第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波3 -幂律变换、伽马变换

目录

    • 幂律(伽马)变换

幂律(伽马)变换

s=crγ(3.5)s = c r^{\gamma} \tag{3.5}s=crγ(3.5)

c和γc和\gammacγ是正常数。考虑到偏移(即输入为0时的一个可度量输出),可改写为s=c(r+ϵ)γs = c (r + \epsilon) ^{\gamma}s=c(r+ϵ)γ

用于获取、打印和显示图像的许多设备的响应遵守幂律。用于校正这些幂律响应现象的处理称为伽马校正伽马编码

我们感兴趣的是曲线的形状,而不是它们的相对值

# 伽马变换不同伽马值的图像,为了图像好看,缩放到相同的数值范围
x = np.arange(0, 256, 1)
epsilon = 1e-5
gammas = [0.04, 0.10, 0.2, 0.40, 0.67, 1, 1.5, 2.5, 5.0, 10, 25]fig = plt.figure(figsize=(6, 6))
ax = fig.gca()
for gamma in gammas:n_power = normalize(np.power(x + epsilon, gamma)) * 255ax.plot(x, n_power, label='$\gamma = {}$'.format(gamma))ax.legend(loc='best')
plt.ylim([0, 255])
plt.xlim([0, 255])
plt.show()

在这里插入图片描述

def gamma_transform(img, c, gamma):"""gamma transform 2d grayscale image, convert uint image to floatparam: input img: input grayscale image param: input c: scale of the transformparam: input gamma: gamma value of the transoform"""img     = img.astype(float)                       #先要把图像转换成为float,不然结果点不太相同epsilon = 1e-5                                    #非常小的值以防出现除0的情况img_dst = np.zeros(img.shape[:2], dtype=np.float)img_dst = c * np.power(img + epsilon, gamma)img_dst = np.uint8(normalize(img_dst) * 255)return img_dst
# 幂律(伽马)变换1
img = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH03/Fig0308(a)(fractured_spine).tif', 0)c = 1
gammas = [1.0, 0.04, 0.1, 0.3, 0.2, 0.4, 0.67, 0.9, 1.5, 2.5, 5, 10]
gama_len = len(gammas)fig = plt.figure(figsize=(15, 26))
for i in range(gama_len):ax = fig.add_subplot(4, 3, i+1, xticks=[], yticks=[])img_gamma= gamma_transform(img, c, gammas[i])ax.imshow(img_gamma, cmap='gray')if gammas[i] == 1.0:ax.set_title("Original")else:ax.set_title(f"$\gamma={gammas[i]}$")plt.tight_layout()
plt.show()

在这里插入图片描述

# 幂律(伽马)变换2
img = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH03/Fig0309(a)(washed_out_aerial_image).tif', 0)
c = 1
gammas = [1.0, 0.1, 0.3, 0.2, 0.4, 0.67, 0.9, 1.5, 3, 4, 5, 10]
gama_len = len(gammas)fig = plt.figure(figsize=(15, 21))
for i in range(gama_len):ax = fig.add_subplot(4, 3, i+1, xticks=[], yticks=[])img_gamma= gamma_transform(img, c, gammas[i])ax.imshow(img_gamma, cmap='gray')if gammas[i] == 1.0:ax.set_title("Original")else:ax.set_title(f"$\gamma={gammas[i]}$")plt.tight_layout()
plt.show()

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/260836.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

没有与参数列表匹配的 重载函数 strcpy_s 实例_Zemax光学设计实例(84)Ftheta扫描平场透镜的设计...

导论:F-theta透镜又叫激光扫描聚焦镜,是激光加工行业必不可少的光学元件之一。对于理想薄透镜,光束的偏转角度与轨迹位置的关系为YF*tan(θ),这种非线性关系会使得匀速偏转的振镜扫描速度与轨迹运动速度是不匹配的,导致…

MongoDB学习笔记(一)--基础

Insert MongoDB在执行插入时,首先会将插入的数据转换成BSON格式。然后MongoDB数据库会对BSON进行解剖,并检查是否存在_id建。 >doc {"_id" : 1…

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波4 - 分段线性变换 - 对比度拉伸

目录分段线性变换对比度拉伸最大最小值拉伸分段线性变换 优点 形式可以任意复杂 缺点 要求用户输入很多参数 对比度拉伸 光照不足、成像传感器的动态范围偏小、图像获取过程中镜头孔径的设置错误 点(r1,s1)和点(r2,s2)(r_1, s_1)和点(r_2, s_2)(r1​,s1​)和点(r2​,s2​…

2017网易内推编程题(判断单词):解答代码

2019独角兽企业重金招聘Python工程师标准>>> 小易喜欢的单词具有以下特性: 1.单词每个字母都是大写字母 2.单词没有连续相等的字母 3.单词没有形如“xyxy”(这里的x,y指的都是字母,并且可以相同)这样的子序列,子序列可…

iphone查看删除的短信_想要恢复已经删除的的短信怎么办?

阅读本文前,请您先点击上面的蓝色字体,再点击“关注”,这样您就可以继续免费收到文章了。每天都有分享,完全是免费订阅,请放心关注。 …

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波5 - 分段线性变换 - 灰度级分层

目录灰度级分层灰度级分层 二值图像 将感兴趣范围内的所有灰显示为一个值(白色),而将其它灰度值显示为另一个值(黑色) 其他灰度级不变 使期望的灰度范围变量(或变暗),但保持图像中…

SQL Server聚集索引的选择

先声明文章非原创,摘自博客园:http://www.cnblogs.com/CareySon/archive/2012/03/06/2381582.html 简介 在SQL Server中,数据是按页进行存放的。而为表加上聚集索引后,SQL Server对于数据的查找就是按照聚集索引的列作为关键字进行…

c++突破网关屏蔽_为什么加了屏蔽罩,测试效果反而不好?

来自专治PCB疑难杂症微信群群友(群友突破1200人啦,文末添加杨老师微信号,可添加入群)的问题讨论:设计时我加了屏蔽罩,结果在测试的时候不加屏蔽罩的效果要比加了屏蔽罩的效果好,这是为何?跟PCB设计的屏蔽罩…

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波6 - 分段线性变换 - 比特平面分层

目录比特平面分层比特平面分层 在一幅256级灰度图像中,图像的值是由8比特(1字节)组成的 def convert_bin(data, n):"""convert decimal to binary, return n th bit, 0 if bit value 0 else 1""" #---------…

iOS GCD

from:http://www.cnblogs.com/dsxniubility/p/4296937.html 一般: dispatch_async(dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0), ^{// 耗时操作dispatch_async(dispatch_get_main_queue(), ^{// 更新UI});}); 本文是对以往学习的多线…

c++和java哪个难_2020 年 11 月编程语言排行榜,Python 超越 Java ?

来源:tiobe.com/tiobe-index/November-2020TIOBE 2020 年 11 月份的编程语言排行榜已经公布,官方的标题是:Python 势如破竹,超越 Java。题外话: 目前小哈正在个人博客(新搭建的网站,域名就是犬小哈的拼音) www.quanxia…

C# 温故而知新:Stream篇(七)

C# 温故而知新:Stream篇(七) NetworkStream 目录: NetworkStream的作用简单介绍下TCP/IP 协议和相关层次简单说明下 TCP和UDP的区别简单介绍下套接字(Socket)的概念简单介绍下TcpClient,TcpListener,IPEndP…

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波7 - 直方图处理 - 直方图、归一化直方图

目录直方图处理直方图处理 令rk,k0,1,2,…,L−1r_k, k0, 1, 2, \dots, L-1rk​,k0,1,2,…,L−1表于一幅LLL级灰度数字图像f(x,y)f(x,y)f(x,y)的灰度。fff的非归一化直方图定义为: h(rk)nk,k0,1,2,…,L−1(3.6)h(r_{k}) n_{k}, \quad k 0, 1, 2, \dots, L-1 \tag{…

Xamarin Android提示找不到资源属性定义

为什么80%的码农都做不了架构师?>>> Xamarin Android提示找不到资源属性定义 错误信息:”Resource.Attribute”未包含”actonBarSize”的定义 Xamarin Android经常会出现找不到资源属性的错误。遇到这种问题,建议先清理解决方法和…

MAC OS X 1.1 El Capitan安装方法与步骤

2019独角兽企业重金招聘Python工程师标准>>> 苹果公司发布了最新的Mac系统El Capitan,我也跟风安装了, 昨天试了一天终于算是安装成功了. ###电脑配置: CPU: E3-1230 v2 主板: 技嘉B75M D3V 显卡: 微星6850 声卡: Realtek ALC887 键盘: Noppoo 84键机械键盘 ###下载…

vp与vs联合开发-网口通信(socket)

Socket通信是一种在网络中进行进程间通信的机制。它使用了一种称为套接字(Socket)的编程接口,通过该接口可以创建、连接、发送和接收数据等操作。 Socket通信中,有两个主要的角色:服务器和客户端。服务器负责监听指定…

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波8 - 直方图处理 - 直方图均衡化(全局直方图均衡化)

直方图均衡化 灰度映射函数: sT(r),0≤r≤L−1(3.8)s T(r), \quad 0\leq r \leq L -1 \tag{3.8}sT(r),0≤r≤L−1(3.8) 假设: (1) T(r)T(r)T(r)在区间0≤r≤L−10 \leq{r} \leq{L-1}0≤r≤L−1 上是一个单调递增函数。 (2) 对于0≤r≤L−10 \leq{r} …

python 元组和列表区别_Python干货整理:一分钟了解元组与列表使用与区别

元组是 Python 对象的集合,跟列表十分相似。下面进行简单的对比。列表与元组1、python中的列表list是变量,而元组tuple是常量。列表:是使用方括号[],元组:则是使用圆括号()2、两者都可以使用索引读取值列表1.列表中的a…

Maven for Eclipse 第二章 ——安装 m2eclipse插件

m2eclipse 是一个提供了 Maven 与 Eclipse 整合的插件。它的意图是桥接上 Maven 和 Eclipse 之间的缺口。通过 Maven 原型提供的简单直白的接口创建项目,它使 Maven 在 IDE 中非常容易使用。下面是m2eclipse 提供的一些特性。 创建和导入 Maven 项目在 Eclipse 运行…

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波9 - 直方图处理 - 直方图匹配(规定化)灰度图像,彩色图像都适用

直方图匹配(规定化) 连续灰度 sT(r)(L−1)∫0rpr(w)dw(3.17)s T(r) (L-1) \int_{0}^{r} p_r(w) \text{d} w \tag{3.17} sT(r)(L−1)∫0r​pr​(w)dw(3.17) 定义关于变量zzz的一个函数GGG,它具有如下性质: G(z)(L−1)∫0zpz(v)d…