热门：华为支持参数分辨率解决方法控制属性启动升级错误平台推荐步骤模式查询运行空间文件夹鼠标图标重启激活联想检查状态应用程序

Python图像运算之图像灰度直方图对比详解

2022-09-13 21:57:20

目录

一.灰度增强直方图对比

二.灰度减弱直方图对比

三.图像反色直方图对比

四.图像对数变换直方图对比

五.图像阈值化处理直方图对比

六.总结

一.灰度增强直方图对比

图像灰度上移变换使用的表达式为：

DB=DA+50

该算法将实现图像灰度值的上移，从而提升图像的亮度，结合直方图对比的实现代码如下所示。

# -*- coding: utf-8 -*- # By：Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #读取图像 img = cv2.imread('lena-hd.webp') #图像灰度转换 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #获取图像高度和宽度 height = grayImage.shape[0] width = grayImage.shape[1] result = np.zeros((height, width), np.uint8) #图像灰度上移变换 DB=DA+50 for i in range(height): for j in range(width): if (int(grayImage[i,j]+50) > 255): gray = 255 else: gray = int(grayImage[i,j]+50) result[i,j] = np.uint8(gray) #计算原图的直方图 hist = cv2.calcHist([img], [0], None, [256], [0,255]) #计算灰度变换的直方图 hist_res = cv2.calcHist([result], [0], None, [256], [0,255]) #原始图像 plt.figure(figsize=(8, 6)) plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off') #绘制掩膜 plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y") #绘制掩膜设置后的图像 plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off') #绘制直方图 plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y") plt.show()

其运行结果如图1所示，其中（a）表示原始图像，（b）表示对应的灰度直方图，（c）表示灰度上移后的图像，（d）是对应的直方图。对比发现，图1（d）比图1（b）的灰度级整体高了50，曲线整体向右平移了50个单位。

二.灰度减弱直方图对比

该算法将减弱图像的对比度，使用的表达式为：

DB=DA×0.8

Python结合直方图实现灰度对比度减弱的代码如下所示。

# -*- coding: utf-8 -*- # By：Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #读取图像 img = cv2.imread('lena-hd.webp') #图像灰度转换 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #获取图像高度和宽度 height = grayImage.shape[0] width = grayImage.shape[1] result = np.zeros((height, width), np.uint8) #图像对比度减弱变换 DB=DA×0.8 for i in range(height): for j in range(width): gray = int(grayImage[i,j]*0.8) result[i,j] = np.uint8(gray) #计算原图的直方图 hist = cv2.calcHist([img], [0], None, [256], [0,255]) #计算灰度变换的直方图 hist_res = cv2.calcHist([result], [0], None, [256], [0,255]) #原始图像 plt.figure(figsize=(8, 6)) plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off') #绘制掩膜 plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y") #绘制掩膜设置后的图像 plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off') #绘制直方图 plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y") plt.show()

其运行结果如图2所示，其中（a）和（b）表示原始图像和对应的灰度直方图，（c）和（d）表示灰度减弱或对比度缩小的图像及对应的直方图。图2（d）比图2（b）的灰度级整体缩小了0.8倍，绘制的曲线更加密集。

三.图像反色直方图对比

该算法将图像的颜色反色，对原图像的像素值进行反转，即黑色变为白色，白色变为黑色，使用的表达式为：

DB=255-DA

实现代码如下所示。

# -*- coding: utf-8 -*- # By：Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #读取图像 img = cv2.imread('lena-hd.webp') #图像灰度转换 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #获取图像高度和宽度 height = grayImage.shape[0] width = grayImage.shape[1] result = np.zeros((height, width), np.uint8) #图像灰度反色变换 DB=255-DA for i in range(height): for j in range(width): gray = 255 - grayImage[i,j] result[i,j] = np.uint8(gray) #计算原图的直方图 hist = cv2.calcHist([img], [0], None, [256], [0,255]) #计算灰度变换的直方图 hist_res = cv2.calcHist([result], [0], None, [256], [0,255]) #原始图像 plt.figure(figsize=(8, 6)) plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off') #绘制掩膜 plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y") #绘制掩膜设置后的图像 plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off') #绘制直方图 plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y") plt.show()

其运行结果如图3所示，其中（a）和（b）表示原始图像和对应的灰度直方图，（c）和（d）表示灰度反色变换图像及对应的直方图。图3（d）与图3（b）是反相对称的，整个灰度值满足DB=255-DA表达式。

四.图像对数变换直方图对比

该算法将增加低灰度区域的对比度，从而增强暗部的细节，使用的表达式为：

下面代码实现了图像灰度的对数变换及直方图对比。

# -*- coding: utf-8 -*- # By：Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #读取图像 img = cv2.imread('lena-hd.webp') #图像灰度转换 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #获取图像高度和宽度 height = grayImage.shape[0] width = grayImage.shape[1] result = np.zeros((height, width), np.uint8) #图像灰度对数变换 for i in range(height): for j in range(width): gray = 42 * np.log(1.0 + grayImage[i,j]) result[i,j] = np.uint8(gray) #计算原图的直方图 hist = cv2.calcHist([img], [0], None, [256], [0,255]) #计算灰度变换的直方图 hist_res = cv2.calcHist([result], [0], None, [256], [0,255]) #原始图像 plt.figure(figsize=(8, 6)) plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off') #绘制原始图像直方图 plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y") #灰度变换后的图像 plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off') #灰度变换图像的直方图 plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y") plt.show()

其运行结果如图4所示，其中（a）和（b）表示原始图像和对应的灰度直方图，（c）和（d）表示灰度对数变换图像及对应的直方图。

五.图像阈值化处理直方图对比

该算法原型为threshold(Gray,127,255,cv2.THRESH_BINARY)，当前像素点的灰度值大于thresh阈值时（如127），其像素点的灰度值设定为最大值（如9位灰度值最大为255）；否则，像素点的灰度值设置为0。二进制阈值化处理及直方图对比的Python代码如下所示。

# -*- coding: utf-8 -*- # By：Eastmount import cv2 import numpy as np import matplotlib.pyplot as plt #读取图像 img = cv2.imread('lena-hd.webp') #图像灰度转换 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #二进制阈值化处理 r, result = cv2.threshold(grayImage, 127, 255, cv2.THRESH_BINARY) #计算原图的直方图 hist = cv2.calcHist([img], [0], None, [256], [0,256]) #计算阈值化处理的直方图 hist_res = cv2.calcHist([result], [0], None, [256], [0,256]) #原始图像 plt.figure(figsize=(8, 6)) plt.subplot(221), plt.imshow(img, 'gray'), plt.title("(a)"), plt.axis('off') #绘制原始图像直方图 plt.subplot(222), plt.plot(hist), plt.title("(b)"), plt.xlabel("x"), plt.ylabel("y") #阈值化处理后的图像 plt.subplot(223), plt.imshow(result, 'gray'), plt.title("(c)"), plt.axis('off') #阈值化处理图像的直方图 plt.subplot(224), plt.plot(hist_res), plt.title("(d)"), plt.xlabel("x"), plt.ylabel("y") plt.show()

其运行结果如图5所示，其中（a）和（b）表示原始图像和对应的灰度直方图，（c）和（d）表示图像阈值化处理及对应的直方图，图5（d）中可以看到，灰度值仅仅分布于0（黑色）和255（白色）两种灰度级。

六.总结

本文主要讲解图像直方图理论知识以及直方图绘制方法，包括灰度增强直方图对比、灰度减弱直方图对比、图像反色直方图对比、图像对数变换直方图对比、图像阈值化处理直方图对比。灰度直方图是灰度级的函数，描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。这篇文章的知识点将为后续图像处理和图像运算对比提供支撑。

以上就是Python图像运算之图像灰度直方图对比详解的详细内容，更多关于Python灰度直方图对比的资料请关注易知道(ezd.cc)其它相关文章！

直方图灰度图像运算变换

推荐阅读