编程实现图像的分段线性灰度变换和非线性灰度变换

分段线性灰度变换：

import numpy as np
from PIL import Image

def piecewise_linear(img, breakpoints, slopes):
    """
    分段线性灰度变换
    :param img: 原图像
    :param breakpoints: 分段点
    :param slopes: 斜率
    :return: 变换后的图像
    """
    img_arr = np.array(img)
    
    # 计算分段线性函数
    def piecewise(x):
        return (slopes[0] * x) if x < breakpoints[0] else \
               (slopes[-1] * x + (breakpoints[-1] - slopes[-1] * breakpoints[-1])) if x >= breakpoints[-1] else \
               slopes[np.searchsorted(breakpoints, x)] * x + \
               (breakpoints[np.searchsorted(breakpoints, x)] - slopes[np.searchsorted(breakpoints, x)] * breakpoints[
                   np.searchsorted(breakpoints, x)])
    
    # 应用分段线性函数到图像数组
    img_arr = piecewise(img_arr)
    
    # 将图像数组转换回图像
    img_out = Image.fromarray(np.uint8(img_arr))
    
    return img_out

非线性灰度变换：

import numpy as np
from PIL import Image

def nonlinear(img, func):
    """
    非线性灰度变换
    :param img: 原图像
    :param func: 变换函数
    :return: 变换后的图像
    """
    img_arr = np.array(img)
    
    # 应用变换函数到图像数组
    img_arr = func(img_arr)
    
    # 将图像数组转换回图像
    img_out = Image.fromarray(np.uint8(img_arr))
    
    return img_out

其中，变换函数 `func` 可以根据具体需求自行定义，例如：

def gamma_correction(x, gamma):
    """
    伽马校正变换函数
    """
    return 255 * np.power(x / 255, gamma)

使用示例：

# 加载图像
img = Image.open('lena.png')

# 分段线性灰度变换
img_out = piecewise_linear(img, [50, 150], [0.5, 1.5])
img_out.show()

# 非线性灰度变换（伽马校正）
img_out = nonlinear(img, lambda x: gamma_correction(x, 1.2))
img_out.show()