在OpenCV里实现图像线性变换

在前面学习了什么叫做灰度直方图，知道图像对比度是通过灰度级范围来度量的，而灰度级范围可通过观察灰度直方图得到，范围越大说明对比度越高。低对比度的图像在视觉上给人的感觉是看起来不够清晰，因此需要通过算法来调整图像的灰度值，从而使用图像更加清晰起来，最容易理解的算法就是线性变换的算法。对于图像矩阵的线性变换，无非就是乘一个常数，或者每个值加上常数。如果大于255的值转换为255，这样就可以限制图像的像素值不会超过显示范围。

我们知道线性变换的方程为y=ax+b，在下面这个例子里，先假定b等于0，a可以取大于0的值，代码如下：

#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import cv2
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

#图片的路径
imgname = "imgblack.jpg"

#读取图片
image = cv2.imread(imgname, cv2.IMREAD_GRAYSCALE)

#图片的高度和宽度
h,w = image.shape[:2]
print(w,h)

#显示原图
cv2.imshow("Image",image)

#线性变换处理
m = 2.25
outline = m*image
print(np.max(outline))
outline[outline>255] = 255
outline = np.round(outline)
outline = outline.astype(np.uint8)

cv2.imshow("outline", outline)

#显示直方图
pixel = outline.reshape([h*w,])#把二维数组转换为一维数组
grayHist, bins, patch = plt.hist(pixel, 256,facecolor='black',histtype='bar')
plt.xlabel('灰度值')
plt.ylabel('像素个数')
plt.axis([0,255, 0, np.max(grayHist)])#设置坐标轴范围
plt.show()

cv2.waitKey(0)
cv2.destroyAllWindows()
    

结果输出如下：

左图是输入图片，有点偏暗，右图是线性变换之后图片

线性变换之后的灰度直方图

从上面图像对比之后，发现图片变换之后，对比度好看了好多。现在继续分析一下例子里线性变换的那段代码。

#线性变换处理

m = 2.25

outline = m*image

print(np.max(outline))

outline[outline>255] = 255

outline = np.round(outline)

outline = outline.astype(np.uint8)

在这里m定义了比例放大系数，相当于公式里的a值，接着在m*image里与图像矩阵相乘，这样图像的每个像素都放大了。outline[outline>255] 是numpy数组的布尔索引的用法，相当于找出数组里所有大于255的元素，然后把右边的值255赋值。np.round（）是对数组进行最近值取整，比如1.5和2.5运算之后为2.0。由于数组在前面进行相乘之后，元素的数据类型转换为浮点型，因此在最后使用outline.astype（）转换为8位整型。这里使用的运算都是numpy的知识，所以要对numpy先行学习，才能继续学习下去。