图像的线性变换和非线性变换

图像的线性变换和非线性变换，逐像素运算就是对图像的没一个像素点的亮度值，通过一定的函数关系，转换到新的亮度值。这个转换可以由函数表示：

$s=f(r)$

其中r为原来的像素值，s为新的像素值，通常采用的函数了单调函数进行变换。

线性变换:

$$s(x,y)=c+kr(x,y)$$
其中c和k均为常数

非线性变换：

$$s=a+\frac{ln(r+1)}{blnc}$$

其中a,b,c为常数

Gamma变换:

$$s=c{r}^{\gamma }$$
其中c为常数,通常取1，γ也为常数，r的范围为[0,255]，通常会放缩到[0,1]

图为γ取不同值时的情况，例如，当原图像的像素值为0.2时，γ=1.5时，现图像的像素值小于0.2，γ=1时，现图像的像素值等于0.2.当γ=0.5时，现图像的像素值大于0.4.

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

对于不同灰度图和彩色图像，利用不同方式展
示，定义show()函数

def show(img):
    if img.ndim == 2:
        plt.imshow(img, cmap='gray',vmin=0,vmax=255)
    else:
        plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))#cv用的BGR，需要转换为RGB
    plt.show()

读取图片

img = cv.imread("./pic/cat500x480.jpg",0) #0表示读为灰度图
show(img)

1. 线性变换：

b = 20
k = 2
img2 = b + k * img.astype(np.int32) #img的类型为uint8，线性变换后，像素值会循环
img2 = np.clip(img2,0,255) #利用np.clip来截断
show(img2)

np.clip是一个截取函数，用于截取数组中小于或者大于某值的部分，并使得被截取部分等于固定值。

也可以内置函数cv.convertScaleAbs实现

alpha = 2
beta = 20
img3 = cv.convertScaleAbs(img, alpha=alpha, beta=beta)#利用内置函数来截断
show(img3)

2. 非线性变换：

img4 = 10 + np.log(img.astype(np.float32)+1)/ 0.1
show(img4)

3. Gama变换：

img01 = img / 255
img05 = np.power(img01,0.5)*255
img15 = np.power(img01,1.5)*255
show(np.hstack([img05,img,img15]))

最后

以上就是单身御姐为你收集整理的图像的线性变换和非线性变换的全部内容，希望文章能够帮你解决图像的线性变换和非线性变换所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。