歡迎大家來到“Python從零到壹”，在這里我將分享約200篇Python系列文章，帶大家一起去學習和玩耍，看看Python這個有趣的世界，所有文章都將結合案例、代碼和作者的經驗講解，真心想把自己近十年的編程經驗分享給大家，希望對您有所幫助，文章中不足之處也請海涵，Python系列整體框架包括基礎語法10篇、網路爬蟲30篇、可視化分析10篇、機器學習20篇、大資料分析20篇、影像識別30篇、人工智能40篇、Python安全20篇、其他技巧10篇，您的關注、點贊和轉發就是對秀璋最大的支持，知識無價人有情，希望我們都能在人生路上開心快樂、共同成長，

該系列文章主要講解Python OpenCV影像處理和影像識別知識，前期主要講解影像處理基礎知識、OpenCV基礎用法、常用影像繪制方法、影像幾何變換等，中期講解影像處理的各種運算，包括影像點運算、形態學處理、影像銳化、影像增強、影像平滑等，后期研究影像識別、影像分割、影像分類、影像特效處理以及影像處理相關應用，

第二部分將講解影像運算和影像增強，上一篇文章是影像點運算的灰度化處理知識，包括各種灰度演算法的實作，以及灰度線性變換和灰度非線性變換，這篇文章將詳細講解影像灰度線性變換，包括灰度上移、對比度增強、對比度減弱和灰度反色變換，希望文章對您有所幫助，如果有不足之處，還請海涵，

文章目錄

一.灰度線性變換
二.影像灰度上移變換
三.影像對比度增強變換
四.影像對比度減弱變換
五.影像灰度反色變換
六.總結

下載地址：

https://github.com/eastmountyxz/Python-zero2one

前文賞析：

第一部分基礎語法

[Python從零到壹] 一.為什么我們要學Python及基礎語法詳解
[Python從零到壹] 二.語法基礎之條件陳述句、回圈陳述句和函式
[Python從零到壹] 三.語法基礎之檔案操作、CSV檔案讀寫及面向物件

第二部分網路爬蟲

[Python從零到壹] 四.網路爬蟲之入門基礎及正則運算式抓取博客案例
[Python從零到壹] 五.網路爬蟲之BeautifulSoup基礎語法萬字詳解
[Python從零到壹] 六.網路爬蟲之BeautifulSoup爬取豆瓣TOP250電影詳解
[Python從零到壹] 七.網路爬蟲之Requests爬取豆瓣電影TOP250及CSV存盤
[Python從零到壹] 八.資料庫之MySQL基礎知識及操作萬字詳解
[Python從零到壹] 九.網路爬蟲之Selenium基礎技術萬字詳解（定位元素、常用方法、鍵盤滑鼠操作）
[Python從零到壹] 十.網路爬蟲之Selenium爬取在線百科知識萬字詳解（NLP語料構造必備技能）

第三部分資料分析和機器學習

[Python從零到壹] 十一.資料分析之Numpy、Pandas、Matplotlib和Sklearn入門知識萬字詳解(1)
[Python從零到壹] 十二.機器學習之回歸分析萬字總結全網首發（線性回歸、多項式回歸、邏輯回歸）
[Python從零到壹] 十三.機器學習之聚類分析萬字總結全網首發（K-Means、BIRCH、層次聚類、樹狀聚類）
[Python從零到壹] 十四.機器學習之分類演算法三萬字總結全網首發（決策樹、KNN、SVM、分類演算法對比）
[Python從零到壹] 十五.文本挖掘之資料預處理、Jieba工具和文本聚類萬字詳解
[Python從零到壹] 十六.文本挖掘之詞云熱點與LDA主題分布分析萬字詳解
[Python從零到壹] 十七.可視化分析之Matplotlib、Pandas、Echarts入門萬字詳解
[Python從零到壹] 十八.可視化分析之Basemap地圖包入門詳解
[Python從零到壹] 十九.可視化分析之熱力圖和箱圖繪制及應用詳解
[Python從零到壹] 二十.可視化分析之Seaborn繪圖萬字詳解
[Python從零到壹] 二十一.可視化分析之Pyechart繪圖萬字詳解
[Python從零到壹] 二十二.可視化分析之OpenGL繪圖萬字詳解
[Python從零到壹] 二十三.十大機器學習演算法之決策樹分類分析詳解(1)
[Python從零到壹] 二十四.十大機器學習演算法之KMeans聚類分析詳解(2)
[Python從零到壹] 二十五.十大機器學習演算法之KNN演算法及影像分類詳解(3)
[Python從零到壹] 二十六.十大機器學習演算法之樸素貝葉斯演算法及文本分類詳解(4)
[Python從零到壹] 二十七.十大機器學習演算法之線性回歸演算法分析詳解(5)
[Python從零到壹] 二十八.十大機器學習演算法之SVM演算法分析詳解(6)
[Python從零到壹] 二十九.十大機器學習演算法之隨機森林演算法分析詳解(7)
[Python從零到壹] 三十.十大機器學習演算法之邏輯回歸演算法及惡意請求檢測應用詳解(8)
[Python從零到壹] 三十一.十大機器學習演算法之Boosting和AdaBoost應用詳解(9)
[Python從零到壹] 三十二.十大機器學習演算法之層次聚類和樹狀圖聚類應用詳解(10)

第四部分 Python影像處理基礎

[Python從零到壹] 三十三.影像處理基礎篇之什么是影像處理和OpenCV配置
[Python從零到壹] 三十四.OpenCV入門詳解——顯示讀取修改及保存影像
[Python從零到壹] 三十五.影像處理基礎篇之OpenCV繪制各類幾何圖形
[Python從零到壹] 三十六.影像處理基礎篇之影像算術與邏輯運算詳解
[Python從零到壹] 三十七.影像處理基礎篇之影像融合處理和ROI區域繪制
[Python從零到壹] 三十八.影像處理基礎篇之影像幾何變換（平移縮放旋轉）
[Python從零到壹] 三十九.影像處理基礎篇之影像幾何變換（鏡像仿射透視）
[Python從零到壹] 四十.影像處理基礎篇之影像量化處理
[Python從零到壹] 四十一.影像處理基礎篇之影像采樣處理
[Python從零到壹] 四十二.影像處理基礎篇之影像金字塔向上取樣和向下取樣

第五部分 Python影像運算和影像增強

[Python從零到壹] 四十三.影像增強及運算篇之影像點運算和影像灰度化處理
[Python從零到壹] 四十四.影像增強及運算篇之影像灰度線性變換詳解

第六部分 Python影像識別和影像高階案例

第七部分 NLP與文本挖掘

第八部分人工智能入門知識

第九部分網路攻防與AI安全

第十部分知識圖譜構建實戰

擴展部分人工智能高級案例

作者新開的“娜璋AI安全之家”將專注于Python和安全技術，主要分享Web滲透、系統安全、人工智能、大資料分析、影像識別、惡意代碼檢測、CVE復現、威脅情報分析等文章，雖然作者是一名技術小白，但會保證每一篇文章都會很用心地撰寫，希望這些基礎性文章對你有所幫助，在Python和安全路上與大家一起進步，

一.灰度線性變換

影像的灰度線性變換是通過建立灰度映射來調整原始影像的灰度，從而改善影像的質量，凸顯影像的細節，提高影像的對比度，灰度線性變換的計算公式如（12-1）所示：

在這里插入圖片描述

該公式中DB表示灰度線性變換后的灰度值，DA表示變換前輸入影像的灰度值，α和b為線性變換方程f(D)的引數，分別表示斜率和截距[1-4]，

當α=1，b=0時，保持原始影像
當α=1，b!=0時，影像所有的灰度值上移或下移
當α=-1，b=255時，原始影像的灰度值反轉
當α>1時，輸出影像的對比度增強
當0<α<1時，輸出影像的對比度減小
當α<0時，原始影像暗區域變亮，亮區域變暗，圖像求補

如圖12-1所示，顯示了影像的灰度線性變換對應的效果圖，

在這里插入圖片描述

二.影像灰度上移變換

該演算法將實作影像灰度值的上移，從而提升影像的亮度，

DB=DA+50

具體實作代碼如下所示，由于影像的灰度值位于0至255區間之內，所以需要對灰度值進行溢位判斷，

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始影像
img = cv2.imread('luo.png')

#影像灰度轉換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#獲取影像高度和寬度
height = grayImage.shape[0]
width = grayImage.shape[1]

#創建一幅影像
result = np.zeros((height, width), np.uint8)

#影像灰度上移變換 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)

#顯示影像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

其輸出結果如圖12-2所示，影像的所有灰度值上移50，影像變得更白了，注意，純黑色對應的灰度值為0，純白色對應的灰度值為255，

在這里插入圖片描述

三.影像對比度增強變換

該演算法將增強影像的對比度，Python實作代碼如下所示，

DB=DA×1.5

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始影像
img = cv2.imread('luo.png')

#影像灰度轉換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#獲取影像高度和寬度
height = grayImage.shape[0]
width = grayImage.shape[1]

#創建一幅影像
result = np.zeros((height, width), np.uint8)

#影像對比度增強變換 DB=DA×1.5
for i in range(height):
    for j in range(width):
        
        if (int(grayImage[i,j]*1.5) > 255):
            gray = 255
        else:
            gray = int(grayImage[i,j]*1.5)
            
        result[i,j] = np.uint8(gray)

#顯示影像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

其輸出結果如圖12-3所示，影像的所有灰度值增強1.5倍，

在這里插入圖片描述

四.影像對比度減弱變換

該演算法將減弱影像的對比度，Python實作代碼如下所示，

DB=DA×0.8

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始影像
img = cv2.imread('luo.png')

#影像灰度轉換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#獲取影像高度和寬度
height = grayImage.shape[0]
width = grayImage.shape[1]

#創建一幅影像
result = np.zeros((height, width), np.uint8)

#影像對比度減弱變換 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)

#顯示影像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

其輸出結果如圖12-4所示，影像的所有灰度值減弱，影像變得更暗，

在這里插入圖片描述

五.影像灰度反色變換

反色變換又稱為線性灰度求補變換，它是對原影像的像素值進行反轉，即黑色變為白色，白色變為黑色的程序，

DB=255-DA

其Python實作代碼如下所示：

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始影像
img = cv2.imread('luo.png')

#影像灰度轉換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#獲取影像高度和寬度
height = grayImage.shape[0]
width = grayImage.shape[1]

#創建一幅影像
result = np.zeros((height, width), np.uint8)

#影像灰度反色變換 DB=255-DA
for i in range(height):
    for j in range(width):
        gray = 255 - grayImage[i,j]
        result[i,j] = np.uint8(gray)

#顯示影像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

其輸出結果如圖12-5所示，影像處理前后的灰度值是互補的，

在這里插入圖片描述

影像灰度反色變換在醫學影像處理中有一定的應用，如圖12-6所示：

在這里插入圖片描述

六.總結

本文主要講解影像灰度線性變換，包括影像灰度上移、影像對比度增強變換、影像對比度減弱變換和影像灰度反色變換，希望大家一定要自己實作文章中的代碼，更好地提升編程能力，

感謝在求學路上的同行者，不負遇見，勿忘初心，影像處理系列主要包括三部分，分別是：

在這里插入圖片描述

請添加圖片描述

祝大家新年快樂，虎年大吉，闔家幸福，萬事如意，小珞珞給大家拜年了，親情是真的很美，很治愈，希望小珞珞和他媽媽能開心每一天，全家人身體健康，小珞珞這小樣子可愛極了，愛你們喔！

在這里插入圖片描述

(By:娜璋之家 Eastmount 2022-02-28 夜于武漢 https://blog.csdn.net/Eastmount )

參考文獻：

[1] 阮秋琦. 數字影像處理學（第3版）[M]. 北京：電子工業出版社，2008.
[2] 毛星云，冷雪飛. OpenCV3編程入門[M]. 北京：電子工業出版社，2015.
[3] Eastmount. [數字影像處理] 三.MFC實作影像灰度、采樣和量化功能詳解[EB/OL]. (2015-05-28). https://blog.csdn.net/eastmount/article/details/46010637.
[4] Eastmount. [Python影像處理] 十五.影像的灰度線性變換[EB/OL]. ( 2019-03-28). https://blog.csdn.net/Eastmount/article/details/88858696.

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/434534.html

標籤：AI

上一篇：【無腦速通設計模式】設計模式簡介 | 七大原則 | 模式分類

下一篇：花一個小時，用Flask寫一個簡單的行人檢測API

[Python從零到壹] 四十四.影像增強及運算篇之影像灰度線性變換詳解

文章目錄

一.灰度線性變換

二.影像灰度上移變換

三.影像對比度增強變換

四.影像對比度減弱變換

五.影像灰度反色變換

六.總結