python opencv 图像增强使用1.直方图均衡化图像增强算法2.对数图像增强3.幂次图像增强分别编写出对应代码

在Python中，OpenCV是一个强大的计算机视觉库，可以用于图像处理和分析。下面我将为你展示如何使用OpenCV实现三种常见的图像增强方法：

1. **直方图均衡化**:

import cv2
import numpy as np

def histogram_equalization(image_path):
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    eq_img = cv2.equalizeHist(img)
    return eq_img

# 使用示例
image = histogram_equalization('input_image.jpg')
cv2.imwrite('output_histogram_equalized.jpg', image)

2. **对数图像增强**:

def log_transform(image_path):
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    log_img = cv2.addWeighted(img, 4, cv2.GaussianBlur(img, (5, 5), 0), -4, 128)  # 对数增强的一种变种
    return log_img

# 使用示例
image = log_transform('input_image.jpg')
cv2.imwrite('output_log_transformed.jpg', image)

3. **幂次图像增强**:

def power_transform(image_path, alpha=0.5):  # 通常alpha值范围在0~1之间
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    img_power = cv2.pow(img.astype('float32'), alpha)
    img_power = img_power.clip(0, 255).astype('uint8')  # 确保结果在0-255范围内
    return img_power

# 使用示例
image = power_transform('input_image.jpg', 0.7)
cv2.imwrite('output_power_transformed.jpg', image)