图像处理：Python代码计算图像对比度_python 计算图像对比度

link之家

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

2 计算案例

每个小括号的数据是怎么来的？按四近邻计算，比如第一个小括号：以第一行第一列为中心，上下左右分别与这个中心值相减再平方，然后加在一起，即：（2-1） ² +（3-1） ² ；第二个小括号即：（1-3） ² +（9-3） ² +（1-3） ²
最后的 48 是怎么来的：其实就是总的平方次个数

二代码实现

'''上面案例和下面代码都是使用四近邻方式计算'''
from cv2 import cv2
import numpy as np
def contrast(img0):   
    img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY) #彩色转为灰度图片
    m, n = img1.shape
    #图片矩阵向外扩展一个像素
    img1_ext = cv2.copyMakeBorder(img1,1,1,1,1,cv2.BORDER_REPLICATE) / 1.0   # 除以1.0的目的是uint8转为float型，便于后续计算
    rows_ext,cols_ext = img1_ext.shape
    b = 0.0
    for i in range(1,rows_ext-1):
        for j in range(1,cols_ext-1):
            b += ((img1_ext[i,j]-img1_ext[i,j+1])**2 + (img1_ext[i,j]-img1_ext[i,j-1])**2 + 
                    (img1_ext[i,j]-img1_ext[i+1,j])**2 + (img1_ext[i,j]-img1_ext[i-1,j])**2)
    cg = b/(4*(m-2)*(n-2)+3*(2*(m-2)+2*(n-2))+2*4) #对应上面48的计算公式
    print(cg)
img0 = cv2.imread('1301022016GF2DOM_2535_5118_0_copy1.jpg')
contrast(img0)
img1 = cv2.imread('1301022016GF2DOM_2535_5118_0_copy2.jpg')
contrast(img1)
img2 = cv2.imread('1301022016GF2DOM_2535_5118_0_copy3.jpg')
contrast(img2)
img3 = cv2.imread('1301022016GF2DOM_2535_5118_0_copy4.jpg')
contrast(img3)
结果如下（供参考）：
 13.12
 15.19
 16.24
 18.21
 结论：图片越清晰，对比度越大 
使用如下图片（因为下面图片大小被压缩，所以计算结果可能不一致，但大小顺序一致）
 ===
                    一 图像对比度理论知识1 定义对比度：通俗地讲就是亮暗的拉伸对比程度，通常表现了图像画质的清晰程度。对比度的计算公式如下：2 计算案例解释一下最后的48是怎么来的：其实就是总的平方次数二 代码实现from cv2 import cv2import numpy as npdef contrast(img0):       img1 = cv2.cvtColor(img0, cv...
				对比度调整算法说明（完整python代码在文末）：
本算法主要是对RGB空间进行调整。设定合适的RGB阈值，并在此阈值基础上计算出合适的调整系数进行对比度调整。阈值作为对比度调整依据，当对比度调整为-1时，图像RGB各分量都等于阀值，图像呈全灰色，灰度图上只有一种颜色，即阀值灰度。其算法实现如下：
  1) 比较当前像素点三维颜色值与阈值的大小，并获取其差值。
  2) 当增大对比度时，...
				算法对图片对比度和亮度的调整一般通过下面公式计算：
  g(x,y) = a*f(x,y)+bf(x,y)代表源图像x行，y列的像素点的c通道的数值 g(x,y)代表目
标图像x行，y列的像素点的c通道的数值    
a参数（a>0）表示放大的倍数（一般在0.0~3.0之间）
b参数一般称为偏置，用来调节亮度
代码实现Python&OpenCV代码实现上述算法a=1.2
b=100
for i in
				文章目录第二章 数字图像基础1、用程序实现同时对比度实验2、用程序实验空间分辨率变化效果3、用程序实验幅度分辨率变化效果
第二章 数字图像基础
这几个题目网上有很多MATLAB版的解答，这里自己写了一个python的版本，实现的思路是基本一致的
import matplotlib.pyplot as plt
import matplotlib.image  as img
import numpy as np
import math
%matplotlib inline
1、用程序实现同时对比度实验
程序代码：
# set image size
height = 256
weight 
				如果需要检测到图像里面的边缘，首先我们需要知道边缘处具有什么特征。对于一幅灰度图像来说，边缘两边的灰度值肯定不相同，这样我们才能分辨出哪里是边缘，哪里不是。因此，如果我们需要检测一个灰度图像的边缘，我们需要找出哪里的灰度变化最大。显然，灰度变化越大，对比度越强，边缘就越明显。那么问题来了，我们怎么知道哪里灰度变化大，哪里灰度变化小呢？在数学中，与变化率有关的就是导数。如果灰度图像的像素是连续的(实际不是)，那么我们可以分别原图像G对x方向和y方向求导数，获得x方向的导数图像Gx和y方向的导数图像Gy。Gx和Gy分别隐含了x和y方向的灰度变化信息，也就隐含了边缘信息。如果要在同一图像上包含两个方
				本文主要内容：
负片、调节图片亮度与对比度、图像裁剪、图像尺寸变换、图像旋转、图像添加噪声、图像模糊与滤波
所有代码已经在Spyder上编译通过的，python版本是3.7，希望能有帮助
参考书目：《Python人脸识别——从入门到工程实践》王天庆著
1.负片（相机底片）
import cv2
import numpy as np
img=cv2.imread(1.png)
cv2.imshow(lala,img)
cv2.waitKey(1000)
print(img)
height=img.shape[0]
width=img.shape[1]
negative_file=np.z

2 计算案例

二 代码实现

二代码实现