【OpenCV 例程200篇】40. 图像分段线性灰度变换
欢迎关注 『OpenCV 例程200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：
Dt={caD,0≤D<ad−cb−a[D−a]+c,a≤D≤bf−de−b[D−a]+d,b<D≤eDt = \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。
例程：1.50 分段线性灰度变换（对比度拉伸）
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] <= r2k3 = (255-s2) / (255-r2) # imgGray[h,w] > r2for 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) + s1elif imgGray[h,w] > r2:imgStretch[h,w] = k3 * (imgGray[h,w] - r2) + s2plt.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）
附注：
根据博友zhashung001的意见，将 LUT 实现方法贴出，供读者参考：
def DLST(img, x1, y1, x2, y2): # divided linear strength transformation# 分段线性拉伸变换, divided linear strength transformationlut = np.zeros(256)for i in range(256):if i < x1:lut[i] = (y1/x1) * i # k1=y1/x1elif i < x2:lut[i] = (y2-y1)/(x2-x1) * (i-x1) + y1 # k2=(y2-y1)/(x2-x1)else:lut[i] = (255.-y2)/(255.-x2) * (i-255.) + y2 # k3=(255-y2)/(255-x2)imgStretch = cv2.LUT(img, lut)imgStretch = np.uint8(imgStretch + 0.5)return imgStretch# 1.51 对比度拉伸 (DLST 和 Max-Min Stretch)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)imgStretch1 = DLST(imgGray, r1, s1, r2, s2) # 调用子程序 DLST(Divided linear strength)imgStretch2 = MMST(imgGray) # 调用子程序 MMST(Max-Min strength)plt.figure(figsize=(10, 6))plt.subplot(131), plt.imshow(imgGray, cmap='gray', vmin=0, vmax=255), plt.title("Original"), plt.axis('off')plt.subplot(132), plt.imshow(imgStretch1, cmap='gray', vmin=0, vmax=255), plt.title("DLST Stretch"), plt.axis('off')plt.subplot(133), plt.imshow(imgStretch2, cmap='gray', vmin=0, vmax=255), plt.title("Max-Min Stretch"), plt.axis('off')plt.show()
版权声明：
youcans@xupt 原创作品，转载必须标注原文链接
Copyright youcans, XUPT
Crated：-11-22
欢迎关注 『OpenCV 例程200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 例程200篇】01. 图像的读取（cv2.imread）
【OpenCV 例程200篇】02. 图像的保存（cv2.imwrite）
【OpenCV 例程200篇】03. 图像的显示（cv2.imshow）
【OpenCV 例程200篇】04. 用 matplotlib 显示图像（plt.imshow）
【OpenCV 例程200篇】05. 图像的属性（np.shape）
【OpenCV 例程200篇】06. 像素的编辑（img.itemset）
【OpenCV 例程200篇】07. 图像的创建（np.zeros）
【OpenCV 例程200篇】08. 图像的复制（np.copy）
【OpenCV 例程200篇】09. 图像的裁剪（cv2.selectROI）
【OpenCV 例程200篇】10. 图像的拼接（np.hstack）
【OpenCV 例程200篇】11. 图像通道的拆分（cv2.split）
【OpenCV 例程200篇】12. 图像通道的合并（cv2.merge）
【OpenCV 例程200篇】13. 图像的加法运算（cv2.add）
【OpenCV 例程200篇】14. 图像与标量相加（cv2.add）
【OpenCV 例程200篇】15. 图像的加权加法（cv2.addWeight）
【OpenCV 例程200篇】16. 不同尺寸的图像加法
【OpenCV 例程200篇】17. 两张图像的渐变切换
【OpenCV 例程200篇】18. 图像的掩模加法
【OpenCV 例程200篇】19. 图像的圆形遮罩
【OpenCV 例程200篇】20. 图像的按位运算
【OpenCV 例程200篇】21. 图像的叠加
【OpenCV 例程200篇】22. 图像添加非中文文字
【OpenCV 例程200篇】23. 图像添加中文文字
【OpenCV 例程200篇】23. 图像添加中文文字
【OpenCV 例程200篇】24. 图像的仿射变换
【OpenCV 例程200篇】25. 图像的平移
【OpenCV 例程200篇】26. 图像的旋转（以原点为中心）
【OpenCV 例程200篇】27. 图像的旋转（以任意点为中心）
【OpenCV 例程200篇】28. 图像的旋转（直角旋转）
【OpenCV 例程200篇】29. 图像的翻转（cv2.flip）
【OpenCV 例程200篇】30. 图像的缩放（cv2.resize）
【OpenCV 例程200篇】31. 图像金字塔（cv2.pyrDown）
【OpenCV 例程200篇】32. 图像的扭变（错切）
【OpenCV 例程200篇】33. 图像的复合变换
【OpenCV 例程200篇】34. 图像的投影变换
【OpenCV 例程200篇】35. 图像的投影变换（边界填充）
【OpenCV 例程200篇】36. 直角坐标与极坐标的转换
【OpenCV 例程200篇】37. 图像的灰度化处理和二值化处理
【OpenCV 例程200篇】38. 图像的反色变换（图像反转）
【OpenCV 例程200篇】39. 图像灰度的线性变换
【OpenCV 例程200篇】40. 图像分段线性灰度变换
【OpenCV 例程200篇】41. 图像的灰度变换（灰度级分层）
【OpenCV 例程200篇】42. 图像的灰度变换（比特平面分层）
【OpenCV 例程200篇】43. 图像的灰度变换（对数变换）
【OpenCV 例程200篇】44. 图像的灰度变换（伽马变换）
【OpenCV 例程200篇】45. 图像的灰度直方图
【OpenCV 例程200篇】46. 直方图均衡化
【OpenCV 例程200篇】47. 图像增强—直方图匹配
【OpenCV 例程200篇】48. 图像增强—彩色直方图匹配
【OpenCV 例程200篇】49. 图像增强—局部直方图处理
【OpenCV 例程200篇】50. 图像增强—直方图统计量图像增强
【OpenCV 例程200篇】51. 图像增强—直方图反向追踪
【OpenCV 例程200篇】52. 图像的相关与卷积运算
【OpenCV 例程200篇】53. Scipy 实现图像二维卷积
【OpenCV 例程200篇】54. OpenCV 实现图像二维卷积
【OpenCV 例程200篇】55. 可分离卷积核
【OpenCV 例程200篇】56. 低通盒式滤波器
【OpenCV 例程200篇】57. 低通高斯滤波器
【OpenCV 例程200篇】58. 非线性滤波—中值滤波
【OpenCV 例程200篇】59. 非线性滤波—双边滤波
【OpenCV 例程200篇】60. 非线性滤波—联合双边滤波
【OpenCV 例程200篇】61. 导向滤波（Guided filter）
【OpenCV 例程200篇】62. 图像锐化——钝化掩蔽
【OpenCV 例程200篇】63. 图像锐化——Laplacian 算子
【OpenCV 例程200篇】64. 图像锐化——Sobel 算子
【OpenCV 例程200篇】65. 图像锐化——Scharr 算子
【OpenCV 例程200篇】66. 图像滤波之低通/高通/带阻/带通
【OpenCV 例程200篇】67. 空间域图像增强的综合应用
【OpenCV 例程200篇】68. 空间域图像增强的综合应用
【OpenCV 例程200篇】69. 连续非周期信号的傅立叶系数
【OpenCV 例程200篇】70. 一维连续函数的傅里叶变换
【OpenCV 例程200篇】71. 连续函数的取样
【OpenCV 例程200篇】72. 一维离散傅里叶变换
【OpenCV 例程200篇】73. 二维连续傅里叶变换
【OpenCV 例程200篇】74. 图像的抗混叠
【OpenCV 例程200篇】75. Numpy 实现图像傅里叶变换
【OpenCV 例程200篇】76. OpenCV 实现图像傅里叶变换
【OpenCV 例程200篇】77. OpenCV 实现快速傅里叶变换
【OpenCV 例程200篇】78. 频率域图像滤波基础
【OpenCV 例程200篇】79. 频率域图像滤波的基本步骤
【OpenCV 例程200篇】80. 频率域图像滤波详细步骤
【OpenCV 例程200篇】81. 频率域高斯低通滤波器
【OpenCV 例程200篇】82. 频率域巴特沃斯低通滤波器
【OpenCV 例程200篇】83. 频率域低通滤波：印刷文本字符修复
【OpenCV 例程200篇】84. 由低通滤波器得到高通滤波器
【OpenCV 例程200篇】85. 频率域高通滤波器的应用
【OpenCV 例程200篇】86. 频率域滤波应用：指纹图像处理
【OpenCV 例程200篇】87. 频率域钝化掩蔽
【OpenCV 例程200篇】88. 频率域拉普拉斯高通滤波
【OpenCV 例程200篇】89. 带阻滤波器的传递函数
【OpenCV 例程200篇】90. 频率域陷波滤波器
【OpenCV 例程200篇】91. 高斯噪声、瑞利噪声、爱尔兰噪声
【OpenCV 例程200篇】92. 指数噪声、均匀噪声、椒盐噪声
【OpenCV 例程200篇】93. 噪声模型的直方图
【OpenCV 例程200篇】94. 算术平均滤波器
【OpenCV 例程200篇】95. 几何均值滤波器
【OpenCV 例程200篇】96. 谐波平均滤波器
【OpenCV 例程200篇】97. 反谐波平均滤波器
【OpenCV 例程200篇】98. 统计排序滤波器
【OpenCV 例程200篇】99. 修正阿尔法均值滤波器
【OpenCV 例程200篇】100. 自适应局部降噪滤波器
