图像增强

1、灰度值增强

1.1 计算公式

其中：g’为增强后灰度值，g为增强前灰度值，mult, add为增强参数。灰度值超出[0,255]范围的将被截断。

1.2 代码实验

import cv2

import numpy as np

mult = 2

add = 0

img=cv2.imread('vessel.png',0)

scale_img = np.zeros((img.shape[0],img.shape[1]),dtype = np.uint8)

for i in range(img.shape[0]):

    for j in range(img.shape[1]):

        g = int(add + img[i,j].astype(int)*mult)

        if g <0:

            g =0

        if g > 255:

            g = 255

        scale_img[i,j] = g

cv2.imshow('orige image',img)

cv2.imshow('scale image',scale_img)

cv2.imwrite('vessel_scale.jpg',scale_img)

cv2.waitKey(0)

cv2.destroyAllWindows()

实验结果：

左图为原图，右图为增强后图像。

2、对比度增强

2.1 计算公式

其中：g’为增强后灰度值，g为增强前灰度值，g_mean为图像灰度值均值，a为增强参数，灰度值超出[0,255]范围的将被截断。比均值大的灰度值会增加，比均值小的灰度值会减少，结果是增强边界效果。

2.2 代码实验

import cv2

import numpy as np

a = 1.5

img=cv2.imread('mreut.png',0)

mean = cv2.blur(img, (9,9))

emphasize_img = np.zeros((img.shape[0],img.shape[1]),dtype = np.uint8)

for i in range(img.shape[0]):

    for j in range(img.shape[1]):

        g = round(img[i,j].astype(int)+a*(img[i,j].astype(int)-mean[i,j].astype(int)))

        if g <0:

            g =0

        if g > 255:

            g = 255

        emphasize_img[i,j] = g

cv2.imshow('origeimage',img)

cv2.imshow('emphasize image',emphasize_img)

cv2.imwrite('mreut_emphasize.jpg',emphasize_img)

cv2.waitKey(0)

cv2.destroyAllWindows()

实验结果：

左图为原图，右图为增强后图像。

3 对比度归一化

3.1 计算公式为

其中：g’为增强后灰度值，g为增强前灰度值，gmin为图像最小灰度值，gmax为图像最大灰度值。从公式可以看出，增强后的图像灰度值最小值为0，最大值为255。

3.2 代码实验

import cv2

import numpy as np

img=cv2.imread('vessel.png',0)

g_max = img.max()

g_min = img.min()

scale_img = np.zeros((img.shape[0],img.shape[1]),dtype = np.uint8)

for i in range(img.shape[0]):

    for j in range(img.shape[1]):

        g = int(255*(img[i,j].astype(int)-g_min.astype(int))/(g_max.astype(int)-g_min.astype(int)))

        if g <0:

            g =0

        if g > 255:

            g = 255

        scale_img[i,j] = g

cv2.imshow('origeimage',img)

cv2.imshow('scale image max',scale_img)

cv2.imwrite('vessel_scale_max.jpg',scale_img)

cv2.waitKey(0)

cv2.destroyAllWindows()

实验结果：

左图为原图，右图为增强后图像。

注：本系列博客为本人讲授《机器人视觉识别技术》教案整理，使用教程为：《机器视觉算法与应用》，作者：[德]Carten Steger等，清华大学出版社，2019年第2版，ISBN 978-7-302-51905-8。实验软件如下：

（1）德国MVTec公司软件halcon 20.11.1.0，下载官网：https://www.mvtec.com/cn/products/halcon/free-halcon-trial，每月evaluation licenses下载地址：https://blog.csdn.net/qq_18620653/article/details/120033443。

（2）python环境和核心库：anaconda + pycharm，python:3.8.16，opencv-python:4.7.0.72