文章目录
-基于Python+OpenCV,实验环境:pycharm+anaconda,参考《数字图像处理》冈萨雷斯第四版(初学图像处理和Python,欢迎指出错误~)
一、色调和彩色校正
彩色图像可以看做不同彩色通道图像的叠加,每一个通道都可以同灰度图像处理一样进行操作。由于numpy的矩阵操作功能很强大,所以处理彩色图像也是比较方便的。若采用伽马变换,图像较亮,应该选择γ>1,压缩高灰度级,图像较暗,应选择γ<1,扩展低灰度级,增强对比度。
若采用S函数(对比度拉伸变换函数),选择合适的参数(斜率),能得到较高的对比度,S函数表达式为:s=T(r)=1/(1+(M/r)^E)
s是输出灰度,r是输入灰度,M是控制的灰度中值,E控制函数斜率。形状如下:
代码如下:
# -*- coding:utf-8 -*-
"""
作者:YJH
日期:2021年11月05日
"""
import matplotlib.pyplot as plt
import cv2 as cv
import numpy as np
from 彩色空间转换 import hsi2rgb # 从前面写的一个文件里导入自定义的两个函数
from 彩色空间转换 import rgb2hsi
# 显示汉字用
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 定义坐标数字字体及大小
def label_def():
plt.xticks(fontproperties='Times New Roman', size=8)
plt.yticks(fontproperties='Times New Roman', size=8)
# plt.axis('off') # 关坐标,可选
if __name__ == '__main__':
# 读取图片
img_orig = cv.imread('top_ left_flower.tif', 1) # 读取彩色图片
# ------------------------------------------------色调校正---------------------------------------------------------#
# 伽马变换处理
img_gama = np.power(img_orig.astype(np.float32), 1.5) # 图像较亮,若采用幂率变换,γ>1,压缩高灰度级
temp1 = img_gama - np.min(img_gama)
img_gama = temp1/np.max(temp1)
# 对比度拉伸变换函数
med = np.median(img_orig.astype(np.float32)) # 获取中值M
img_temp = 1 / (1 + np.power((140/(img_orig+1e-6)), 4.5)) # 4.5为斜率,交互式选择(感觉med效果不如140)
temp2 = img_temp - np.min(img_temp) # 标定到[0~255],才能进行BGR2RGB
img_con_str = np.uint8(255*(temp2/np.max(temp2)))
# 显示所用的变换函数
x1 = np.linspace(img_orig.min(), img_orig.max(), num=200)
y1 = np.power(x1, 1.5) # 伽马函数
x2 = np.linspace(img_orig.min(), img_orig.max(), num=200)
y2 = 1 / (1 + np.power((med/(x2+1e-6)), 4.5)) # 对比度拉伸函数
plt.subplot(231), plt.title('原图像'), plt.imshow(cv.cvtColor(img_orig, cv.COLOR_BGR2RGB)), plt.axis('off')
plt.subplot(232), plt.title('伽马变换'), plt.imshow(cv.cvtColor(img_gama, cv.COLOR_BGR2RGB)), plt.axis('off')
plt.subplot(233), plt.title('对比度拉伸'), plt.imshow(cv.cvtColor(img_con_str, cv.COLOR_BGR2RGB)), plt.axis('off')
plt.subplot(235), plt.title('s=r**(1.5)'), plt.plot(x1, y1), plt.grid(), label_def()
plt.subplot(236), plt.title('s=1/(1+(M/r)**4)'), plt.plot(x2, y2), plt.grid(), label_def()
plt.show()
效果如下:
二、色调校正及彩色平衡
只经过色调校正并不总能得到满意的结果。常用的处理方法是:
(1)色调校正;(2)彩色平衡校正。
比如下图较暗,所以用γ<1(0.5)的伽马变换来扩展低灰度级。但变换后图像中(前方石头和杂草)偏红色,所以转到CMY空间,对M分量进行平衡。代码如下:(用到的rgb2hsi和hsi2rgb是我自己定义的两个彩色空间变换函数,可以见我另一篇文章彩色空间HSI和RGB变换)
# 接上面的代码
# --------------------------------------------彩色平衡---------------------------------------------------------------#
img_stone = cv.imread('bottom_left_stream.tif', 1)
# 伽马变换处理
stone_gama = np.power(img_stone.astype(np.float32), 0.5) # 图像较暗,若采用幂率变换,γ<1,拉伸低灰度级,交互式选择
temp = stone_gama - np.min(stone_gama)
stone_gama = temp/np.max(temp)
img_cmy = 1 - cv.cvtColor(stone_gama, cv.COLOR_BGR2RGB)
c, m, y = cv.split(img_cmy)
# print(m.shape)
m_gama = np.power(m.astype(np.float32), 1.08) # 深红色较多,压缩一下
temp_m = m_gama - np.min(m_gama)
m_gama = (temp_m/(np.max(temp_m)))
out_stone = 1 - cv.merge((c, m_gama, y))
plt.subplot(131), plt.title('原图像'), plt.imshow(cv.cvtColor(img_stone, cv.COLOR_BGR2RGB)), plt.axis('off')
plt.subplot(132), plt.title('伽马变换'), plt.imshow(cv.cvtColor(stone_gama, cv.COLOR_BGR2RGB)), plt.axis('off')
plt.subplot(133), plt.title('彩色平衡(深红色)'), plt.imshow(out_stone), plt.axis('off')
plt.show()
效果如下(好像不明显还行吧)
三、彩色直方图均衡化
同灰度图一样,可以直接用函数cv2.equalizeHist(img),操作RGB每个平面或者HSI空间的I分量。但是这个函数操作对象灰度级要是8bit的,对于[0,1]的灰度级要标定到[0,255],要注意一下。
HSI空间中I分量直方图均衡化后,虽不改变H和S分量,但会影响图像整体颜色。常用处理是先均衡化,再调整饱和度分量S。
代码如下:
# ------------------------彩色直方图均衡化----------------------------#
img_caster = cv.imread('caster_stand_original.tif', 1)
h, s, i, caster = rgb2hsi(img_caster)
img = np.float32(caster)
i = np.uint8(255*i)
equ_i = (cv.equalizeHist(i))/255.0 # 均衡化亮度分量
# plt.subplot(121), plt.imshow(i, 'gray')
# plt.subplot(122), plt.imshow(equ_i, 'gray')
# plt.show()
img_equ1 = hsi2rgb(cv.merge((h, s, equ_i)))
# add_s = np.where((s*2) > 1, s, (s*1.5)) # 增饱和度
add_s = np.power(s, 0.85)
img_equ2 = hsi2rgb(cv.merge((h, add_s, equ_i)))
plt.subplot(131), plt.title('原图像'), plt.imshow(cv.cvtColor(img_caster, cv.COLOR_BGR2RGB)), plt.axis('off')
plt.subplot(132), plt.title('I分量直方图均衡'), plt.imshow(img_equ1), plt.axis('off')
plt.subplot(133), plt.title('均衡I+增大S'), plt.imshow(img_equ2), plt.axis('off')
plt.show()
效果如下(找不同…):
欢迎大家批评指正