OpenCV / python：如何使用公式更改图像像素的值？

Question

我正在尝试使用对数变换来拉伸图像的直方图。 基本上，我正在对每个像素的强度应用log操作。 当我尝试更改每个像素中的图像值时，不会保存新值，但直方图看起来没问题。 此外，最大值不正确。 这是我的代码：

import cv2
import numpy as np
import math
from matplotlib import pyplot as plt

img = cv2.imread('messi.jpg',0)
img2 = img
for i in range(0,img2.shape[0]-1):
    for j in range(0,img2.shape[1]-1):
        if (math.log(1+img2[i,j],2)) < 0:
            img2[i,j]=0
        else:
            img2[i,j] = np.int(math.log(1+img2[i,j],2))
            print (np.int(math.log(1+img2[i,j],2)))

print (img2.ravel().max())          
cv2.imshow('LSP',img2)
cv2.waitKey(0)
fig = plt.gcf()
fig.canvas.set_window_title('LSP histogram')
plt.hist(img2.ravel(),256,[0,256]); plt.show()
img3 = img2
B = np.int(img3.max())
A = np.int(img3.min())
print ("Maximum intensity = ", B)
print ("minimum intensity = ", A)

这也是我得到的直方图：

但是，最大强度显示186！ 这根本没有应用适当的对数运算。

有任何想法吗？

Answer 1

您编写的代码执行应用于图像强度的对数变换。 你之所以得到如此高的杂散强度是因为你的for循环是错误的。 具体来说，您的range不正确。 range 不包括结束间隔，这意味着你必须分别去img.shape[0]和img.shape[1] ，而不是img.shape[0]-1或img.shape[1]-1 。 因此，您缺少图像的最后一行和最后一列，并且这些不会被对数操作触及。 报告的最大值来自您未触摸的最后一行或列中的其中一个像素。

一旦你纠正了这个，你就不再那么强烈了：

for i in range(0,img2.shape[0]): # Change
    for j in range(0,img2.shape[1]): # Change
        if (math.log(1+img2[i,j],2)) < 0:
            img2[i,j]=0
        else:
            img2[i,j] = np.int(math.log(1+img2[i,j],2))

这样做现在给了我们：

('Maximum intensity = ', 7)
('minimum intensity = ', 0)

---

然而，你现在要得到的是一个非常黑暗的图像。 您向我们展示的直方图说明所有图像像素都在黑暗范围内......大致在[0-7]之间。 因此，如果使用uint8作为可视化的数据类型，则大部分图像将会变暗。 请注意，我搜索了Lionel Messi图像，它是OpenCV教程的一部分，这是我发现的图像：

^{资料来源： https ： //opencv-python-tutroals.readthedocs.org/en/latest/_images/roi.jpg}

您的代码将其转换为灰度，这对于您的问题来说没问题。 现在，使用上面的图像，如果你实际显示直方图计数的样子以及直方图中每个bin的强度，这就是我们得到的img2 ：

In [41]: np.unique(img2)
Out[41]: array([0, 1, 2, 3, 4, 5, 6, 7], dtype=uint8)

In [42]: np.bincount(img2.ravel())
Out[42]: array([   86,    88,   394,  3159, 14841, 29765, 58012, 19655])

如您所见，大部分图像像素都在[0-7]范围之间徘徊，这就是为什么一切看起来都是黑色的原因。 如果你想更好地看到这一点，或许可以将图像缩放大约255 / 7 = 36左右，我们可以更好地看到图像：

img2 = 36*img2
cv2.imshow('LSP',img2)
cv2.waitKey(0)

我们得到这个图片：

我也得到这个直方图：

个人看起来非常丑陋......至少对我而言。 因此，如果您想要拉伸直方图，我建议您选择更有意义的图像转换。 实际上， log操作压缩直方图的动态范围。 如果要拉伸直方图，请采用相反的方法并尝试幂律运算。 具体来说，给定输入强度，输出定义为：

out = c*in^(p)

in是输入强度， p是幂， c是常数，以确保缩放图像，以便在完成时将最大强度映射到输入的相同最大强度，而不是更大。 这可以通过计算c来完成，这样：

c = (img2.max()) / (img2.max()**p)

......其中p是你想要的力量。 此外，通过幂律的转换可以用这个漂亮的图解释：

^{资料来源： http ： //www.nptel.ac.in/courses/117104069/chapter_8/8_14.html}

基本上，小于1的功率执行强度扩展，其中较暗的强度被推向较轻的一侧。 类似地，大于1的功率执行强度压缩，其中较轻的强度被推到较暗的一侧。 在您的情况下，您想要扩展直方图，因此您需要第一个选项。 具体来说，尝试使较小的强度朝向更大的范围。 这可以通过选择小于1的功率来完成...例如尝试0.5。

你修改你的代码，使它像这样：

img2 = img2.astype(np.float) # Cast to float
c = (img2.max()) / (img2.max()**(0.5))
for i in range(0,img2.shape[0]-1):
    for j in range(0,img2.shape[1]-1):
        img2[i,j] = np.int(c*img2[i,j]**(0.5))

# Cast back to uint8 for display
img2 = img2.astype(np.uint8)

这样做，我得到这个图像：

我也得到这个直方图：

---

次要说明

如果我可以在效率方面提出建议，我不建议你遍历整个图像并单独设置每个像素......这就是不应该使用numpy数组的方式。 您可以在一行代码中实现所需的矢量化。

使用旧代码，使用np.log2 ，而不是带有numpy数组的base 2的math.log ：

import cv2
import numpy as np
from matplotlib import pyplot as plt

# Your code
img = cv2.imread('messi.jpg',0)

# New code
img2 = np.log2(1 + img.astype(np.float)).astype(np.uint8)

# Back to your code
img2 = 36*img2 # Edit from before
cv2.imshow('LSP',img2)
cv2.waitKey(0)
fig = plt.gcf()
fig.canvas.set_window_title('LSP histogram')
plt.hist(img2.ravel(),256,[0,256]); plt.show()
img3 = img2
B = np.int(img3.max())
A = np.int(img3.min())
print ("Maximum intensity = ", B)
print ("minimum intensity = ", A)

cv2.destroyAllWindows() # Don't forget this

同样，如果你想应用幂律变换，那很简单：

import cv2
import numpy as np
from matplotlib import pyplot as plt

# Your code
img = cv2.imread('messi.jpg',0)

# New code
c = (img2.max()) / (img2.max()**(0.5))
img2 = (c*img.astype(np.float)**(0.5)).astype(np.uint8)

#... rest of code as before