python数字图像处理之对比度与亮度调整示例

　　小编写这篇文章的一个主要目的，主要是来给大家详细介绍关于python数字图像的一些事宜，包括数字图像处理的一些流程类的问题。包括图像处理的对比度，图像处理的亮度，这之间的一个相关调整，具体的实例，下面就给大家详细解答下。

　　skimage包的exposure模块

　　图像明亮度与相互对比之间的调整，是放在skimage包的exposure模块里面

　　1、gamma调整

　　对原图像的像素，进行幂运算，得到新的像素值。公式中的g就是gamma值。

　　如果gamma>1,新图像比原图像暗

　　如果gamma<1,新图像比原图像亮

　　函数格式为：skimage.exposure.adjust_gamma(image,gamma=1)

　　gamma参数默认为1，原像不发生变化。

</>复制代码 
　　from skimage import data,exposure,img_as_float
　　import matplotlib.pyplot as plt
　　image=img_as_float(data.moon())
　　gam1=exposure.adjust_gamma(image,2)#调暗
　　gam2=exposure.adjust_gamma(image,0.5)#调亮
　　plt.figure('adjust_gamma',figsize=(8,8))
　　plt.subplot(131)
　　plt.title('origin image')
　　plt.imshow(image,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(132)
　　plt.title('gamma=2')
　　plt.imshow(gam1,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(133)
　　plt.title('gamma=0.5')
　　plt.imshow(gam2,plt.cm.gray)
　　plt.axis('off')
　　plt.show()

　　2、log对数调整

　　这个刚好和gamma相反

　　原理：I=log(I)

</>复制代码 
　　from skimage import data,exposure,img_as_float
　　import matplotlib.pyplot as plt
　　image=img_as_float(data.moon())
　　gam1=exposure.adjust_log(image)#对数调整
　　plt.figure('adjust_gamma',figsize=(8,8))
　　plt.subplot(121)
　　plt.title('origin image')
　　plt.imshow(image,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(122)
　　plt.title('log')
　　plt.imshow(gam1,plt.cm.gray)
　　plt.axis('off')
　　plt.show()

    　3、判断图像对比度是否偏低

　　函数：is_low_contrast(img)

　　返回一个bool型值

</>复制代码 
　　from skimage import data,exposure
　　image=data.moon()
　　result=exposure.is_low_contrast(image)
　　print(result)
　　输出为False

　　4、调整强度

　　函数：

　　skimage.exposure.rescale_intensity(image,in_range='image',out_range='dtype')

　　in_range表示输入图片的强度范围，默认为'image',表示用图像的最大/最小像素值作为范围

　　out_range表示输出图片的强度范围，默认为'dype',表示用图像的类型的最大/最小值作为范围

　　默认情况下，输入图片的[min,max]范围被拉伸到[dtype.min,dtype.max]，如果

　　dtype=uint8,那么dtype.min=0,dtype.max=255

</>复制代码 
　　import numpy as np
　　from skimage import exposure
　　image=np.array([51,102,153],dtype=np.uint8)
　　mat=exposure.rescale_intensity(image)
　　print(mat)

　　输出为[0 127 255]

　　即像素最小值由51变为0，最大值由153变为255，整体进行了拉伸，但是数据类型没有变，还是uint8

　　前面我们讲过，可以通过img_as_float()函数将unit8类型转换为float型，实际上还有更简单的方法，就是乘以1.0

</>复制代码 
　　import numpy as np
　　image=np.array([51,102,153],dtype=np.uint8)
　　print(image*1.0)
　　即由[51,102,153]变成了[51.102.153.]
　　而float类型的范围是[0,1]，因此对float进行rescale_intensity调整后，范围变为[0,1],而不是[0,255]
　　import numpy as np
　　from skimage import exposure
　　image=np.array([51,102,153],dtype=np.uint8)
　　tmp=image*1.0
　　mat=exposure.rescale_intensity(tmp)
　　print(mat)

　　结果为[0. 0.5 1.]

　　如果原始像素值不想被拉伸，只是等比例缩小，就使用in_range参数，如：

</>复制代码 
　　import numpy as np
　　from skimage import exposure
　　image=np.array([51,102,153],dtype=np.uint8)
　　tmp=image*1.0
　　mat=exposure.rescale_intensity(tmp,in_range=(0,255))
　　print(mat)

　　输出为：[0.2 0.4 0.6]，即原像素值除以255

　　如果参数in_range的[main,max]范围要比原始像素值的范围[min,max]大或者小，那就进行裁剪，如：

　　mat=exposure.rescale_intensity(tmp,in_range=(0,102))

　　print(mat)

　　输出[0.5 1.1.]，即原像素值除以102，超出1的变为1

　　如果一个数组里面有负数，现在想调整到正数，就使用out_range参数。如：

</>复制代码 
　　import numpy as np
　　from skimage import exposure
　　image=np.array([-10,0,10],dtype=np.int8)
　　mat=exposure.rescale_intensity(image,out_range=(0,127))
　　print(mat)

　　输出[0 63 127]

　　综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来帮助。