重要的是要注意，圖像增強(qiáng)功能不會(huì)增加圖像的信息內(nèi)容，而是會(huì)增加所選功能的動(dòng)態(tài)范圍，最終提高圖像的質(zhì)量。 因此，在這里我們實(shí)際上不知道輸出圖像的外觀，但是我們應(yīng)該能夠（主觀地）判斷是否有任何改進(jìn)，例如觀察輸出圖像中的更多細(xì)節(jié)。

在數(shù)字圖像處理（即分割，表示）的基本步驟中，圖像增強(qiáng)通常用作預(yù)處理步驟。 有許多用于圖像增強(qiáng)的技術(shù)，但是在本教程中，我將介紹兩種技術(shù)： 圖像逆 變換和冪律變換 。 我們將看看如何在Python中實(shí)現(xiàn)它們。 所以，讓我們開(kāi)始吧！

圖像反轉(zhuǎn)

您可能已經(jīng)在本節(jié)的標(biāo)題中猜到了（也可以稱為圖像求反 ），圖像反轉(zhuǎn)旨在將輸入圖像中的暗強(qiáng)度轉(zhuǎn)換為輸出圖像中的亮強(qiáng)度，并將輸入圖像中的亮強(qiáng)度轉(zhuǎn)換為到輸出圖像中的暗強(qiáng)度。 換句話說(shuō)，暗區(qū)變亮，而亮區(qū)變暗。

假設(shè)I(i,j)是指位于(i,j)的像素的強(qiáng)度值。 為了在此處進(jìn)行說(shuō)明， 灰度圖像中的強(qiáng)度值落在[0,255]范圍內(nèi)，并且(i,j)指行和列值。 當(dāng)我們?cè)诨叶葓D像上應(yīng)用圖像逆算子時(shí)，輸出像素O(i,j)值為：

O(i,j) = 255 - I(i,j)

如今，我們大多數(shù)圖像是彩色圖像。 這些圖像包含紅色 ， 綠色和藍(lán)色三個(gè)通道，稱為RGB圖像。 在這種情況下，與上述公式相反，我們需要從255中減去每個(gè)通道的強(qiáng)度。因此，輸出圖像在像素(i,j)處將具有以下值：

O_R(i,j) = 255 - R(i,j) O_G(i,j) = 255 - G(i,j) O-B)i,j) = 255 - B(i,j)

介紹完之后，讓我們看看如何在Python中實(shí)現(xiàn)圖像逆運(yùn)算符。 我想提及一下，為簡(jiǎn)單起見(jiàn)，我將在灰度圖像上運(yùn)行該運(yùn)算符。 但是，我會(huì)給您一些關(guān)于在彩色圖像上應(yīng)用運(yùn)算符的想法，并且我將把完整的程序留給您作為練習(xí)。

彩色圖像的第一件事是提取每個(gè)像素通道（即RGB）強(qiáng)度值。 為此，您可以使用Python Imaging Library（PIL） 。 繼續(xù)并從baboon.png下載示例狒狒圖像。 圖片大小為500x500 。 假設(shè)您要提取位于像素位置(325, 432)的紅色，綠色和藍(lán)色強(qiáng)度值。 可以按以下步驟完成：

from PIL import Imageim = Image.open('baboon.png') print im.getpixel((325,432))

根據(jù)文檔， getpixel()方法的作用是：

返回給定位置的像素值。

運(yùn)行上面的腳本后，您會(huì)注意到僅得到以下結(jié)果： 138 ！ 但是，三個(gè)通道的（RGB）強(qiáng)度值在哪里？ 問(wèn)題似乎與讀取圖像的mode有關(guān)。 通過(guò)運(yùn)行以下語(yǔ)句檢查模式：

print im.mode

您將獲得輸出P ，這意味著在調(diào)色板模式下讀取了圖像。 您可以做的一件事是在返回不同通道的強(qiáng)度值之前將圖像轉(zhuǎn)換為RGB模式。 為此，可以使用convert()方法，如下所示：

rgb_im = im.convert('RGB')

在這種情況下，您將返回以下值： (180, 168, 178) 。 這意味著紅色，綠色和藍(lán)色通道的強(qiáng)度值分別為180、168和178。

為了匯總到目前為止我們已經(jīng)描述的所有內(nèi)容，將返回圖像的RGB值的Python腳本如下所示：

from PIL import Imageim = Image.open('baboon.png') rgb_im = im.convert('RGB') print rgb_im.getpixel((325,432))

前進(jìn)到圖像逆運(yùn)算符之前，還剩一點(diǎn)。 上面的示例顯示了如何僅檢索一個(gè)像素的RGB值，但是執(zhí)行逆運(yùn)算符時(shí)，您需要對(duì)所有像素執(zhí)行該操作。

要打印出每個(gè)像素不同通道的所有強(qiáng)度值，可以執(zhí)行以下操作：

from PIL import Imageim = Image.open('baboon.png') rgb_im = im.convert('RGB') width, height = im.sizefor w in range(width):for h in range(height):print rgb_im.getpixel((w,h))

在這一點(diǎn)上，我將作為練習(xí)，讓您了解如何在每個(gè)像素的所有彩色圖像通道（即RGB）上應(yīng)用圖像反算子。

讓我們看一個(gè)將圖像逆運(yùn)算符應(yīng)用于灰度圖像的示例。 繼續(xù)并下載boat.tiff ，它將作為本節(jié)中的測(cè)試圖像。 看起來(lái)是這樣的：

我將使用scipy庫(kù)執(zhí)行此任務(wù)。 在上述圖像上應(yīng)用圖像逆運(yùn)算符的Python腳本應(yīng)如下所示：

import scipy.misc from scipy import misc from scipy.misc.pilutil import Imageim = Image.open('boat.tiff') im_array = scipy.misc.fromimage(im) im_inverse = 255 - im_array im_result = scipy.misc.toimage(im_inverse) misc.imsave('result.tiff',im_result)

讀取圖像后，我們要做的第一件事是將其轉(zhuǎn)換為ndarray ，以便對(duì)其應(yīng)用圖像逆運(yùn)算符。 應(yīng)用運(yùn)算符后，我們只需將ndarray轉(zhuǎn)換回圖像并將該圖像另存為result.tiff 。 下圖顯示了將圖像反向應(yīng)用到上方圖像的結(jié)果（原始圖像在左側(cè)，而應(yīng)用圖像反向運(yùn)算符的結(jié)果在右側(cè)）：

請(qǐng)注意，在應(yīng)用運(yùn)算符后，圖像的某些功能變得更加清晰。 例如，看右圖中的云層和燈塔。

冪律變換

該運(yùn)算符，也稱為伽瑪校正 ，是我們可以用來(lái)增強(qiáng)圖像的另一個(gè)運(yùn)算符。 讓我們看一下運(yùn)算符的方程式。 在像素(i,j) ，運(yùn)算符如下所示：

p(i,j) = kI(i,j)^gamma

I(i,j)是圖像位置(i,j)處的強(qiáng)度值； 和k和gamma是正常數(shù)。 我不會(huì)在這里詳細(xì)介紹數(shù)學(xué)細(xì)節(jié)，但是我相信您可以在圖像處理書(shū)籍中找到有關(guān)此主題的詳盡說(shuō)明。 但是，重要的是要注意，在大多數(shù)情況下， k=1 ，因此我們將主要更改gamma的值。 因此，以上等式可以簡(jiǎn)化為：

p(i,j) = I(i,j)^gamma

我將在這里使用OpenCV和NumPy庫(kù)。 您可以查看我的教程N(yùn)umPy簡(jiǎn)介，以了解更多關(guān)于該庫(kù)的信息。 我們的測(cè)試圖像將再次是boat.tiff （繼續(xù)下載）。

執(zhí)行冪律變換運(yùn)算符的Python腳本如下所示：

import cv2 import numpy as npim = cv2.imread('boat.tiff') im = im/255.0 im_power_law_transformation = cv2.pow(im,0.6) cv2.imshow('Original Image',im) cv2.imshow('Power Law Transformation',im_power_law_transformation) cv2.waitKey(0)

注意，我們選擇的gamma值為0.6 。 下圖顯示了原始圖像以及在該圖像上應(yīng)用冪定律變換算符的結(jié)果（左圖顯示了原始圖像，右圖顯示了應(yīng)用冪律變換算符后的結(jié)果）。

上面的結(jié)果是當(dāng)gamma = 0.6 。 讓我們看看將gamma增加到1.5會(huì)發(fā)生什么，例如：

請(qǐng)注意，隨著我們?cè)黾觛amma值，圖像會(huì)變暗，反之亦然。

有人可能會(huì)問(wèn)，冪律變換的用途是什么。 實(shí)際上，用于圖像獲取，打印和顯示的不同設(shè)備根據(jù)冪定律變換運(yùn)算符做出響應(yīng)。 這是由于人腦使用伽瑪校正來(lái)處理圖像這一事實(shí)。 例如，當(dāng)我們希望在計(jì)算機(jī)顯示器或電視屏幕上正確顯示圖像（所有圖像中顯示最佳圖像對(duì)比度）時(shí)，伽馬校正就很重要。

結(jié)論

在本教程中，您學(xué)習(xí)了如何使用Python增強(qiáng)圖像。 您已經(jīng)了解了如何使用圖像逆運(yùn)算符來(lái)突出顯示特征，以及如何將冪定律變換視為在計(jì)算機(jī)監(jiān)視器和電視屏幕上正確顯示圖像的關(guān)鍵運(yùn)算符。

此外，請(qǐng)不要猶豫，看看我們?cè)贓nvato市場(chǎng)上可以出售和研究的東西 ，請(qǐng)?zhí)岢鋈魏螁?wèn)題，并使用下面的提要提供您的寶貴反饋。

翻譯自: https://code.tutsplus.com/articles/image-enhancement-in-python--cms-29289

總結(jié)

以上是生活随笔為你收集整理的Python中的图像增强的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。