基于OpenCV的图像强度操作

小白学视觉

发布于 2021-01-06 14:27:27

5830

发布于 2021-01-06 14:27:27

文章被收录于专栏：深度学习和计算机视觉

01. 什么是图像强度操作

更改任何通道中的像素值
对图像的数学运算
亮度变化
对比度变化
伽玛操纵
直方图均衡
图像预处理中的滤波等增强

使用OpenCV加载图像

import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0);
plt.imshow(img, cmap = "gray");
plt.show()

使用Opencv向输入图像添加常数

img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0);
##########################FOCUS############################
img = cv2.add(img, 120);
###########################################################
plt.imshow(img, cmap = "gray");
plt.show()

使用Opencv减去常数以输入图像

img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0);
##########################FOCUS############################
img = cv2.subtract(img, 120);
####################################################################
plt.imshow(img, cmap = "gray");
plt.show()

02. 图像去均值化

方法1

将图像拆分为其通道。
对于每个通道，计算其平均值。
从该通道中的每个像素中减去均值

方法2（用于深度学习）

将所有图像分割成各自的通道，对于所有图像的每个通道：

为每个图像找到该通道的均值。
查找所有计算出的均值的均值。

应用领域1：批标准化的一部分

# Grayscale image
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0); # read the image as grayscale

# cv2.subtract
mean = np.mean(img);
img_out = cv2.subtract(img, mean);

f = plt.figure(figsize=(15,15))
f.add_subplot(1, 2, 1).set_title('Original Image');
plt.imshow(img, cmap = "gray");
f.add_subplot(1, 2, 2).set_title('Mean subtracted image');
plt.imshow(img_out, cmap = "gray");
plt.show()

应用领域1：负片

灰度负片

# negative of grayscale
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0); # read the image as grayscale

#cv2.subtract
img_out = cv2.subtract(255, img);

f = plt.figure(figsize=(15,15))
f.add_subplot(1, 2, 1).set_title('Original Image');
plt.imshow(img, cmap = "gray");
f.add_subplot(1, 2, 2).set_title('Negative image');
plt.imshow(img_out, cmap = "gray");
plt.show()

RGB图像负片

# negative of rgb images
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(folder_path + "imgs/chapter3/castle.png", -1); 
img_out = 255 - img;

f = plt.figure(figsize=(15,15))
f.add_subplot(1, 2, 1).set_title('Original Image');
plt.imshow(img[:,:,::-1]);
f.add_subplot(1, 2, 2).set_title('Negative image');
plt.imshow(img_out[:,:,::-1]);
plt.show()

03. 两幅图像的融合

直接融合

# Direct adding
import numpy as np
import cv2
from matplotlib import pyplot as plt

img1 = cv2.imread(folder_path + "imgs/chapter3/castle.png", -1); 
img1 = cv2.resize(img1, (256, 256));
img2 = cv2.imread(folder_path + "imgs/chapter3/tessellate.jpg", -1);
img2 = cv2.resize(img2, (256, 256));

img_out = cv2.add(img1, img2);

f = plt.figure(figsize=(8,8))
plt.imshow(img_out[:,:,::-1]);
plt.show()

加权融合

# cv2.addWeighted

import numpy as np
import cv2
from matplotlib import pyplot as plt
img1 = cv2.imread(folder_path + "imgs/chapter3/castle.png", -1); 
img1 = cv2.resize(img1, (256, 256));
img2 = cv2.imread(folder_path + "imgs/chapter3/tessellate.jpg", -1);
img2 = cv2.resize(img2, (256, 256));

# Like a faint watermark
img_out = cv2.addWeighted(img1,0.7,img2,0.3,0);

f = plt.figure(figsize=(8,8))
plt.imshow(img_out[:,:,::-1]);
plt.show()

04. 图像求差

import numpy as np
import cv2
from matplotlib import pyplot as plt
img1 = cv2.imread(folder_path + "imgs/chapter3/background.png", -1); 
img2 = cv2.imread(folder_path + "imgs/chapter3/foreground.png", -1);

img_out = cv2.subtract(img2, img1);

f = plt.figure(figsize=(15,10))
f.add_subplot(2, 2, 1).set_title('Background Image');
plt.imshow(img1[:, :, ::-1])
f.add_subplot(2, 2, 2).set_title('Background image with some object');
plt.imshow(img2[:, :, ::-1])
f.add_subplot(2, 2, 3).set_title('Subtracted image');
plt.imshow(img_out[:, :, ::-1])
plt.show()

05. 亮度变化

发光或反射光的质量或状态
亮度是一个相对术语。这取决于您的视觉感知。
亮度可以定义为光源相对于我们所比较的光源输出的能量。

import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(folder_path + 'imgs/chapter3/outdoor.jpg')

value = 100 #Increase or decrease brightness by this value

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
hsv[:,:,2] = cv2.add(hsv[:,:,2], value)

img_out = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)

f = plt.figure(figsize=(15,15))
f.add_subplot(1, 2, 1).set_title('Original Image');
plt.imshow(img[:, :, ::-1])
f.add_subplot(1, 2, 2).set_title('Brightness manipulated image');
plt.imshow(img_out[:, :, ::-1])
plt.show()

06. 对比度

对比度是使对象（或其在图像或显示器中的表示形式）与众不同的亮度或颜色差异。
可视化为图像中最大和最小像素强度之间的差异。
对比度由同一视野内物体的颜色和亮度差异决定。

from PIL import Image, ImageEnhance
from matplotlib import pyplot as plt

img = Image.open(folder_path + "imgs/chapter3/outdoor.jpg");
enhancer = ImageEnhance.Contrast(img)
out = enhancer.enhance(factor=1.25)

f = plt.figure(figsize=(15,15))
f.add_subplot(2, 1, 1).set_title('Original Image');
plt.imshow(img)
f.add_subplot(2, 1, 2).set_title('Contrast manipulated image');
plt.imshow(out)
plt.show()

07. 伽玛矫正

伽玛校正是一种用于对亮度进行编码和解码的非线性操作。
所有彩色和灰度数字图像文件都包含伽玛数据。
Gamma涉及在数字灵敏度和人眼灵敏度之间进行转换，一方面提供了许多优势，另一方面却增加了复杂性。
伽玛可优化中间调的对比度和亮度。

import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(folder_path + 'imgs/chapter3/indoor.jpg')

# Apply Gamma=2.2 on the normalised image and then multiply by scaling constant (For 8 bit, c=255)

# Normalize image, pixels to 0-1
# Multiple by gamma
# Re-factor the image pixels to have value from 0-255

img_out = np.array(255*(img/255)**2.2,dtype='uint8')

f = plt.figure(figsize=(15,15))
f.add_subplot(2, 1, 1).set_title('Original Image');
plt.imshow(img[:, :, ::-1])
f.add_subplot(2, 1, 2).set_title('Gamma manipulated image');
plt.imshow(img_out[:, :, ::-1])
plt.show()

08. 直方图均衡

直方图

直方图显示事物发生频率的图表。
图像像素直方图表示具有特定强度值的像素的频率。

直方图均衡

直方图均衡用于增强对比度。
此方法增加了图像的整体对比度。

import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(folder_path + "imgs/chapter3/outdoor.jpg", 0)

# Ravel falttens the 2d array to 1d array
# 256 - total number of bins
plt.hist(img.ravel(),256,[0,256])

plt.title("Histogram for original image")
plt.show()

import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(folder_path + "imgs/chapter3/outdoor.jpg", 0)

# cv2.equalizeHist
img_out = cv2.equalizeHist(img)

f = plt.figure(figsize=(15,15))
f.add_subplot(2, 1, 1).set_title('Original Image');
plt.imshow(img, cmap="gray")
f.add_subplot(2, 1, 2).set_title('Histogram equalized image');
plt.imshow(img_out, cmap="gray")
plt.show()

代码链接：https://github.com/Tessellate-Imaging/monk_v1/blob/master/study_roadmaps/3_image_processing_deep_learning_roadmap/1_image_processing_basics/3) Image Intensity manipulation.ipynb

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2020-12-21，如有侵权请联系 cloudcommunity@tencent.com 删除

opencv

本文分享自小白学视觉微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

opencv

登录后参与评论

0 条评论

热度

基于OpenCV的图像强度操作

基于OpenCV的图像强度操作

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐