python增强图像对比度,python查看图片的平均亮度值

  python增强图像对比度,python查看图片的平均亮度值

  这篇文章主要为大家介绍了大蟒数字图像处理之对比度与亮度调整示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪

  

目录
撇油包的暴露模块1、伽玛调整2、日志对数调整3、判断图像对比度是否偏低4、调整强度

  

skimage包的exposure模块

  图像亮度与对比度的调整,是放在撇除包的暴露模块里面

  

1、gamma调整

  对原图像的像素,进行幂运算,得到新的像素值。公式中的英语字母表中第七个字母就是微克值。

  如果1,新图像比原图像暗

  如果1,新图像比原图像亮

  函数格式为:skimage.exposure.adjust_gamma(图像伽马=1)

  微克参数默认为1,原像不发生变化。

  从撇除导入数据,曝光,img_as_float

  将matplotlib.pyplot作为血小板计数导入

  image=img_as_float(data.moon())

  gam 1=曝光。adjust _ gamma(image,2) #调暗

  gam 2=曝光。adjust _ gamma(image,0.5) #调亮

  plt.figure(adjust_gamma ,figsize=(8,8))

  plt.subplot(131)

  plt.title("原始图像")

  plt.imshow(image,plt.cm.gray)

  plt.axis("关")

  plt.subplot(132)

  plt.title(gamma=2 )

  plt.imshow(gam1,plt.cm.gray)

  plt.axis("关")

  plt.subplot(133)

  plt.title(gamma=0.5 )

  plt.imshow(gam2,plt.cm.gray)

  plt.axis("关")

  plt.show()

  

2、log对数调整

  这个刚好和微克相反

  原理:I=log(I)

  从撇除导入数据,曝光,img_as_float

  将matplotlib.pyplot作为血小板计数导入

  image=img_as_float(data.moon())

  gam 1=曝光。adjust _ log(image)#对数调整

  plt.figure(adjust_gamma ,figsize=(8,8))

  plt.subplot(121)

  plt.title("原始图像")

  plt.imshow(image,plt.cm.gray)

  plt.axis("关")

  plt.subplot(122)

  plt.title("日志")

  plt.imshow(gam1,plt.cm.gray)

  plt.axis("关")

  plt.show()

  

3、判断图像对比度是否偏低

  函数:低对比度(img)

  返回一个弯曲件型值

  从撇除导入数据,暴露

  image=data.moon()

  结果=曝光。低对比度(图像)

  打印(结果)

  输出为错误的

  

4、调整强度

  函数:

  克扣。曝光。rescale _ intensity(image,in_range=image ,out_range=dtype )

  在_范围内表示输入图片的强度范围,默认为图像,表示用图像的最大/最小像素值作为范围

  超出范围表示输出图片的强度范围,默认为dype ,表示用图像的类型的最大/最小值作为范围

  默认情况下,输入图片的[最小值,最大值]范围被拉伸到[最小数据类型,最大数据类型],如果

  dtype=uint8,那么dtype.min=0,dtype.max=255

  将数组作为铭牌导入

  进口风险敞口不足

  image=np.array([51,102,153],dtype=np.uint8)

  mat=曝光。重新缩放强度(图像)

  打印(垫子)

  输出为[ 0 127 255]

  即像素最小值由51变为0,最大值由153变为255,整体进行了拉伸,但是数据类型没有变,还是uint8

  前面我们讲过,可以通过img_as_float()函数将第八单元类型转换为漂浮物型,实际上还有更简单的方法,就是乘以1.0

  将数组作为铭牌导入

  image=np.array([51,102,153],dtype=np.uint8)

  打印(图像*1.0)

  即由[51,102,153]变成了[ 51.102.153.]

  而漂浮物类型的范围是[0,1],因此对漂浮物进行重新缩放强度调整后,范围变为[0,1],而不是[0,255]

  将数组作为铭牌导入

  进口风险敞口不足

  image=np.array([51,102,153],dtype=np.uint8)

  tmp=图像*1.0

  mat=曝光。重新缩放强度(tmp)

  打印(垫子)

  结果为1。]

  如果原始像素值不想被拉伸,只是等比例缩小,就使用在_范围内参数,如:

  将数组作为铭牌导入

  进口风险敞口不足

  image=np.array([51,102,153],dtype=np.uint8)

  tmp=图像*1.0

  mat=曝光。rescale _ intensity(tmp,in_range=(0,255))

  打印(垫子)

  输出为:[ 0.2 0.4 0.6],即原像素值除以255

  如果参数在_范围内的[主,最大]范围要比原始像素值的范围[最小值,最大值]大或者小,那就进行裁剪,如:

  mat=曝光。rescale _ intensity(tmp,in_range=(0,102))

  打印(垫子)

  输出[ 0.5 1.1.],即原像素值除以102,超出一的变为一

  如果一个数组里面有负数,现在想调整到正数,就使用超出范围参数。如:

  将数组作为铭牌导入

  进口风险敞口不足

  image=np.array([-10,0,10],dtype=np.int8)

  mat=exposure . rescale _ intensity(image,out_range=(0,127))

  打印(mat)

  输出[0 63 127]

  这就是python数字图像处理的对比度和亮度调整示例的细节。关于python数字图像对比度和亮度调整的更多信息,请关注盛行IT软件开发工作室的其他相关文章!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: