灰度变换_增强图像暗部细节(直方图均衡化,对数变换,Gamma变换)
直方图均衡化
定义
直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。
作用
增强图像的细节部分,特别是对于过亮或过暗的图像
原理
直方图均衡化就是对图像进行非线性拉伸,使得变换后的图像直方图分布均匀。
图像的灰度分布集中在较窄的范围内,这就导致了图像的细节不够清晰。为什么不清晰呢,因为灰度分布较窄时,那么,在计算对比度的时候,对比度就很小,所以就不清晰。为了使得图像变得清晰,那么就需要使得灰度值的差别变大,为了使得灰度值的差别变大,就意味着灰度分布就变的较宽,使得灰度值分布变得均匀,在某个灰度级区间内,像素的个数分布大致相同,这样才能使得图像的对比度增强,细节变得清晰可见。
参考:https://blog.csdn.net/aoulun/article/details/78816816
举例
(另两个色道变换同上)
参考:https://www.cnblogs.com/hustlx/p/5245461.html
代码
https://blog.csdn.net/qq_40313712/article/details/88556388
对数变换
作用
对图像中低灰度细节进行增强
其中c为常数,r属于 [0,1] , r+1 可以使函数向左移一个单位,得到的s均大于0。
参考:https://www.cnblogs.com/laumians-notes/p/8629396.html
原理
对数变换,将源图像中范围较窄的低灰度值映射到范围较宽的灰度区间,同时将范围较宽的高灰度值区间映射为较窄的灰度区间,从而扩展了暗像素的值,压缩了高灰度的值,能够对图像中低灰度细节进行增强。
代码
https://www.cnblogs.com/wangguchangqing/p/6983680.html#autoid-1-1-0
Gamma校正
图2中左图为原图,中图为gamma = 1/2.2在校正结果,原图中左半侧的灰度值较高,右半侧的灰度值较低,经过gamma = 1/2.2校正后(中图),左侧的对比度降低(见胡须),右侧在对比度提高(明显可以看清面容),同时图像在的整体灰度值提高。
右图为gamma = 2.2在校正结果,校正后,左侧的对比度提高(见胡须),右侧在对比度降低(面容更不清楚了),同时图像在的整体灰度值降低。
值得一提的是,人眼是按照gamma < 1的曲线对输入图像进行处理的。
参考:https://blog.csdn.net/u013286409/article/details/50239377