Unter Kontrastverstärkung versteht man die Erweiterung des Graustufenbereichs des Bildes. Wenn der Graustufenverteilungsbereich des Bilds beispielsweise zwischen [50,150] liegt, wird der Bereich auf [0,256] erhöht. Hier stellen wir Algorithmen wie lineare Transformation, Histogramm-Regularisierung, Gamma-Transformation, globale Histogramm-Entzerrung und adaptive Histogramm-Entzerrung mit begrenztem Kontrast vor.
lineare Transformation
Der Graustufenwert wird durch die Funktion y=ax+b verarbeitet. Für ein zu dunkles Bild beträgt die Graustufenverteilung beispielsweise [0,100]. Durch Auswahl von a=2,b=10 kann der Graustufenbereich auf [10,210] erweitert werden. . Dies kann durch die Funktion „convertScaleAbs()“ von np oder opencv erreicht werden.
#coding:utf-8
import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
from cv2 import convertScaleAbs
img = cv.imread(r"C:\Users\mzd\Desktop\opencv\images.jpg")
print(img)
img_bright = cv.convertScaleAbs(img,alpha=1.5,beta=0)
print(img_bright)
cv.imshow("img",img)
cv.imshow("img_bright",img_bright)
cv.waitKey(0)
cv.destroyAllWindows()
convertScaleAbs()
Histogramm-Regularisierung
#coding:utf-8
import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
img = cv.imread(r"C:\Users\mzd\Desktop\opencv\images.jpg")
img_norm=cv.normalize(img,dst=None,alpha=350,beta=10,norm_type=cv.NORM_MINMAX)
cv.imshow("img",img)
cv.imshow("img_norm",img_norm)
cv.waitKey(0)
cv.destroyAllWindows()
cv.normalize()
Globaler Histogrammausgleich
#coding:utf-8
import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
import math
img = cv.imread(r"C:\Users\Administrator\Desktop\dark.jpg",0)
img_equalize = cv.equalizeHist(img)
cv.imshow("img",img)
cv.imshow("img_equalize",img_equalize)
cv.waitKey(0)
cv.destroyAllWindows()
opencv equalizeHist()
