图像Gamma变换-增强_gamma曲线图像增强

原理

幂函数的基本形式为：
$$s=c\times r^{\Gamma }$$
其中 c 和 $\Gamma$表示正常数，r表示输入的灰度值，当c=1时不同的$\Gamma$值对应的s曲线如下图所示。
当 $\Gamma <1$时，对图像的暗区有提亮的作用，当 $\Gamma >1$对图像的高亮部分有抑制作用。

代码

import numpy as np
import matplotlib.pyplot as plt
from skimage import io

def gamma_transform(image, th1, th2, gamma1, gamma2):
    
    if gamma1 == gamma2:
        image1 = np.power(image, gamma1)
    else:
        if image.ndim == 3:
           c, r, d = image.shape
           y = image[:,:,0]*0.299+image[:,:,1]*0.587+image[:,:,2]*0.114
           image1 = np.zeros((c, r, d))
           for i in range(c):
               for j in range(r):
                    if y[i,j] < th1:
                        image1[i,j,:] = np.power(image[i, j, :], gamma1)
                    elif y[i,j] >= th2:
                        image1[i,j,:] = np.power(image[i, j, :], gamma2)
                    else:
                        image1[i,j,:] = image[i,j,:]
        elif image.ndim == 2:
            c, r = image.shape
            y = image
            image1 = np.zeros((c, r))
            for i in range(c):
                for j in range(r):
                     if y[i,j] < th1:
                         image1[i,j] = np.power(image[i, j], gamma1)
                     elif y[i,j] >= th2:
                         image1[i,j] = np.power(image[i, j], gamma2)
                     else:
                         image1[i,j] = image[i,j]
    return image1

path = 'D:/2_project/0_test/1.jpg'
I = io.imread(path)
I1 = I/255.0

image1 = gamma_transform(I1, 0, 0, 0.4, 0.4)
image2 = gamma_transform(I1, 0, 0, 2, 2)
image3 = gamma_transform(I1, 0.5, 0.5, 0.4, 2)
image4 = gamma_transform(I1, 0.3, 0.75, 0.4, 2)

plt.figure()
plt.subplot(221)      
plt.imshow(image1)
plt.axis('off')
plt.subplot(222)      
plt.imshow(image2)
plt.axis('off')
plt.subplot(223)
plt.imshow(image3)               
plt.axis('off') 
plt.subplot(224)
plt.imshow(image4)               
plt.axis('off') 


##灰度范围测试
a = np.zeros((100, 256))
for i in range(100):
    for j in range(256):
        a[i,j] = j
b = a/255.0

b1 = gamma_transform(b, 0, 0, 0.4, 0.4)
b2 = gamma_transform(b, 0, 0, 2, 2)
b3 = gamma_transform(b, 0.5, 0.5, 0.4, 2)
b4 = gamma_transform(b, 0.3, 0.75, 0.5, 2)
plt.figure()
plt.subplot(221)      
plt.imshow(b1, 'gray')
plt.axis('off')
plt.subplot(222)      
plt.imshow(b2, 'gray')
plt.axis('off')
plt.subplot(223)
plt.imshow(b3, 'gray')               
plt.axis('off') 
plt.subplot(224)
plt.imshow(b4, 'gray')               
plt.axis('off')
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83

结果

亮度斜坡图像

生成0-255范围的灰度斜坡图像，如下图所示

对其进行$\Gamma =0.1$变换，可以从中看出对暗区的部分有提亮作用

对其进行$\Gamma =2$变换，可以从中看出对高亮的部分有压制作用

对不同阶段范围的灰度进行不同的$\Gamma$处理，会出现分层的情况：
当灰度值＜0.5时，$\Gamma =0.1$，当灰度值＞0.5时，$\Gamma =2$，得到的图像如下图所示：

当灰度值＜0.25时，$\Gamma =0.1$，当灰度值＞0.75时，$\Gamma =2$，得到的图像如下图所示：

自然图像进行伽马变换

一张自然图像如下所示：

对其进行$\Gamma =0.1$变换，可以从中看出对暗区的部分有提亮作用

对其进行$\Gamma =2$变换，可以从中看出对高亮的部分有压制作用

对不同阶段范围的灰度进行不同的$\Gamma$处理，会出现分层的情况：
当灰度值＜0.5时，$\Gamma =0.1$，当灰度值＞0.5时，$\Gamma =2$，得到的图像如下图所示：

当灰度值＜0.25时，$\Gamma =0.1$，当灰度值＞0.75时，$\Gamma =2$，得到的图像如下图所示：

参考

冈萨雷斯数字图像处理第三版