直⽅图均衡化、对数变换、伽马变换（python完成）
1.直⽅图均衡化（使⽤python完成）：
①：计算图⽚原始的灰度分布：
def Grayscale_Probability(img): #输⼊img是读取后的灰度图数据
prob = s(256)
for i in img:
for j in i:
prob[j] += 1
h, w = img.shape  #图⽚⼤⼩为753*759
return prob/(w*h)  #返回每个灰度值的概率
②：根据灰度概率计算累计概率并进⾏直⽅图均衡化：
def Equalization(img,prob):
for i in range(1,256):  #先进⾏累计概率的计算
prob[i] = prob[i]+prob[i-1]
#进⾏像素值映射,256个灰度级，进⾏四舍五⼊,⽤und(255 * prob[i])也可
img_map = [int(255 * prob[i]+0.5) for i in range(256)]
h, w = img.shape
for ri in range(h):#替换原图像灰度
for ci in range(w):
img[ri, ci] = img_map[img[ri, ci]]
return img
2.对数变换：
对数变换能将图像中，范围较窄的低灰度值映射为范围较宽的灰度值，或将范围较宽的⾼灰度值映射为范围较窄的灰度值，适⽤于扩展图像中的暗像素值，同时压缩更⾼灰度级的值。将图象的灰度值进⾏log变换，表达式为：，其中，r表⽰原始图像的灰度级，s表⽰变换后的灰度级，c为⼀常数：
def Logtrans(img,c):
ir, ic = img.shape
res = np.zeros((ir,ic),dtype=np.uint8)
for imgr in range(ir):
for imgc in range(ic):
res[imgr,imgc] =np.uint8(c * np.log(1.0 + img[imgr,imgc]) + 0.5)
return res
注意：经过log变换后灰度值从0-255变成了0-5.5，需要在8⽐特的显⽰器中进⾏显⽰，则需要将其规范
化到（0，255）中，我这⾥将c设
正则化相位跟随代码
为46来简单替代了此操作。
3.伽马变换：
伽马变换可以很好地拉伸图像的对⽐度，扩展灰度级。由图可知，当图像的整体灰度偏暗时，选择y<1，可以使图像增亮；当图像整体灰度偏亮时，选择y>1，可以使图像变暗，提⾼图像的对⽐度，凸显细节。
def gama(img,c,y):
ir, ic = img.shape
res = np.zeros((ir,ic),dtype=np.uint8)
for imgr in range(ir):
for imgc in range(ic):
res[imgr,imgc] =np.uint8(c * np.power(img[imgr,imgc]/255,y)*255 + 0.5)
return res
注意：在经过算式后，灰度值易出现⾼于255的情况。我先将图像灰度值压缩⾄0-1内，经过运算后再乘以255进⾏还原。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。