python opencv对数暗部增强

可以使用cv2.normalize()函数将图像的像素值进行对数变换，然后再进行增强处理。具体实现可以参考以下代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 对数变换
img_log = (np.log(img + 1) / np.log(10)) * 255

# 归一化
cv2.normalize(img_log, img_log, 0, 255, cv2.NORM_MINMAX)

# 增强处理
img_exp = cv2.equalizeHist(np.uint8(img_log))

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Enhanced Image', img_exp)
cv2.waitKey(0)
cv2.destroyAllWindows()

相关问题

用python试验不同Gamma参数对图像矫正的效果

在Python中，我们可以使用OpenCV库进行图像校正，特别是在处理高动态范围(HDR)图像或低光照条件下，常常会用到伽马校正（Gamma Correction）。伽马校正是一种非线性变换，通过调整图像的亮度值，使之看起来更自然。

Gamma参数通常是一个小数，大于0小于1，其作用类似于对数函数。当Gamma小于1时，它会让暗部变得更亮；当Gamma大于1时，则会使亮部变暗。例如，你可以通过以下步骤实验不同的Gamma值：

1. 导入必要的库：

import cv2
import numpy as np

2. 加载图像并计算原始灰度直方图：

image = cv2.imread('your_image.jpg', cv2.IMREAD_GRAYSCALE)
hist, _ = np.histogram(image.flatten(), bins=256, range=(0, 256))

3. 定义一个函数来应用不同的伽马校正：

def apply_gamma_correction(image, gamma):
    table = np.array([((i / 255.0) ** (1.0 / gamma)) * 255 for i in np.arange(0, 256)]).astype("uint8")
    return cv2.LUT(image, table)

4. 应用不同的Gamma值并观察效果：

gammas_to_test = [0.5, 1.0, 1.5, 2.0]  # 可以尝试不同的伽马值
for gamma in gammas_to_test:
    corrected_image = apply_gamma_correction(image, gamma)
    cv2.imshow(f"Gamma: {gamma}", corrected_image)
    cv2.waitKey(0)  # 等待用户按键
cv2.destroyAllWindows()