利用线性变换实现图象增强

图像增强是一种提高图像质量的技术，它可以通过增加图像对比度、增强图像细节等方式来改进图像。其中，线性变换是一种常用的图像增强方法，它可以通过调整图像亮度和对比度来实现增强效果。

线性变换的基本原理是将原始图像中的像素值映射到一个新的像素值域中，具体可以通过下列公式实现：

g(x,y) = a*f(x,y) + b

其中，f(x,y)表示原始图像中坐标为(x,y)的像素值，g(x,y)表示变换后图像中坐标为(x,y)的像素值，a和b分别为变换的系数和偏移量。

通过调整系数a和偏移量b，可以实现不同的图像增强效果。例如，当a>1时，可以实现对比度增强；当a<1时，可以实现对比度减弱；当b>0时，可以实现亮度增加；当b<0时，可以实现亮度减少。

下面是一个简单的基于线性变换的图像增强代码示例：

import cv2
import numpy as np

# 读取原始图像
img = cv2.imread('input.jpg')

# 线性变换系数和偏移量
a = 1.2
b = 30

# 线性变换
new_img = np.uint8(np.clip(a*img + b, 0, 255))

# 显示原始图像和增强后的图像
cv2.imshow('input', img)
cv2.imshow('output', new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，通过调整变换系数a和偏移量b，可以实现不同的图像增强效果。需要注意的是，变换后的像素值可能会超出0-255的范围，因此需要使用`np.clip()`函数进行限制。