Python實(shí)現(xiàn)圖像增強(qiáng)

第Python實(shí)現(xiàn)圖像增強(qiáng)本文實(shí)例為大家分享了Python實(shí)現(xiàn)圖像增強(qiáng)的具體代碼，供大家參考，具體內(nèi)容如下

題目描述：對(duì)于下面這幅圖像（圖1），請(qǐng)問(wèn)可以通過(guò)那些圖像增強(qiáng)的手段，達(dá)到改善視覺(jué)效果的目的？請(qǐng)顯示處理結(jié)果，并附簡(jiǎn)要處理流程說(shuō)明。

圖1原圖

常用的圖像增強(qiáng)方法有以下幾種：

1.提高對(duì)比度

采用了線性函數(shù)對(duì)圖像的灰度值進(jìn)行變換。

2.Gamma校正

采用了非線性函數(shù)（指數(shù)函數(shù)）對(duì)圖像的灰度值進(jìn)行變換。

3.直方圖均衡化

將原始圖像的直方圖通過(guò)積分概率密度函數(shù)轉(zhuǎn)化為概率密度為1（理想情況）的圖像，從而達(dá)到提高對(duì)比度的作用。直方圖均衡化的實(shí)質(zhì)也是一種特定區(qū)域的展寬，但是會(huì)導(dǎo)致整個(gè)圖像向亮的區(qū)域變換。當(dāng)原始圖像給定時(shí)，對(duì)應(yīng)的直方圖均衡化的效果也相應(yīng)的確定了。

4.直方圖規(guī)定化

針對(duì)直方圖均衡化的存在的一些問(wèn)題，將原始圖像的直方圖轉(zhuǎn)化為規(guī)定的直方圖的形式。一般目標(biāo)圖像的直方圖的確定需要參考原始圖像的直方圖，并利用多高斯函數(shù)得到。

5.中值、均值濾波器

均值濾波方法：對(duì)待處理的當(dāng)前像素，選擇一個(gè)模板，該模板為其鄰近的若干個(gè)像素組成，用模板的均值來(lái)替代原像素的值的方法。

中值濾波方法：對(duì)待處理的當(dāng)前像素，選擇一個(gè)模板，該模板為其鄰近的若干個(gè)像素組成，對(duì)模板的像素由小到大進(jìn)行排序，再用模板的中值來(lái)替代原像素的值的方法。

從圖像中我們可以看出，該圖片帶有很多椒鹽噪聲，并且圖像有些暗，于是我們選擇中值濾波方法對(duì)圖片進(jìn)行處理（中值濾波對(duì)椒鹽噪聲具有較好效果），并提高對(duì)比度和亮度。

處理流程：

第一步：采用中值濾波方法對(duì)圖像進(jìn)行處理，處理后，結(jié)果如圖2所示：

圖2中值濾波

第二步：Gamma校正，處理后，結(jié)果如圖3所示：

圖3Gamma校正

第三步：提升對(duì)比度，亮度，處理后，結(jié)果如圖4所示：

圖4對(duì)比度、亮度提升

最后輸出對(duì)比圖，如圖5所示：

圖5效果對(duì)比圖

Python代碼：

#author：lph

#funtion:imageenhance

importcv2

importnumpyasnp

fromtkinterimport*

fromskimageimportfilters,exposure

importmatplotlib.pyplotasplt

fromskimage.morphologyimportdisk

frommatplotlib.font_managerimportFontProperties

#讀入圖片

im=cv2.imread('./image/image.png',0)

im_copy=cv2.imread('./image/image.png',0)

#如果圖片為空，返回錯(cuò)誤信息，并終止程序

ifimisNone:

print("圖片打開(kāi)失??！")

exit()

#中值濾波去噪

medStep=3#設(shè)置為3*3的濾波器

defm_filter(x,y,step):

"""中值濾波函數(shù)"""

sum_s=[]#定義空數(shù)組

forkinrange(-int(step/2),int(step/2)+1):

forminrange(-int(step/2),int(step/2)+1):

sum_s.append(im[x+k][y+m])#把模塊的像素添加到空數(shù)組

sum_s.sort()#對(duì)模板的像素由小到大進(jìn)行排序

returnsum_s[(int(step*step/2)+1)]

foriinrange(int(medStep/2),im.shape[0]-int(medStep/2)):

forjinrange(int(medStep/2),im.shape[1]-int(medStep/2)):

im_copy[i][j]=m_filter(i,j,medStep)#用模板的中值來(lái)替代原像素的值

cv2.imshow("Median",im_copy)

#Gamma校正

img3=exposure.adjust_gamma(im_copy,1.05)

cv2.imshow("Gamma",img3)

#對(duì)比度、亮度增強(qiáng)

defContrast_and_Brightness(alpha,beta,img):

"""使用公式f(x)=α.g(x)+β"""

#α調(diào)節(jié)對(duì)比度，β調(diào)節(jié)亮度

blank=np.zeros(img.shape,img.dtype)#創(chuàng)建圖片類(lèi)型的零矩陣

dst=cv2.addWeighted(img,alpha,blank,1-alpha,beta)#圖像混合加權(quán)

returndst

img4=Contrast_and_Brightness(1.1,30,img3)

cv2.imshow("Contrast",img4)

#創(chuàng)建一個(gè)窗口

plt.figure('對(duì)比圖',figsize=(7,5))

#中文字體設(shè)置

font=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=14)#新宋體

#顯示原圖

plt.subplot(121)#子圖1

#顯示原圖，設(shè)置標(biāo)題和字體

plt.imshow(im,plt.cm.gray),plt.title('處理前圖片',fontproperties=font)

#顯示處理過(guò)的圖像

plt.subplot(122)#子圖2

#顯示處理后的圖，設(shè)置標(biāo)題和字體

plt.imshow(img4,plt