OpenCV是一個C++庫,目前流行的計算機視覺編程庫,用於實時處理計算機視覺方面的問題,它涵蓋了很多計算機視覺領域的模塊。在Python中常使用OpenCV庫實現圖像處理。
本文將介紹如何在Python3中使用OpenCV實現對圖像處理的灰度變換：
灰度化處理，二值化處理，伽馬變換，對數變換，反向變換
電腦環境准備
Python版本：
Python3.7
OpenCV版本：
OpenCV4.1
知識准備
一張圖片是由像素點矩陣構成，我們對圖片進行操作即為對圖片的像素點矩陣進行操作。我們只要在這個像素點矩陣中找到這個像素點的位置，比如第x行，第y列。所以這個像素點在這個像素點矩陣中的位置就可以表示成（x，y）
同時因為一個像素點的顏色通常包括R、G、B三個分量，分別顯示出紅、綠、藍三個顏色，灰度化就是使彩色圖像的R、G、B三個分量相等的過程。灰度圖像中每個像素僅具有一種樣本顏色，其灰度是位於黑色與白色之間的多級色彩深度，灰度值大的像素點比較亮，反之比較暗，像素值最大為255（表示白色），像素值最小為0（表示黑色）。
No.1
灰度化處理
Opencv中圖片的灰度化：將一個像素點的三個顏色變量相等，R=G=B，此時該值稱為灰度值。
本文提供的灰度化處理有兩種方法（灰度化處理不止這兩種）
方法1：直接將原圖讀成灰度圖像
img1=cv2.imread('girl.png',0)
方法2：將原圖進行灰度化處理
#灰度化處理2：
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
import cv2
#讀入原始圖像
img=cv2.imread('girl.png',1)
#灰度化處理1：直接讀入灰度化圖像
img1=cv2.imread('girl.png',0)
#灰度化處理2：
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#通過窗口展示圖片 第一個參數為窗口名 第二個為讀取的圖片變量
cv2.imshow('img',img)
cv2.imshow('gray1',img1)
cv2.imshow('gray2',gray)
#暫停cv2模塊 不然圖片窗口一瞬間即就會消失 觀察不到
cv2.waitKey(0)
運行程序后，顯示如下：
No.2
二值化處理
Opencv中的圖像的二值化，就是將圖像上的像素點的灰度值設置為0或255，也就是將整個圖像呈現出明顯的只有黑和白的視覺效果。
cv.threshold ()函數是圖像二值化函數
其中，第二個參數是判定像素點的臨界值。超過了這個點，將會被划分為255，低於這個點，將會被划分為0。具體的參數0~255可以自行根據需要調節。
import cv2
#讀入原始圖像
img=cv2.imread('girl.png',1)
#灰度化處理
img1=gray.copy()
#灰度化處理：此灰度化處理用於圖像二值化
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#二值化函數
cv2.threshold(gray,140,255,0,gray)#二值化函數
#通過窗口展示圖片 第一個參數為窗口名 第二個為讀取的圖片變量
cv2.imshow('img',img)
cv2.imshow('gray',img1)
cv2.imshow('Binarization',gray)
#暫停cv2模塊 不然圖片窗口一瞬間即就會消失 觀察不到
cv2.waitKey(0)
運行程序后，顯示如下：
No.3
灰度圖像的伽馬變換
Opencv中的伽馬變換是用來圖像增強，提升了暗部細節，簡單來說就是通過非線性變換，讓圖像從暴光強度的線性響應變得更接近人眼感受的響應，即將漂白（相機曝光）或過暗（曝光不足）的圖片，進行矯正。
伽馬值小於1時，會拉伸圖像中灰度級較低的區域，同時會壓縮灰度級較高的部分
伽馬值大於1時，會拉伸圖像中灰度級較高的區域，同時會壓縮灰度級較低的部分
import cv2
import copy
#讀入原始圖像
img=cv2.imread('girl.png',1)
#灰度化處理
img1=cv2.imread('girl.png',0)
#灰度化處理：此灰度化處理用於圖像二值化
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#伽馬變換
gamma=copy.deepcopy(gray)
rows=img.shape[0]
cols=img.shape[1]
for i in range(rows):
for j in range(cols):
gamma[i][j]=3*pow(gamma[i][j],0.8)
#通過窗口展示圖片 第一個參數為窗口名 第二個為讀取的圖片變量
cv2.imshow('img',img)
cv2.imshow('gray',img1)
cv2.imshow('gamma',gamma)
#暫停cv2模塊 不然圖片窗口一瞬間即就會消失 觀察不到
cv2.waitKey(0)
運行程序后，顯示如下：
No.4
灰度圖像的對數變換
Opencv中的對數變換：由於對數曲線在像素值較低的區域斜率大，在像素值較高的區域斜率較小，所以圖像經過對數變換后，較暗區域的對比度將有所提升。可用於增強圖像的暗部細節。
灰度圖像的對數變換一般表示如公式所示：
DB=C*log(1+ DA)
其中c為尺度比較常數，DA為原始圖像灰度值，DB為變換后的目標灰度值。
如下圖所示，它表示對數曲線下的灰度值變化情況。
由於對數曲線在像素值較低的區域斜率大，在像素值較高的區域斜率較小，所以圖像經過對數變換后，較暗區域的對比度將有所提升。這種變換可用於增強圖像的暗部細節，從而用來擴展被壓縮的高值圖像中的較暗像素。
對數變換實現了擴展低灰度值而壓縮高灰度值的效果，被廣泛地應用於頻譜圖像的顯示中。一個典型的應用是傅立葉頻譜，其動態范圍可能寬達0～106直接顯示頻譜時，圖像顯示設備的動態范圍往往不能滿足要求，從而丟失大量的暗部細節；而在使用對數變換之后，圖像的動態范圍被合理地非線性壓縮，從而可以清晰地顯示。
import cv2
import copy
import math
#讀入原始圖像
img=cv2.imread('girl.png',1)
#灰度化處理
img1=cv2.imread('girl.png',0)
#灰度化處理：此灰度化處理用於圖像二值化
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 對數變換
logc = copy.deepcopy(gray)
rows=img.shape[0]
cols=img.shape[1]
for i in range(rows):
for j in range(cols):
logc[i][j] = 3 * math.log(1 + logc[i][j])
#通過窗口展示圖片 第一個參數為窗口名 第二個為讀取的圖片變量
cv2.imshow('img',img)
cv2.imshow('gray',img1)
cv2.imshow('logc',logc)
#暫停cv2模塊 不然圖片窗口一瞬間即就會消失 觀察不到
cv2.waitKey(0)
運行程序后，顯示如下：
No.5
灰度圖像的反色變換
Opencv中的反色變換：對原圖像像素值的顏色進行反轉，即黑色變為白色，白色變為黑色。
import cv2
import copy
import math
#讀入原始圖像
img=cv2.imread('girl.png',1)
#灰度化處理
img1=cv2.imread('girl.png',0)
#灰度化處理：此灰度化處理用於圖像二值化
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 反色變換
cover=copy.deepcopy(gray)
rows=img.shape[0]
cols=img.shape[1]
for i in range(rows):
for j in range(cols):
cover[i][j]=255-cover[i][j]
#通過窗口展示圖片 第一個參數為窗口名 第二個為讀取的圖片變量
cv2.imshow('img',img)
cv2.imshow('gray',img1)
cv2.imshow('cover',cover)
#暫停cv2模塊 不然圖片窗口一瞬間即就會消失 觀察不到
cv2.waitKey(0)
運行程序后，顯示如下：
————————————————
轉載：https://blog.csdn.net/weixin_44447791/article/details/105672447