图像局部对比度增加算法python并保存图片

以下是一个简单的图像局部对比度增加算法的Python代码示例，可以使用OpenCV库来实现。在这个例子中，我们使用了CLAHE算法（对比度有限自适应直方图均衡化），它可以增强图像的局部对比度，从而使细节更加清晰。

import cv2

# 读取图片
img = cv2.imread('image.jpg')

# 将图片转为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 创建CLAHE对象
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))

# 对灰度图像应用CLAHE算法
cl_img = clahe.apply(gray)

# 显示原始图像和处理后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Enhanced Image', cl_img)

# 保存处理后的图像
cv2.imwrite('enhanced_image.jpg', cl_img)

# 等待按键
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先读取一张图片，然后将其转换为灰度图像。接下来，我们创建了一个CLAHE对象，并将其应用于灰度图像。最后，我们显示了原始图像和处理后的图像，并将处理后的图像保存到了本地文件中。

你可以根据需要调整CLAHE算法的参数（clipLimit和tileGridSize），以获得最佳的局部对比度增强效果。

相关问题

图像对比度增加算法python并保存图片

以下是一种基于PIL库实现的图像对比度增加算法的Python代码，并保存处理后的图片。

from PIL import Image

def increase_contrast(image, factor):
    # 获取图像大小
    width, height = image.size
    
    # 将图像转换为RGB模式
    image = image.convert('RGB')
    
    # 遍历每个像素点并更新像素值
    for x in range(width):
        for y in range(height):
            r, g, b = image.getpixel((x, y))
            r = int((r - 128) * factor + 128)
            g = int((g - 128) * factor + 128)
            b = int((b - 128) * factor + 128)
            image.putpixel((x, y), (r, g, b))
    
    return image

# 打开图片
image = Image.open('example.jpg')

# 增加对比度
factor = 1.5
image = increase_contrast(image, factor)

# 保存处理后的图片
image.save('example_contrast.jpg')

在上述代码中，`increase_contrast`函数会遍历输入图片的每个像素点，并使用传入的对比度增加因子更新每个像素的RGB值。在这个例子中，我们将对比度增加因子设置为1.5，这意味着像素值将增加50%的差异度。最后，处理后的图像将保存在当前目录下的`example_contrast.jpg`文件中。

图像对比度增加算法python

以下是一个简单的图像对比度增加算法的Python代码实现：

import cv2

def increase_contrast(img, alpha, beta):
    # 通过线性变换调整图像对比度
    new_img = cv2.convertScaleAbs(img, alpha=alpha, beta=beta)
    return new_img

# 加载图像
img = cv2.imread('image.jpg')

# 调整对比度
new_img = increase_contrast(img, 2.0, 0)

# 显示原图和调整后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Increased Contrast Image', new_img)

cv2.waitKey(0)
cv2.destroyAllWindows()

在这个算法中，我们使用了OpenCV库中的`convertScaleAbs`函数来进行线性变换，通过调整`alpha`和`beta`参数来增加图像的对比度。`alpha`参数控制图像的缩放比例，`beta`参数控制图像的位移，这两个参数需要根据具体情况进行调整。