换个新头像（解决彩色图亮度不均衡）
作者：互联网
文章目录
前言
CSDN博客好久没有换过头像了，想换个新头像，在相册里面翻来翻去，然后就找到以前养的小宠物的一些照片，有一张特别有意思
惊恐到站起来的金丝熊：这家伙不会要吃我吧
没见过仓鼠的小猫：这啥玩意儿？
好，就决定把这张图当自己的头像了
一顿操作之后，把头像换成了这张照片
这时候我想起来我学过图像处理，这用亮度变换搞一下不就可以了吗，搞起来！
注意：一般对灰度图进行亮度变换的多一点，但是我这张图是RGB图（准确来说是RGBA，但我们只取前三个通道），对于RGB图，我这里对其每个通道分别进行处理然后拼接处理
处理
对比度拉伸
也就是把图像重新缩放到指定的范围内
# 对比度拉伸
p1, p2 = np.percentile(img, (0, 70)) # numpy计算多维数组的任意百分比分位数
rescale_img = np.uint8((np.clip(img, p1, p2) - p1) / (p2 - p1) * 255)
其中，numpy的percentile函数可以计算多维数组的任意百分比分位数，因为我的图片中整体偏暗，我就把原图灰度值的0% ~ 70%缩放到0 ~255
log变换
使用以下公式进行映射：
O
=
g
a
i
n
∗
l
o
g
(
1
+
I
)
O = gain*log(1 + I)
O=gain∗log(1+I)
# 对数变换
log_img = np.zeros_like(img)
scale, gain = 255, 1.5
for i in range(3):
log_img[:, :, i] = np.log(img[:, :, i] / scale + 1) * scale * gain
Gamma校正
使用以下公式进行映射：
O = I γ ∗ g a i n O = I^{\gamma} * gain O=Iγ∗gain
# gamma变换
gamma, gain, scale = 0.7, 1, 255
gamma_img = np.zeros_like(img)
for i in range(3):
gamma_img[:, :, i] = ((img[:, :, i] / scale) ** gamma) * scale * gain
直方图均衡化
使用直方图均衡后的图像具有大致线性的累积分布函数，其优点是不需要参数。
其原理为，考虑这样一个图像，它的像素值被限制在某个特定的值范围内，即灰度范围不均匀。所以我们需要将其直方图缩放遍布整个灰度范围(如下图所示，来自维基百科)，这就是直方图均衡化所做的(简单来说)。这通常会提高图像的对比度。
这里使用OpenCV来演示。
# 直方图均衡化
equa_img = np.zeros_like(img)
for i in range(3):
equa_img[:, :, i] = cv.equalizeHist(img[:, :, i])
对比度自适应直方图均衡化(CLAHE)
这是一种自适应直方图均衡化方法
OpenCV提供了该方法。
# 对比度自适应直方图均衡化
clahe_img = np.zeros_like(img)
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
for i in range(3):
clahe_img[:, :, i] = clahe.apply(img[:, :, i])
处理结果展示
使用Matplotlib显示上述几种方法的结果：
可以看到，前四种方法效果都差不多，都有一个问题亮的地方过于亮，这是因为他们考虑的是全局对比度，而且因为我们使用的彩色图像原因，使用log变换的结果图中有部分区域色彩失真。最后一种CLAHE方法考虑的是局部对比度，所以效果会好一点。
因为图像是彩色的，这里我只绘制了R通道的直方图（红色线）及其累积分布函数（黑色线）
可以看到均衡后的图像具有大致线性的累积分布函数。
总之，经过以上的探索，我最终决定使用CLAHE均衡后的结果
感觉是比之前的好了点
标签：log,img,均衡化,亮度,头像,直方图,换个,对比度,gain 来源： https://blog.csdn.net/weixin_44456692/article/details/122235564