摘要：本例程令，其中表示图像中最小灰度值和最大灰度值，将原始图像的灰度级分段线性拉伸到整个范围。运行结果的左图显示本例程的拉伸变换曲线。
欢迎关注 『OpenCV 完整例程 100 篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中
分段线性变换函数可以增强图像各部分的反差，增强感兴趣的灰度区间、抑制不感兴趣的灰度级。
分段线性函数的优点是可以根据需要拉伸特征物的灰度细节，一些重要的变换只能用分段函数来描述和实现，缺点则是参数较多不容易确定。
分段线性函数通用公式如下：
D t = { c a D , 0 ≤ D < a d − c b − a [ D − a ] + c , a ≤ D ≤ b f − d e − b [ D − a ] + d , b < D ≤ e Dt = /begin{cases} /dfrac{c}{a} D &, 0 /leq D < a// /dfrac{d-c}{b-a}[D-a]+c &, a /leq D /leq b// /dfrac{f-d}{e-b}[D-a]+d &, b < D /leq e// /end{cases} Dt=⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧acDb−ad−c[D−a]+ce−bf−d[D−a]+d,0≤D<a,a≤D≤b,b<D≤e
式中，D 为原始图像的灰度值，Dt 为线性灰度变换后的图像灰度值。
对比度拉伸可以扩展图像中的灰度级范围，从而覆盖设备的理想灰度范围。
对比度拉伸变换函数可以有不同的实现方案，如将原始灰度范围拉伸到较宽的灰度范围；或将原始灰度范围拉伸到全域灰度范围（0，255）；或将原始灰度范围拉伸到较宽的灰度范围，同时对下限或上限进行截断处理。
本例程令 (r1, s1) = (rMin, 0)、(r2, s2) = (rmax, L-1)，其中 rMin、rMax 表示图像中最小灰度值和最大灰度值，将原始图像的灰度级分段线性拉伸到整个范围 [0, L-1]。运行结果的左图显示本例程的拉伸变换曲线。
# 1.50 分段线性灰度变换 (对比度拉伸) imgGray = cv2.imread("../images/Fig0310b.tif", flags=0) # flags=0 读取为灰度图像 height, width = imgGray.shape[:2] # 图片的高度和宽度 # constrast stretch, (r1,s1)=(rMin,0), (r2,s2)=(rMax,255) rMin = imgGray.min() # 原始图像灰度的最小值 rMax = imgGray.max() # 原始图像灰度的最大值 r1, s1 = rMin, 0 # (x1,y1) r2, s2 = rMax, 255 # (x2,y2) imgStretch = np.empty((width, height), np.uint8) # 创建空白数组 k1 = s1 / r1 # imgGray[h,w] < r1: k2 = (s2-s1) / (r2-r1) # r1 <= imgGray[h,w] <= r2 k3 = (255-s2) / (255-r2) # imgGray[h,w] > r2 for h in range(height): for w in range(width): if imgGray[h,w] < r1: imgStretch[h,w] = k1 * imgGray[h,w] elif r1 <= imgGray[h,w] <= r2: imgStretch[h,w] = k2 * (imgGray[h,w] - r1) + s1 elif imgGray[h,w] > r2: imgStretch[h,w] = k3 * (imgGray[h,w] - r2) + s2 plt.figure(figsize=(10,3.5)) plt.subplots_adjust(left=0.2, bottom=0.2, right=0.9, top=0.8, wspace=0.1, hspace=0.1) plt.subplot(131), plt.title("s=T(r)") x = [0, 96, 182, 255] y = [0, 30, 220, 255] plt.plot(x, y) plt.axis([0,256,0,256]) plt.text(105, 25, "(r1,s1)", fontsize=10) plt.text(120, 215, "(r2,s2)", fontsize=10) plt.xlabel("r, Input value") plt.ylabel("s, Output value") plt.subplot(132), plt.imshow(imgGray, cmap="gray", vmin=0, vmax=255), plt.title("Original"), plt.axis("off") plt.subplot(133), plt.imshow(imgStretch, cmap="gray", vmin=0, vmax=255), plt.title("Stretch"), plt.axis("off") plt.show()
（本节完）
版权声明：
youcans@xupt 原创作品，转载必须标注原文链接
Copyright 2021 youcans, XUPT
Crated：2021-11-22
欢迎关注 『OpenCV 完整例程 100 篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中【OpenCV 完整例程】01. 图像的读取（cv2.imread）
【OpenCV 完整例程】02. 图像的保存（cv2.imwrite）
【OpenCV 完整例程】03. 图像的显示（cv2.imshow）
【OpenCV 完整例程】04. 用 matplotlib 显示图像（plt.imshow）
【OpenCV 完整例程】05. 图像的属性（np.shape）
【OpenCV 完整例程】06. 像素的编辑（img.itemset）
【OpenCV 完整例程】07. 图像的创建（np.zeros）
【OpenCV 完整例程】08. 图像的复制（np.copy）
【OpenCV 完整例程】09. 图像的裁剪（cv2.selectROI）
【OpenCV 完整例程】10. 图像的拼接（np.hstack）
【OpenCV 完整例程】11. 图像通道的拆分（cv2.split）
【OpenCV 完整例程】12. 图像通道的合并（cv2.merge）
【OpenCV 完整例程】13. 图像的加法运算（cv2.add）
【OpenCV 完整例程】14. 图像与标量相加（cv2.add）
【OpenCV 完整例程】15. 图像的加权加法（cv2.addWeight）
【OpenCV 完整例程】16. 不同尺寸的图像加法
【OpenCV 完整例程】17. 两张图像的渐变切换
【OpenCV 完整例程】18. 图像的掩模加法
【OpenCV 完整例程】19. 图像的圆形遮罩
【OpenCV 完整例程】20. 图像的按位运算
【OpenCV 完整例程】21. 图像的叠加
【OpenCV 完整例程】22. 图像添加非中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】24. 图像的仿射变换
【OpenCV 完整例程】25. 图像的平移
【OpenCV 完整例程】26. 图像的旋转（以原点为中心）
【OpenCV 完整例程】27. 图像的旋转（以任意点为中心）
【OpenCV 完整例程】28. 图像的旋转（直角旋转）
【OpenCV 完整例程】29. 图像的翻转（cv2.flip）
【OpenCV 完整例程】30. 图像的缩放（cv2.resize）
【OpenCV 完整例程】31. 图像金字塔（cv2.pyrDown）
【OpenCV 完整例程】32. 图像的扭变（错切）
【OpenCV 完整例程】33. 图像的复合变换
【OpenCV 完整例程】34. 图像的投影变换
【OpenCV 完整例程】35. 图像的投影变换（边界填充）
【OpenCV 完整例程】36. 直角坐标与极坐标的转换
【OpenCV 完整例程】37. 图像的灰度化处理和二值化处理
【OpenCV 完整例程】38. 图像的反色变换（图像反转）
【OpenCV 完整例程】39. 图像灰度的线性变换
【OpenCV 完整例程】40. 图像分段线性灰度变换
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/124748.html
摘要：完整例程图像灰度的线性变换欢迎关注完整例程篇系列，持续更新中欢迎关注小白的学习课系列，持续更新中线性灰度变换将原始图像灰度值的动态范围按线性关系扩展到指定范围或整个动态范围。 ...
摘要：完整例程图像增强直方图匹配欢迎关注完整例程篇系列，持续更新中欢迎关注小白的学习课系列，持续更新中图像直方图是反映图像像素分布的统计表。直方图匹配又称为直方图规定化，是指将图像的直方图调整为规定的形状。 ...
摘要：完整例程图像的投影变换投影变换也称透视变换是建立两平面场之间的对应关系，将图片投影到一个新的视平面。提供了函数实现投影变换的操作。 【OpenCV 完整例程】34....
摘要：完整例程图像的缩放缩放只是调整图像的大小。也可以通过构造缩放变换矩阵，由函数计算变换后的缩放平移图像。缩放变换矩阵由以下公式描述由偏移量按上式构造平移变换矩阵，由函数可以计算变换后的平移图像。 ...
摘要：从零开始学习课图像的几何变换本系列面向小白，从零开始实战解说项目实战。仿射变换仿射变换的特点是原始图像中的平行关系和线段长度比例关系保持不变。函数说明函数通过变换矩阵对图像进行仿射变换。 ...
阅读 612·2023-04-26 00:13
阅读 2078·2021-11-24 09:39
阅读 2178·2021-11-23 10:08
阅读 3133·2021-11-16 11:39
阅读 881·2021-10-18 13:24
阅读 2055·2021-09-08 09:36
阅读 2264·2021-09-01 10:41
阅读 1995·2021-08-27 16:25
