一、灰度变换的概念

在图像预处理中，图像的灰度变换是图像增强的重要手段。灰度变换可以使图像对比度扩大，图像清晰，特征明显。灰度变换主要使用点操作来校正像素灰度。的灰度值决定了对应输出点的灰度值，是一种基于图像变换的运算。

二、灰度变换的作用

1.改善图像是质量，显示更多的细节，提高图像的对比度
2.有选择的突出图像感兴趣的特征或者抑制图像中不需要的特征
3.可以有效的改变图像的直方图的分布，使像素的分布更加均匀

三、灰度变换的方法

1.线性灰度变换
2.非线性灰度变换（对数变换，幂律变换（伽马变换））

灰度

灰度的概念

在数字图像中，像素是基本的表示单位，各个像素的亮安程度用灰度值来标识，只含亮度信息，不含色彩信息的图像称为灰度图像，对于单色图像，它的每个像素的灰度值用【0,255】区间的整数表示，即图像分为256个灰度等级，对于彩色图像，他的每个像素由R,G,B三个单色调配而成，如果每个像素的R,G,B完全相同，也就是R=G=B=D，该图像就是灰度图像，其中D被称为各个像素的灰度值。

2.对彩色图像进行灰度化

1.加权平均值法

D=0.299R+0.587G+0.114*B

代码显示如下：

#include<iostream>
#include<opencv.hpp>
using namespace std;
using namespace cv;


int main()
{
	Mat img, img2;
	img = imread("猫1.jpg");
	imshow("原图", img);
	img2.create(img.size(), 0);
	for (int i = 0; i < img.rows; i++)
	{
		for (int j = 0; j < img.cols; j++)
		{
			img2.at<uchar>(i, j) = saturate_cast<uchar>(0.114*img.at<Vec3b>(i, j)[0] + 0.587*img.at<Vec3b>(i, j)[1] + 0.299*img.at<Vec3b>(i, j)[2]);
		}
	}
	imshow("经验公式", img2);
	waitKey(0);
}

效果如下：

2.取最大值

代码显示如下：

int main()
{
	Mat img, img2;
	img = imread("猫1.jpg");
	imshow("原图", img);
	img2.create(img.size(), 0);
	for (int i = 0; i < img.rows; i++)
	{
		for (int j = 0; j < img.cols; j++)
		{
			int max = img.at<Vec3b>(i, j)[0];
			for (int x = 0; x < 3; x++)
			{
				if (max < img.at<Vec3b>(i, j)[x])
				{
					max = img.at<Vec3b>(i, j)[x];
				}
			}

			img2.at<uchar>(i, j) = saturate_cast<uchar>(max);
		}
	}
	imshow("最大值", img2);
	waitKey(0);
}

3.平均值

代码显示如下：

int main()
{
	Mat img, img2;
	img = imread("猫1.jpg");
	imshow("原图", img);
	img2.create(img.size(), 0);
	for (int i = 0; i < img.rows; i++)
	{
		for (int j = 0; j < img.cols; j++)
		{
			img2.at<uchar>(i, j) = saturate_cast<uchar>((img.at<Vec3b>(i, j)[0] + img.at<Vec3b>(i, j)[1] + img.at<Vec3b>(i, j)[2])/3);
		}
	}
	imshow("平均值", img2);
	waitKey(0);
}

灰度的线性变换

图像的线性变换是图像处理的基本操作，通常用于调整图像的画质，如图像对比度、亮度和反转。灰度的线性变换是根据线性灰度变换函数对图像中所有点的灰度进行变换。

1.线性变换

y=kx+b;

代码显示如下：

int main()
{

	Mat img1, img2;
	img1 = imread("猫1.jpg", 1);
	imshow("原图", img1);
	img2 = Mat::zeros(img1.size(), 0);
	for (int i = 0; i < img1.rows; i++)
	{
		for (int j = 0; j < img1.cols; j++)
		{
			for (int s = 0; s < 3; s++)
			{
				img2.at<uchar>(i, j) = saturate_cast<uchar>(1.1*img1.at<Vec3b>(i, j)[s] + 20);
			}
		}
	}
	imshow("线性", img2);
	waitKey(0);
}

效果如下：

2.分段线性变换

代码显示如下：

int main()
{

	Mat img1, img2;
	img1 = imread("猫1.jpg", 0);
	imshow("原图", img1);
	img2 = Mat::zeros(img1.size(), 0);
	for (int i = 0; i < img1.rows; i++)
	{
		for (int j = 0; j < img1.cols; j++)
		{
			
			uchar temp = img1.at<uchar>(i, j);
			if (temp <=70)
			{
				img2.at<uchar>(i, j) = saturate_cast<uchar>(0.5*temp + 20);
			}
			else if (temp > 70 && temp <= 150)
			{
				img2.at<uchar>(i, j) = saturate_cast<uchar>(1.2*temp + 100);
			}
			else if (temp > 150 && temp <= 255)
			{
				img2.at<uchar>(i, j) = saturate_cast<uchar>(0.9*temp + 55);
			}
		}
	}
	imshow("分段线性", img2);
	waitKey(0);
}

效果如下：

灰度的非线性变换

对数和对数变换都是非线性变换。

1.对数变换

对数变换可以增强图像暗部的细节

代码显示如下：

int main()
{
	double c = 1.2;
	Mat img1, img2, img3;
	img1 = imread("猫1.jpg",0);

	img3 = Mat::ones(img1.size(), CV_32FC3);
	add(img1, Scalar(1.0), img1);
	img1.convertTo(img1, CV_32F);
	log(img1, img3);
	img3 = c*img3;


	normalize(img3, img3, 0, 255, NORM_MINMAX);//归一化到0-255 NORM_MINMAX 线性归一化
	convertScaleAbs(img3, img3);//转换成8bit通道显示
	imshow("对数变换", img3);
	waitKey(0);
}

效果如下：

2.幂律变换

幂律变换，也称为伽玛变换或指数变换，主要用于图像校正、漂白图片或过黑图片的校正以及对比度的增强。

代码显示如下：

int main()
{
	Mat img1, img2;
	img1 = imread("猫1.jpg",0);
	img2.create(img1.size(), img1.type());
	for (int i = 0; i < img1.rows; i++)
	{
		for (int j = 0; j < img1.cols; j++)
		{
			int gray = img1.at<uchar>(i, j);
			img2.at<uchar>(i, j) = saturate_cast<uchar>(pow(gray,0.5));
		}
	}
	normalize(img2, img2, 0, 255, NORM_MINMAX);
	imshow("幂律变换", img2);
	waitKey(0);
}

效果如下：

总结

以上就是本文的全部内容。本文简要介绍了灰度和灰度变换的一些基础知识。