>>> from env_helper import info; info()
页面更新时间： 2024-04-03 22:54:03
运行环境：
Linux发行版本: Debian GNU/Linux 12 (bookworm)
操作系统内核: Linux-6.1.0-18-amd64-x86_64-with-glibc2.36
Python版本: 3.11.2
2.1. 对比度与亮度调整¶
图像亮度与对比度的调整，是放在skimage包的exposure模块里面
2.1.1. gamma调整¶
原理： \(I=I^g\)
对原图像的像素，进行幂运算，得到新的像素值。公式中的 \(g\) 就是gamma值。
如果 \(gamma\gt1\) , 新图像比原图像暗
如果 \(gamma\lt1\) ,新图像比原图像亮
函数格式为： skimage.exposure.adjust_gamma(image, gamma=1)
gamma 参数默认为 1 ，原像不发生变化 。
>>> from skimage import data, exposure, img_as_float
>>> import matplotlib.pyplot as plt
>>> image = img_as_float(data.moon())
>>> gam1= exposure.adjust_gamma(image, 2) #调暗
>>> gam2= exposure.adjust_gamma(image, 0.5) #调亮
>>> plt.figure('adjust_gamma',figsize=(8,8))
>>>
>>> plt.subplot(131)
>>> plt.title('origin image')
>>> plt.imshow(image,plt.cm.gray)
>>> plt.axis('off')
>>>
>>> plt.subplot(132)
>>> plt.title('gamma=2')
>>> plt.imshow(gam1,plt.cm.gray)
>>> plt.axis('off')
>>>
>>> plt.subplot(133)
>>> plt.title('gamma=0.5')
>>> plt.imshow(gam2,plt.cm.gray)
>>> plt.axis('off')
>>>
>>> plt.show()
2.1.2. log 对数调整¶
这个刚好和gamma相反
原理： \(I=log(I)\)
>>> from skimage import data, exposure, img_as_float
>>> import matplotlib.pyplot as plt
>>> image = img_as_float(data.moon())
>>> gam1= exposure.adjust_log(image) #对数调整
>>> plt.figure('adjust_gamma',figsize=(8,8))
>>>
>>> plt.subplot(121)
>>> plt.title('origin image')
>>> plt.imshow(image,plt.cm.gray)
>>> plt.axis('off')
>>>
>>> plt.subplot(122)
>>> plt.title('log')
>>> plt.imshow(gam1,plt.cm.gray)
>>> plt.axis('off')
>>>
>>> plt.show()
2.1.3. 判断图像对比度是否偏低¶
函数：is_low_contrast(img)
返回一个 bool 型值
>>> from skimage import data, exposure
>>> image =data.moon()
>>> result=exposure.is_low_contrast(image)
>>> print(result)
False
2.1.4. 调整强度¶
函数：
skimage.exposure.rescale_intensity(image, in_range='image', out_range='dtype')
in_range表示输入图片的强度范围，默认为image, 表示用图像的最大/最小像素值作为范围out_range表示输出图片的强度范围，默认为dtype, 表示用图像的类型的最大/最小值作为范围
默认情况下，输入图片的[min,max]范围被拉伸到[dtype.min, dtype.max]，如果dtype=uint8, 那么dtype.min=0, dtype.max=255
>>> import numpy as np
>>> from skimage import exposure
>>> image = np.array([51, 102, 153], dtype=np.uint8)
>>> mat=exposure.rescale_intensity(image)
>>> print(mat)
[ 0 127 255]
即像素最小值由51变为0，最大值由153变为255，整体进行了拉伸，但是数据类型没有变，还是uint8
前面我们讲过，可以通过img_as_float()函数将unit8类型转换为float型，实际上还有更简单的方法，就是乘以1.0
>>> import numpy as np
>>> image = np.array([51, 102, 153], dtype=np.uint8)
>>> print(image*1.0)
[ 51. 102. 153.]
即由[51,102,153]变成了[ 51. 102. 153.]
而float类型的范围是[0,1]，因此对float进行rescale_intensity 调整后，范围变为[0,1],而不是[0,255]
>>> import numpy as np
>>> from skimage import exposure
>>> image = np.array([51, 102, 153], dtype=np.uint8)
>>> tmp=image*1.0
>>> mat=exposure.rescale_intensity(tmp)
>>> print(mat)
[0. 0.5 1. ]
如果原始像素值不想被拉伸，只是等比例缩小，就使用in_range参数，如：
>>> import numpy as np
>>> from skimage import exposure
>>> image = np.array([51, 102, 153], dtype=np.uint8)
>>> tmp=image*1.0
>>> mat=exposure.rescale_intensity(tmp,in_range=(0,255))
>>> print(mat)
[0.2 0.4 0.6]
输出为：[ 0.2 0.4 0.6]，即原像素值除以255
如果参数in_range的[main,max]范围要比原始像素值的范围[min,max] 大或者小，那就进行裁剪，如：
>>> mat=exposure.rescale_intensity(tmp,in_range=(0,102))
>>> print(mat)
[0.5 1. 1. ]
输出[ 0.5 1. 1. ]，即原像素值除以102，超出1的变为1
如果一个数组里面有负数，现在想调整到正数，就使用out_range参数。如：
>>> import numpy as np
>>> from skimage import exposure
>>> image = np.array([-10, 0, 10], dtype=np.int8)
>>> mat=exposure.rescale_intensity(image, out_range=(0, 127))
>>> print(mat)
[ 0. 63.5 127. ]