將原始圖像的直方圖通過積分概率密度函數(shù)轉(zhuǎn)化為概率密度為1（理想情況）的圖像，從而達(dá)到提高對(duì)比度的作用。直方圖均衡化的實(shí)質(zhì)也是一種特定區(qū)域的展寬，但是會(huì)導(dǎo)致整個(gè)圖像向亮的區(qū)域變換。當(dāng)原始圖像給定時(shí)，對(duì)應(yīng)的直方圖均衡化的效果也相應(yīng)的確定了。

4.直方圖規(guī)定化

針對(duì)直方圖均衡化的存在的一些問題，將原始圖像的直方圖轉(zhuǎn)化為規(guī)定的直方圖的形式。一般目標(biāo)圖像的直方圖的確定需要參考原始圖像的直方圖，并利用多高斯函數(shù)得到。

5. 中值、均值濾波器

均值濾波方法：對(duì)待處理的當(dāng)前像素，選擇一個(gè)模板，該模板為其鄰近的若干個(gè)像素組成，用模板的均值來替代原像素的值的方法。

中值濾波方法：對(duì)待處理的當(dāng)前像素，選擇一個(gè)模板，該模板為其鄰近的若干個(gè)像素組成，對(duì)模板的像素由小到大進(jìn)行排序，再用模板的中值來替代原像素的值的方法。

從圖像中我們可以看出，該圖片帶有很多椒鹽噪聲，并且圖像有些暗，于是我們選擇中值濾波方法對(duì)圖片進(jìn)行處理（中值濾波對(duì)椒鹽噪聲具有較好效果），并提高對(duì)比度和亮度。

處理流程：

第一步：采用中值濾波方法對(duì)圖像進(jìn)行處理，處理后，結(jié)果如圖2所示：

圖2 中值濾波

第二步：Gamma校正，處理后，結(jié)果如圖3所示：

圖3 Gamma校正

第三步：提升對(duì)比度，亮度，處理后，結(jié)果如圖4所示：

圖4 對(duì)比度、亮度提升

最后輸出對(duì)比圖，如圖5所示：

圖5 效果對(duì)比圖

Python代碼：

#author：lph
#funtion:image enhance
?
import cv2
import numpy as np
from tkinter import *
from skimage import filters,exposure
import matplotlib.pyplot as plt
from skimage.morphology import disk
from matplotlib.font_manager import FontProperties
#讀入圖片
im = cv2.imread('./image/image.png',0)
im_copy = cv2.imread('./image/image.png',0)
#如果圖片為空，返回錯(cuò)誤信息，并終止程序
if im is None:
? ? print("圖片打開失?。?)
? ? exit()
#中值濾波去噪
medStep = 3 # 設(shè)置為3*3的濾波器
def m_filter(x, y, step):
? ? """中值濾波函數(shù)"""
? ? sum_s=[] # 定義空數(shù)組
? ? for k in range(-int(step/2),int(step/2)+1):
? ? ? ? for m in range(-int(step/2),int(step/2)+1):
? ? ? ? ? ? sum_s.append(im[x+k][y+m]) # 把模塊的像素添加到空數(shù)組
? ? sum_s.sort() # 對(duì)模板的像素由小到大進(jìn)行排序
? ? return sum_s[(int(step*step/2)+1)]
for i in range(int(medStep/2),im.shape[0]-int(medStep/2)):
? ? for j in range(int(medStep/2),im.shape[1]-int(medStep/2)):
? ? ? ? im_copy[i][j] = m_filter(i, j, medStep) # 用模板的中值來替代原像素的值
cv2.imshow("Median",im_copy)
#Gamma校正
img3 = exposure.adjust_gamma(im_copy,1.05)
cv2.imshow("Gamma", img3)
#對(duì)比度、亮度增強(qiáng)
def Contrast_and_Brightness(alpha,beta,img):
? ? """使用公式f(x)=α.g(x)+β"""
? ? #α調(diào)節(jié)對(duì)比度，β調(diào)節(jié)亮度
? ? blank = np.zeros(img.shape,img.dtype)#創(chuàng)建圖片類型的零矩陣
? ? dst = cv2.addWeighted(img,alpha,blank,1-alpha,beta)#圖像混合加權(quán)
? ? return dst
img4 = Contrast_and_Brightness(1.1,30,img3)
cv2.imshow("Contrast", img4)
#創(chuàng)建一個(gè)窗口
plt.figure('對(duì)比圖',figsize=(7,5))
# 中文字體設(shè)置
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14) #新宋體
#顯示原圖
plt.subplot(121) #子圖1
#顯示原圖，設(shè)置標(biāo)題和字體
plt.imshow(im,plt.cm.gray), plt.title('處理前圖片', fontproperties = font)
?
#顯示處理過的圖像
plt.subplot(122) #子圖2
#顯示處理后的圖，設(shè)置標(biāo)題和字體
plt.imshow(img4,plt.cm.gray), plt.title('處理后圖片', fontproperties = font)
plt.show()
# 銷毀所有窗口
cv2.destroyAllWindows()

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: