python 编程实现图像的gamma变换

可以使用Python的OpenCV库来实现图像的gamma变换。以下是一个示例代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# gamma变换
gamma = 0.5
img_gamma = np.power(img / 255.0, gamma)
img_gamma = img_gamma * 255.0
img_gamma = img_gamma.astype(np.uint8)

# 显示原图和变换后的图像
cv2.imshow('Original image', img)
cv2.imshow('Gamma transformed image', img_gamma)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先使用`cv2.imread`函数读取一张图像，并将其转换为浮点型数值范围为0到1之间的数组。然后，我们使用numpy库的`power`函数对图像进行gamma变换，并将变换后的图像乘以255并转换为整型数值范围为0到255之间的数组。最后，我们使用OpenCV的`imshow`函数显示原图和变换后的图像，并使用`waitKey`函数等待用户按下任意键关闭窗口。

相关问题

编程实现图像的gamma变换【opencv】图像处理之伽马变换

在OpenCV库中，伽玛变换是一种调整图像亮度和对比度的技术，尤其用于纠正传感器或显示器非线性响应导致的颜色失真。伽玛变换涉及到将像素值的线性空间转换到非线性的伽玛空间，然后再转换回线性空间。

以下是一个简单的Python示例，使用OpenCV（cv2）库来实现伽玛变换：

import cv2
import numpy as np

def apply_gamma_correction(image_path, gamma=2.2):
    # 读取图像
    image = cv2.imread(image_path)
    
    # 将BGR图像转换为灰度，如果原图是彩色的
    if len(image.shape) == 3:
        image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 应用伽玛变换
    invGamma = 1.0 / gamma
    table = np.array([((i / 255.0) ** invGamma) * 255 for i in np.arange(0, 256)]).astype("uint8")
    adjusted = cv2.LUT(image, table)

    return adjusted

# 使用伽玛变换处理图片
input_image = "input.jpg"
output_image = "output_after_gamma.png"
processed_image = apply_gamma_correction(input_image)
cv2.imwrite(output_image, processed_image)

编程实现图像的灰度变换 编程实现以下处理：图像变暗、图像变亮、降低对比度、gamma变换，应具有可视化输出的代码。

在Python中，我们可以使用PIL（Python Imaging Library）库来操作图像，并结合NumPy进行数值计算。下面是一个简单的示例，展示了如何实现图像的灰度变换以及所提到的几种效果：

from PIL import Image
import numpy as np

# 加载图像
def load_image(file_path):
    with Image.open(file_path) as img:
        return np.array(img.convert('L'))  # 转换为灰度图

# 图像变暗
def darken(image, factor=0.5):
    return image * (1 - factor)

# 图像变亮
def lighten(image, factor=0.5):
    return image + factor

# 降低对比度
def reduce_contrast(image, factor=0.5):
    mean = np.mean(image)
    return ((image - mean) * factor) + mean

# Gamma变换
def gamma_correction(image, gamma=1.8):
    invGamma = 1.0 / gamma
    table = np.array([((i / 255.0)**invGamma)*255 for i in range(256)])
    return np.clip(np.round(table[image.astype(float)]), 0, 255).astype(np.uint8)

# 可视化输出
def visualize(image, title="Original"):
    plt.imshow(image, cmap='gray')
    plt.title(title)
    plt.show()

# 示例
original_img = load_image("path_to_your_image.jpg")
darkened = darken(original_img)
lightened = lighten(original_img)
reduced_contrast = reduce_contrast(original_img)
corrected = gamma_correction(original_img)

visualize(original_img, "Original")
visualize(darkened, "Darkened")
visualize(lightened, "Lightened")
visualize(reduced_contrast, "Reduced Contrast")
visualize(corrected, "Gamma Correction")